java零基础Ⅲ-- 7.正则表达式
为什么要学习正则表达式
极速 体验正则表达式的威力
1、提取文章中所有英文单词
2、提取文章中所有的数字
3、提取文章中所有的英文单词和数字
4、提取百度热榜 标题
package com.zzpedu.repexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* 体验正则表达式,给我们文本处理带来哪些便利
*/
public class Regexp_ {
public static void main(String[] args) {
//假定,编写了爬虫,从百度页面得到如下文本
// String content = "1995年,互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的静态网页能够“灵活”起来," +
// "急需一种软件技术来开发一种程序," +
// "这种程序可以通过网络传播并且能够跨平台运行。于是,世界各大IT企业为此纷纷投入了大量的人力、物力和财力。这个时候," +
// "Sun公司想起了那个被搁置起来很久的Oak,并且重新审视了那个用软件编写的试验平台," +
// "由于它是按照嵌入式系统硬件平台体系结构进行编写的,所以非常小," +
// "特别适用于网络上的传输系统,而Oak也是一种精简的语言,程序非常小,适合在网络上传输。" +
// "Sun公司首先推出了可以嵌入网页并且可以随同网页在网络上传输的Applet(Applet是一种将小程序嵌入到网页中进行执行的技术)," +
// "并将Oak更名为Java(在申请注册商标时,发现Oak已经被人使用了,再想了一系列名字之后," +
// "最终,使用了提议者在喝一杯Java咖啡时无意提到的Java词语)。" +
// "5月23日,Sun公司在Sun world会议上正式发布Java和HotJava浏览器。" +
// "IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软等各大公司都纷纷停止了自己的相关开发项目," +
// "竞相购买了Java使用许可证,并为自己的产品开发了相应的Java平台。";
// String content = "xxxxxxx <a target=\"_blank\" title=\"我是标题\" **********";
String content = "私有地址\n" +
"私有地址(Private address)属于非注册地址,专门为组织机构内部使用。\n" +
"以下列出留用的内部私有地址\n" +
"A类 10.0.0.0--10.255.255.255\n" +
"B类 172.16.0.0--172.31.255.255\n" +
"C类 192.168.0.0--192.168.255.255";
//(1). 传统方法,使用遍历方式,代码量大,效率不高
//(2). 正则表达式技术
//1. 先创建一个Pattern对象,模式对象,可以理解成就是一个正则表达式对象
//提取文章中所有英文单词
//Pattern pattern = Pattern.compile("[a-zA-Z]+");
//提取文章中所有的数字
//Pattern pattern = Pattern.compile("[0-9]+");
//提取文章中所有的英文单词和数字
//Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");
//提取百度热榜 标题
//Pattern pattern = Pattern.compile("<a target=\"_blank\" title=\"(\\S*)\"");
//提取ip地址
Pattern pattern = Pattern.compile("\\d+\\.\\d+\\.\\d+\\.\\d+");
//2. 创建一个匹配器对象
//理解:就是 matcher 匹配器按照 pattern(模式/样式), 到 content 文本中去匹配
//找到就返回true,否则就返回false
Matcher matcher = pattern.matcher(content);
//3. 可以开始循环匹配
int no = 0;
while (matcher.find()){
//匹配内容,文件,放到 m.group(0)
System.out.println("找到: " + (++no) + " " + matcher.group(0));
//System.out.println("找到: " + (++no) + " " + matcher.group(1));//提取百度热榜 标题 有小括号 使用 matcher.group(1)
}
}
}
执行效果:
**结论:**正则表达式是处理文本的利器
再提出几个问题?
1998年12月8日,第二代Java平台的企业版J2EE发布。1999年6月,Sun公司发布了第二代Java平台(简称为Java2)的3个版本:J2ME(Java2 Micro Edition,Java2平台的微型版),应用于移动、无线及有限资源的环境;J2SE(Java 2 Standard Edition,Java 2平台的标准版),应用于桌面环境;J2EE(Java 2Enterprise Edition,Java 2平台的企业版),应用于基于Java的应用服务器。Java 2平台的发布,是Java发展过程中最重要的一个里程碑,标志着Java的应用开始普及。
1、给你一个字符串(或者文章),请你找出所有四个数字在一起的字串?
2、给你一个字符串(或者文章),请你找出所有四个数字连在一起的字串,并且这四个数字要满足:第一位与第四位相同,第二位与第三位相同,比如:1221,5775
3、请验证输入的邮件,是否符合电子邮件格式
4、请验证输入的手机号,是否符合手机号格式
解决之道 - 正则表达式
1、为了解决上述问题,Java提供了正则表达式技术,专门用于处理类似文本问题
2、简单来说:正则表达式是对字符串执行模式匹配的技术
3、正则表达式:regular expression => 简写:RegExp
正则表达式基本介绍
介绍
1、一个正则表达式,就是用某种模式去匹配字符串的一个公式。很多因为它们看上去比较古怪而且复杂所以不敢去使用,不过,经过练习后,就觉得这些复杂的表达式写起来是相当简单的,而且,一旦你弄懂它们,你就能把数小时辛苦而且易错的文件处理工作缩短在几分钟(甚至几秒钟)内完成
2、这些要特别强调,正则表达式不是只有Java有,实际上很多编程语言都支持正则表达式进行字符串操作!
正则表达式底层实现(重要)
实例分析
为了让大家对正则表达式底层实现有一个直观的映射,举个例子
给你一段字符串(文本)请找出所有四个数字连在一起的子串,比如:
应该找到 1998 1999 3443 9889 ==》 分析底层实现
package com.zzpedu.repexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* 分析java的正则表达式的底层实现
*/
public class RegTheory {
public static void main(String[] args) {
String content = "1998年12月8日,第二代Java平台的企业版J2EE发布。" +
"1999年6月,Sun公司发布了第二代Java平台(简称为Java2)的3个版本:J2ME(Java2 Micro Edition,Java2平台的微型版)," +
"应用于移动、无线及有限资源的环境;J2SE(Java 2 Standard Edition,Java 2平台的标准版)," +
"应用于桌面环境;J2EE(Java 2Enterprise Edition,Java 2平台的企业版)," +
"应用3443于基于Java的应用服务器。Java 2平台的发布,是Java发展过程中最重要的一个里程碑," +
"标志着Java的应用开始普及9889。";
//目标:匹配所有四个数字
//说明:
//1. \\d 表示一个任意的数字
String regStr = "\\d\\d\\d\\d";
//2. 创建模式对象[即正则表达式对象]
Pattern pattern = Pattern.compile(regStr);
//3. 创建匹配器
//说明:创建匹配器 matcher,按照 正则表达式的规则 去匹配 content字符串
Matcher matcher = pattern.matcher(content);
//4. 开始匹配
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
debug判断截图:
//1. \\d 表示一个任意的数字
String regStr = "\\d\\d\\d\\d";
//2. 创建模式对象[即正则表达式对象]
Pattern pattern = Pattern.compile(regStr);
//3. 创建匹配器
//说明:创建匹配器 matcher,按照 正则表达式的规则 去匹配 content字符串
Matcher matcher = pattern.matcher(content);
//4. 开始匹配
/**
* matcher.find() 完成的任务
* 1. 根据指定的规则,定位满足规则的字符串(比如1998)
* 2. 找到后,将 子字符串的开始的索引记录到 matcher对象的属性中 int[] groups;
* groups[0] = 0,把该子字符串的结束的索引+1的值记录到 groups[1] = 4
* 3. 同时记录oldLast 的值为 子字符串的结束的索引+1的值 即4,即下次执行find时,就从4开始匹配
*
* matcher.group(0) 分析:
* 源码:
* public String group(int group) {
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* }
* 1. 根据 groups[0]=0 和 groups[1]=4 的记录的位置下标,从content 开始截取子字符串返回
* 就是 [0,4) 包含 0 但是不包含索引为 4的位置
*
* 如果再次执行 find()方法,仍然上面分析来执行 1999
* groups[0] = 31,把该子字符串的结束的索引+1的值记录到 groups[1] = 35
* 同时记录oldLast 的值为 子字符串的结束的索引+1的值 即35,即下次执行find时,就从35开始匹配
*/
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
matcher.group属性初始值:
找个一个的值:
匹配第二个,截图:
带括号()
正则表达式,匹配字符串,演示:
//1. \\d 表示一个任意的数字
String regStr = "(\\d\\d)(\\d\\d)";
//2. 创建模式对象[即正则表达式对象]
Pattern pattern = Pattern.compile(regStr);
//3. 创建匹配器
//说明:创建匹配器 matcher,按照 正则表达式的规则 去匹配 content字符串
Matcher matcher = pattern.matcher(content);
//4. 开始匹配
/**
* matcher.find() 完成的任务 (考虑分组)
* 什么是分组,比如:(\d\d)(\d\d) ,正则表达式中有() 表示分组,第1个() 表示第1组,第2个() 表示第2组...
* 1. 根据指定的规则,定位满足规则的字符串(比如(19)(98))
* 2. 找到后,将 子字符串的开始的索引记录到 matcher对象的属性中 int[] groups;
* 2.1 groups[0] = 0,把该子字符串的结束的索引+1的值记录到 groups[1] = 4
* 2.2 记录第1组()匹配到的字符串 groups[2] = 0 groups[3] = 2
* 2.3 记录第2组()匹配到的字符串 groups[4] = 2 groups[5] = 4
* 2.4 如果有更多分组....
* 3. 同时记录oldLast 的值为 子字符串的结束的索引+1的值 即4,即下次执行find时,就从4开始匹配
*
* matcher.group(0) 分析:
* 源码:
* public String group(int group) {
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* }
* 1. 根据 groups[0]=0 和 groups[1]=4 的记录的位置下标,从content 开始截取子字符串返回
* 就是 [0,4) 包含 0 但是不包含索引为 4的位置
*
* 如果再次执行 find()方法,仍然上面分析来执行 1999
*/
while (matcher.find()){
//小结:
//1. 如果正则表达式有() 即分组
//2. 取出匹配的字符串规则如下
//3. group(0) 表示匹配到的子字符串
//4. group(1) 表示匹配到的子字符串的第一组字串
//5. group(2) 表示匹配到的子字符串的第二组字串
//6. 以此类推.. 但是分组的数不能越界
// 比如:正则表达式(\d\d)(\d\d) ==> group(3)--> 越界
System.out.println("找到: " + matcher.group(0));
System.out.println("第1组()匹配到的值=" + matcher.group(1));
System.out.println("第2组()匹配到的值=" + matcher.group(2));
}
执行效果:
debug断点截图:
第一次匹配:
正则表达式基本语法
基本介绍
如果想要灵活的运用正则表达式,必须了解其中各种元字符的功能,元字符从功能上大致分为:
- 限定符
- 选择匹配符
- 分组组合和反向引用符
- 特殊字符
- 字符匹配符
- 定位符
元字符(Metacharacter) - 转义符 \\
\\
符号 说明:在我们使用正则表达式去检查某些特殊字符的时候,需要用到转义符号,否则检索不到结果,甚至会报错的。案例:用 $
去匹配 "abc$("
会怎么样?
用 (
去匹配 "abc$("
会怎么样?
再次提示:
在Java 的正则表达式中,两个 \\
代表其他语音的一个 \
/**
* 演示转义字符串的使用
*/
public class Regexp02 {
public static void main(String[] args) {
String content = "abc$(abc(132(";
//匹配(
String regStr = "\\(";// \\转义
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
元字符 - 转义符 \\
需要用到转义符号的字符有以下:
. * + () $ / \ ? [ ] ^ {}
元字符 - 字符匹配符
符号 | 含义 | 示例 | 解释 | 匹配输入 |
---|---|---|---|---|
[ ] | 可接收的字符列表 | [efgh] | e、f、g、h中任意1个字符 | |
[^] | 不接收的字符列表 | [^abc] | 除a、b、c之外的任意1个字符,包括数字和特殊符号 | |
- | 连字符 | A-Z | 任意单个大写字母 | |
. | 匹配除 \n 以外的任何字符 | a..b | 以a开头,b结尾,中间包括2个任意字符的长度为4的字符串 | aaab、aefb、a35b、a#*b |
\\d | 匹配单个数字字符,相当于[0-9] | \\d{3}(\\d)? | 包含3个或4个数字的字符串 | 123、9876 |
\\D | 匹配单个非数字字符,相当于[^0-9] | \\D(\\d)* | 以单个非字符开头,后接任意个数子字符串 | a、A342 |
\\w | 匹配单个数字、大小写字母字符和下划线,相关于[0-9a-zA-Z_] | \\d{3}\\w{4} | 以3个数字字符开头的长度为7的数字字母字符串 | 234abcd、12345Pe |
\\W | 匹配单个非数字、大小写字母字符,相当于[^0-9a-zA-Z] | \\W+\\d{2} | 以至少1个非数字字母开头、2个数字字符结尾的字符串 | #29、#?@10 |
应用实例
1、[a-z]
说明:
[a-z]
表示可以匹配 a-z
之间的任意一个字符,比如:[a-z] 去匹配 a11c8 会得到什么结果?
2、java正则表达式默认是区分字母大小写的,如何实现不区分大小写
(?i)abc
表示 abc 都不区分大小写a(?i)bc
表示 bc 不区分大小写a((?i)b)c
表示只有 b 不区分大小写Pattern pat = Pattern.complie(regEx, Pattern.CASE_INSENSITIVE);
[A-Z]
表示可以匹配 A-Z 之间的任意一个字符
[0-9]
表示可以匹配 0-9 之间的任意一个字符
3、[^a-z]
说明:
[^a-z]
表示可以匹配不是 a-z 中任意一个字符,比如:
[a-z] 去匹配 a11c8 会得到什么结果?用 [^a-z] {2} 去匹配 a11c8 又会得到什么结果?
[^A-Z]
表示可以匹配不是 A-Z 之间的任意一个字符
[^0-9]
表示可以匹配不是 0-9 之间的任意一个字符
/**
* 演示字符匹配符 的使用
*/
public class Regexp03 {
public static void main(String[] args) {
String content = "a11c8aBc";
//String regStr = "[a-z]";//匹配 a-z 之间任意一个字符
//String regStr = "[A-Z]";//匹配 A-Z 之间任意一个字符
//String regStr = "abc";//匹配 abc 字符串【默认区分大小写】
//String regStr = "(?i)abc";//匹配 abc 字符串 【不区分大小写】
//String regStr = "[0-9]";//匹配 0-9 之间任意一个字符
//String regStr = "[^a-z]";//匹配 不在 a-z 之间任意一个字符
String regStr = "[^0-9]";//匹配 不在 0-9 之间任意一个字符
//说明:
//1. 当创建Pattern对象时,指定 Pattern.CASE_INSENSITIVE,表示匹配时不区分字母大小写
//Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
4、[abcd]
表示可以匹配 abcd 中的任意一个字符
5、[^abcd]
表示可以匹配不是 abcd 中的任意一个字符
当然上面 abcd 你可以根据实际情况修改,以适应你的需求
6、\\d
表示可以匹配 0-9 的任意一个数字,相当于 [0-9]
7、\\D
表示可以匹配不是 0-9 的任意一个数字,相关于 [^0-9]
8、\\w
表示可以匹配任意英文字符、数字和下划线,相关于 [0-9a-zA-Z_]
9、\\W
相关于 [^0-9a-zA-Z_]
是 \\w
刚好相反
10、\\s
匹配任何空白字符(空格,制表符等)
11、\\S
匹配任何非空白字符,和 \\s
刚好相反
12、.
匹配出 \n
之外的所有字符,如果要匹配,本身则需要使用 \\.
/**
* 演示字符匹配符 的使用
*/
public class Regexp03 {
public static void main(String[] args) {
String content = "a11c8a Bc_#";
//String regStr = "[abcd]";//匹配在 abcd 中任意一个字符
//String regStr = "\\D";//匹配 不在 0-9的任意一个字符
//String regStr = "\\w";//匹配 大小写英文字母,数字下划线
//String regStr = "\\W";//匹配 等价于 [^0-9a-zA-Z_]
// \\s 匹配任何空白字符(空格,制表符等)
//String regStr = "\\s";
// \\S 匹配任何非空白字符,和 \\s 刚好相反
//String regStr = "\\S";
// . 匹配出 \n 之外的所有字符,如果要匹配,本身则需要使用 \\.
String regStr = ".";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
元字符 - 选择匹配符
在匹配某个字符串的时候是选择性的,即:即可以匹配这个,又可以匹配那个,这时你需要用到 选择匹配符号 |
符号 | 含义 | 示例 | 解释 |
---|---|---|---|
| | 匹配 | 之前或者之后的表达式 | ab|cd | ab或者cd |
/**
* 选择匹配符 | 使用
*/
public class Regexp04 {
public static void main(String[] args) {
String content = "zzp 哈哈 呵呵";
String regStr = "zz|哈|嗯";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
元字符 - 限定符
用于指定其前面的字符和组合项连续出现多少次,【java匹配默认贪婪匹配,即尽可能匹配多的】
符号 | 符号 | 示例 | 说明 | 匹配输入 |
---|---|---|---|---|
* | 指定字符重复0次或n次(无要求)零到多次 | (abc)* | 仅包含任意个abc的字符串,等效于 \w* | abc、abcabcabc |
+ | 指定字符重复1次或n次(至少一次)1到多 | m+(abc)* | 以至少1个m开头,后接任意个abc的字符串 | m、mabc、mabcabc、mmabc |
? | 指定字符重复0次或者1次(最多一次)0到1 | m+abc? | 以至少1个m开头,后接ab或者abc的字符串 | macb、mabc、mmmab、mmabc |
{n} | 只能输入n个字符 | [abcd]{3} | 由abcd中字母组成的任意长度为3的字符串 | abc、dbc、adc |
{n,} | 指定至少 n 个匹配 | [abcd]{3,} | 由abcd中字母组成的任意长度不小于3的字符串 | aac、dbc、aaaadc |
{n,m} | 指定至少 n 个但不多于 m 个匹配 | [abcd]{3,5} | 由abcd中字母组成的任意长度不小于3,不大于5的字符串 | aac、dbc、aaaaa、bdcad |
举例说明:
1、{n}
说明:
n
表示出现的次数,比如:a{3}, 1{4}, (\\d){2}
但是这里要注意一点,1{3} 去匹配 1111111的话,会得到什么结果呢?
2、{n,m}
说明:
n
表示至少出现的 n
次最多m
次,比如:a{3,4}, 1{4,5}, \\d{2,5}
3、+
说明:
+
表示出现1次到任意多次,比如: a+, 1+, \\d+
4、*
说明:
*
表示出现0次到任意多次,比如:a*, 1*, \\d*
5、?
说明:
?
表示出现0次到1次,比如:a?, 1?, \\d?
/**
* 演示限定符的使用
*/
public class Regexp05 {
public static void main(String[] args) {
String content = "a2111111aaaahello";
//a{3}, 1{4}, (\\d){2}
//String regStr = "a{3}";//表示匹配 aaa
//String regStr = "1{4}";//表示匹配 1111
//String regStr = "\\d{2}";//表示匹配 两位的任意数字字符
//a{3,4}, 1{4,5}, \\d{2,5}
//细节:java匹配默认贪婪匹配,即尽可能匹配多的
//String regStr = "a{3,4}";//表示匹配 aaa 或者 aaaa
//String regStr = "1{4,5}";//表示匹配 1111 或者 11111
//String regStr = "\\d{2,5}";//表示匹配 2位数或者3,4,5位数
//1+
//String regStr = "1+";//表示匹配 一个1或者多个1
//String regStr = "\\d+";//表示匹配 一个数字或者多个数字
//1*
//String regStr = "1*";//表示匹配 0个1或者多个1
//演示?的使用,默认也是 贪婪匹配
String regStr = "a1?";//匹配 a 或者 a1
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
元字符 - 定位符
定位符,规定要匹配的字符串出现的位置,比如在字符串的开始还是在结束的位置,这个也是相关有用的,
符号 | 符号 | 示例 | 说明 | 匹配输入 |
---|---|---|---|---|
^ | 指定起始符 | ^[0-9]+[a-z]* | 以至少1个数字开头,后接任意小写字母的字符串 | 1234、6aa、55edfff |
$ | 指定结束符 | ^[0-9]\\-[a-z]+$ | 以至少1个数字开头,后接连字符 “-”,并以至少1个小写字母结尾的字符串 | 1-a |
\\b | 匹配目标字符串的边界 | han\\b | 这里说的字符串的边界是指子串间有空格,或者是目标字符串的结束位置 | hanshunping sphan nnhan |
\\B | 匹配目标字符串的非边界 | han\\B | 和 \\b 的含义刚刚相反 | hanshunping sphan nnhan |
/**
* 演示定位符的使用
*/
public class Regexp06 {
public static void main(String[] args) {
//String content = "123-abc";
String content = "hanshunping sphan nnhan";
//以至少1个数字开头,后接任意小写字母的字符串
//String regStr = "^[0-9]+[a-z]*";
//以至少1个数字开头,后接连字符 “-”,并以至少1个小写字母结尾的字符串
//String regStr = "^[0-9]+\\-[a-z]+$";
//表示匹配边界的 han [这里的边界是指:被匹配的字符串最后,也可以是空格的子字符串的后面]
//String regStr = "han\\b";
//和 \\b 的含义刚好相反
String regStr = "han\\B";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
分组
常用分组
常用分组构造形式 | 说明 |
---|---|
(pattern) | 非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配文本,其它捕获结果根据左括号的顺序从1开始自动编号。 |
(?<name>pattern) | 命令捕获。将匹配的子字符串捕获到一个组名称或编号名称中。用于name的字符串不能包含任何标点符号,并且不能以数字开头。可以使用单引号替代尖括号,例如: (?'name') |
/**
* 分组
*/
public class Regexp07 {
public static void main(String[] args) {
String content = "hanshunping s7789 nn1189han";
//下面就是非命名分组
//1. matcher.group(0) 得到匹配的字符串
//2. matcher.group(1) 得到匹配的字符串的第1个分组的内容
//3. matcher.group(2) 得到匹配的字符串的第2个分组的内容
// String regStr = "(\\d\\d)(\\d\\d)";//匹配4各个数字的字符串
//命名分组:即可以给分组取名
String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";//匹配4各个数字的字符串
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
System.out.println("第1个分组的内容: " + matcher.group(1));
System.out.println("第2个分组的内容: " + matcher.group(2));
System.out.println("第1个分组的内容[通过组名]: " + matcher.group("g1"));
System.out.println("第2个分组的内容[通过组名]: " + matcher.group("g2"));
}
}
}
执行效果:
特别分组
常用分组构造形式 | 说明 |
---|---|
(?:pattern) | 匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用 “or” 字符(| )组合模式部件的情况很有用。例如:'industr(?:y|ies)' 是比 'industry|industries' 更经济的表达式。 |
(?=pattern) | 它是一个非捕获匹配。例如:'Windows (?=95|98|NT|2000)' 匹配 "Windows 2000" 中的 "Windows" ,但不匹配 "Windows 3.1" 中的 "Windows" |
(?!pattern) | 该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配。例如:'Windows (?!95|98|NT|2000)' 匹配 "Windows 3.1" 中的 "Windows" ,但不匹配 "Windows 2000" 中的 "Windows" |
特别分组应用实例
给字符串 String content = “hello zzp教育 javazzp老师 zzp同学”;
使用非捕获分组完成,如下要求:
1、找到 zzp教育 zzp老师 zzp同学 子字符串
2、找到 zzp 这个关键字,但是要求只是查找 zzp教育 和 zzp同学 中包含有的 zzp
3、找到 zzp 这个关键字,但是要求只是查找 不是(zzp教育 和 zzp同学)中包含有的zzp
/**
* 演示非捕获分组,语言比较特别
*/
public class Regexp08 {
public static void main(String[] args) {
String content = "hello zzp教育 javazzp老师 zzp同学";
//1、找到 zzp教育 zzp老师 zzp同学 子字符串
//String regStr = "zzp教育|zzp老师|zzp同学";
//上面的写法可以等价非捕获分组,注意;不能 matcher.group(1)
//String regStr = "zzp(?:教育|老师|同学)";
//2、找到 zzp 这个关键字,但是要求只是查找 zzp教育 和 zzp同学 中包含有的 zzp
//下面也是 非捕获分组,不能使用 matcher.group(1)
//String regStr = "zzp(?=教育|同学)";
//3、找到 zzp 这个关键字,但是要求只是查找 不是(zzp教育 和 zzp同学)中包含有的zzp
//下面也是 非捕获分组,不能使用 matcher.group(1)
String regStr = "zzp(?!教育|同学)";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
非贪婪匹配
构造形式 | 说明 |
---|---|
? | 当此字符紧随如何其他限定符(*、+、?、{n}、{n,}、{n,m} )之后时,匹配模式是 “非贪心的”。“非贪心的” 模式匹配搜索到的、尽可能短的字符串,而默认是"贪心的"模式匹配搜索到的、尽可能长的字符串。例如:在字符串 "oooo"中,"o+?"只匹配单个“o”,而"o+“匹配所有的"o” |
/**
* 非贪婪匹配
*/
public class Regexp09 {
public static void main(String[] args) {
String content = "hello111111 ok";
//String regStr = "\\d+";//默认是贪婪匹配
String regStr = "\\d+?";//非贪婪匹配
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
应用实例
1、汉字
2、邮政编码。要求:是1-9开头的一个六位数,比如:123890
3、QQ号码。要求:是1-9开头的一个(5位数-10位数),比如:12389、13456789
4、手机号码。要求:必须以13,14,15,18 开头的11位数,比如:13588889999
5、URL。比如:https://www.bilibili.com/video/BV1fh411y7R8?p=1
/**
* 正则表达式的应用
*/
public class Regexp10 {
public static void main(String[] args) {
//1、汉字
//String content = "你好a中国";
//String regStr = "^[\u0391-\uffe5]+$";//汉字字符范围
//2、邮政编码。要求:是1-9开头的一个六位数,比如:123890
//String content = "123890";
//String regStr = "^[1-9]\\d{5}$";
//3、QQ号码。要求:是1-9开头的一个(5位数-10位数),比如:12389、13456789
//String content = "13456789";
//String regStr = "^[1-9]\\d{4,9}$";
//4、手机号码。要求:必须以13,14,15,18 开头的11位数,比如:13588889999
String content = "13588889999";
String regStr = "^1[3|4|5|8]\\d{9}$";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
if (matcher.find()){
System.out.println("满足格式");
}else {
System.out.println("不满足格式");
}
}
}
/**
* 演示正则表达式的使用
*/
public class Regexp11 {
public static void main(String[] args) {
String content = "https://www.bilibili.com/video/BV1fh411y7R8?p#=894&spm_id_from=pageDriver";
//5、URL。比如:https://www.bilibili.com/video/BV1fh411y7R8?p=1
/**
* 思路
* 1. 先确定 url 开始的部分 https:// | http://
* 2. 然后通过 ([\w-]+\.)+[\w-]+ 匹配 www.bilibili.com
* 3. /video/BV1fh411y7R8?p=1 匹配 (\\/[\w-?=&/%.#]*)?
*/
String regStr = "^((http|https)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";//注意:[. ? *]表示匹配就是.本身
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
if (matcher.find()){
System.out.println("满足格式");
}else {
System.out.println("不满足格式");
}
}
}
执行效果:
正则表达式三个常用类
java.util.regx
包主要包括以下三个类 Pattern
类 Matcher
类 和 PatternSyntaxException
Pattern 类
pattern
对象是一个正则表达式对象。Pattern
类没有公共构造方法。要创建一个 Pattern
对象,调用其公共静态方法,它返回一个 Pattern
对象。该方法接受一个正则表达式作为它的第一个参数,比如:Pattern r = Pattern.compile(pattern)
Matcher 类
Matcher
对象是对输入字符串进行解释和匹配的引擎。与 Pattern
类一样,Matcher
类也没有公共构造方法。你需要调用 Pattern
对象的 matcher
方法来获取一个 Matcher
对象
PatternSyntaxException
PatternSyntaxException
是一个非强制异常类,它表示一个正则表达式模式中的语法错误。
Pattern 类的方法matches
用于整体匹配,比较简洁
import java.util.regex.Pattern;
public class Hello{
public static void main(String[] args) {
String content = "I am zzp from China";
String pattern = ".*zzp.*";
boolean isMatch = Pattern.matches(pattern,conten);
System.out.println("是否整体匹配成功 " + isMatch);
}
}
代码演示:
/**
* 演示 matches 方法,用于整体匹配,在验证输入的字符串是否满足条件使用
*/
public class PatternMethod {
public static void main(String[] args) {
String content = "hello abc hello, zzp";
//String regStr = "hello";
String regStr = "hello.*";
boolean matches = Pattern.matches(regStr, content);
/*
Pattern.matches底层源码
public static boolean matches(String regex, CharSequence input) {
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
return m.matches();//Pattern.matches 底层是用了 Matcher.matches()方法
}
*/
System.out.println("整体匹配=" + matches);
}
}
执行效果:
Matcher 类方法一览
说明 |
---|
public int start() 返回以前匹配的初始索引。 |
public int start(int group) 返回以前匹配操作期间,有给定组成捕获的子序列的初始索引 |
public int end() 返回最后匹配字符之间的编移量。 |
public int end(int group) 返回以前匹配操作期间,有给定组成捕获的子序列的最后字符之后的编移量。 |
public boolean lookingAt() 尝试将从区域开头开始的输入序列与该模式匹配。 |
public boolean find() 尝试查找与该模式匹配的输入序列的下一个子序列。 |
public boolean find(int start) 重置此匹配器,然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。 |
public boolean matches() 尝试将整个区域与模式匹配。 |
/**
* Matcher 类的常用方法
*/
public class MatcherMethod {
public static void main(String[] args) {
String content = "hello edu jack zzpedutom hello smith hello zzpedu zzpedu";
String regStr = "hello";
Pattern compile = Pattern.compile(regStr);
Matcher matcher = compile.matcher(content);
while (matcher.find()){
System.out.println("==========");
System.out.println(matcher.start());//hello 的h索引 0,19,31
System.out.println(matcher.end());//hello 的o索引 5,24,36
System.out.println("找到:" + content.substring(matcher.start(),matcher.end()));//hello
}
//整体匹配方法,常用于,去效验某个字符串是否满足某个规则
System.out.println("整体匹配=" + matcher.matches());
//完成如果 content 有 zzpedu 替换成 哈哈了
regStr = "zzpedu";
compile = Pattern.compile(regStr);
matcher = compile.matcher(content);
//注意:返回的字符串才是替换后的字符串 原来的 content 不变化
String newContent = matcher.replaceAll("哈哈了");
System.out.println("newContent=" + newContent);
System.out.println("content=" + content);
}
}
执行效果:
分组、捕获、反向引用
提出需求
请看下面问题:
给你一段文本,请找出所有四位数字连在一起的子串,并且这四个数字要满足
1、第1位与第4位相同
2、第2位与第3位相同
比如:1221、5775 …
介绍
要解决前面的问题,我们需要了解正则表达式的几个概念:
1、分组
我们可以用圆括号组成一个比较复杂的匹配模式,那么一个圆括号的部分我们可以看作一个子表达式/一个分组
2、捕获
把正则表达式中子表达式/分组匹配的内容,保存到内存中以数字编号或显示命名的组里,方便后面引用,从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推,组0代表的是整个正则式
3、反向引用
圆括号的内容被捕获后,可以在这个括号后被使用,从而写出一个比较实用的匹配模式,这个我们称为反向引用,这种引用既可以是在正则表达式内部,也可以是在正则表达式外部,内部反向引用 \\
分组号,外部反向引用用 $
分组号。
看几个小案例
1、要匹配两个连续的相同数字:(\\d)\\1
2、要匹配五个连续的相同数字:(\\d)\\1{4}
3、要匹配个位于千位相同,十位与百位相同的数 比如:5225、1551 (\\d)(\\d)\\2\\1
思考
请在字符串检索商品编号,形式如:12321-333999111 这样的号码,要求满足前面是一个五位数,然后一个-号,然后是一个九位数,连续的每三位要相同
/**
* 反向引用
*/
public class Regexp12 {
public static void main(String[] args) {
String content = "1234e8976 hello33333 123211-333999111 jack14 1551 tom11 jack22 yyy xxx12345 ";
//要匹配两个连续的相同数字:(\\d)\\1
//String regStr = "(\\d)\\1";
//要匹配五个连续的相同数字:(\\d)\\1{4}
//String regStr = "(\\d)\\1{4}";
//要匹配个位于千位相同,十位与百位相同的数 比如:5225、1551 (\\d)(\\d)\\2\\1
//String regStr = "(\\d)(\\d)\\2\\1";
/**
* 请在字符串检索商品编号,形式如:12321-333999111 这样的号码,
* 要求满足前面是一个五位数,然后一个-号,然后是一个九位数,连续的每三位要相同
*/
String regStr = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("找到: " + matcher.group(0));
}
}
}
执行效果:
正则表达式 - 应用实例
经典的结巴程序
把 类似 : “我…我要…学学学学…编程java!”;
通过正则表达式 修改成 “我要学习编程java”
public class Regexp13 {
public static void main(String[] args) {
String content = "我....我要....学学学学....编程java!";
//1. 去掉.
Pattern pattern = Pattern.compile("\\.");
Matcher matcher = pattern.matcher(content);
content = matcher.replaceAll("");
System.out.println("content=" + content);
//2. 去掉重复的字 我我要学学学学编程java!
//思路
//(1) 使用 (.)\\1+ 匹配前面与号码相同的字
//(2) 使用 反向引用 $1 来替换匹配到的内容
//注意:因为正则表达式变化了,所以需要重置 matcher
// pattern = Pattern.compile("(.)\\1+");//分组的捕获内容记录到 $1
// matcher = pattern.matcher(content);
// while (matcher.find()){
// System.out.println("找到: " + matcher.group(0));
// }
// //使用 反向引用 $1 来替换匹配到的内容
// content = matcher.replaceAll("$1");
// System.out.println("content=" + content);
//3. 使用一条语句 去掉重复的字 我我要学学学学编程java!
content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1");
System.out.println("content=" + content);
}
}
执行效果:
String类中使用正则表达式
替换功能
String
类 public String replaceAll(String regex, String replacement)
将上面文字的 JDK1.3 JDK1.4 统一替换成 JDK
public class StringReg {
public static void main(String[] args) {
String content = "2000年5月,JDK1.3、JDK1.4和J2SE1.3相继发布," +
"几周后其获得了Apple公司Mac OS X的工业标准的支持。" +
"2001年9月24日,J2EE1.3发布。2002年2月26日," +
"J2SE1.4发布。自此Java的计算能力有了大幅提升";
//使用正则表达式,将 JDK1.3、JDK1.4 替换成 JDK
content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK");
System.out.println(content);
}
}
执行效果:
判断功能
String
类 public boolean matches(String regex){}
要求:验证一个手机号,要求必须是以 138 139开头的
public class StringReg {
public static void main(String[] args) {
String content = "13812341234";
//要求:验证一个手机号,要求必须是以 138 139开头的
if(content.matches("1(38|39)\\d{8}")){
System.out.println("验证成功");
}else {
System.out.println("验证失败");
}
}
}
执行效果:
分割功能
String
类 public String[] split(String regex)
String content = "hello#abc-jack12smith~北京";
要求按照 # 或者 - 或者 ~ 或者 数字 来分割
public class StringReg {
public static void main(String[] args) {
String content = "hello#abc-jack12smith~北京";
//要求按照 # 或者 - 或者 ~ 或者 数字 来分割
String[] split = content.split("#|-|~|\\d+");
for (String str : split){
System.out.println(str);
}
}
}
执行效果:
作业
1、验证电子邮件格式是否合法
规定电子邮件规则如下:
a、只能有一个@
b、@前面是用户名,可以是a-z A-Z 0-9 _-字符
c、@后面是域名,并且域名只能是英文字母,比如:sohu.com 或者 tsinghua.org.cn
d、写出对应的正则表达式,验证输入的字符串是否为满足规则
public class Homework01 {
public static void main(String[] args) {
//a、只能有一个@
//b、@前面是用户名,可以是a-z A-Z 0-9 _-字符
//c、@后面是域名,并且域名只能是英文字母,比如:sohu.com 或者 tsinghua.org.cn
//d、写出对应的正则表达式,验证输入的字符串是否为满足规则
String content = "zzp@sohu.com.cn";
String regStr = "^[\\w-]+@([a-zA-Z]+\\.)+[a-zA-Z]+$";
//说明
//1. String 的 matches方法 是整体匹配 可以不加 ^..$(开始..结束)
//2. 看看这个 matches方法 底层方法
/* 源码
String 类
public boolean matches(String regex) {
return Pattern.matches(regex, this);
}
Pattern 类
public static boolean matches(String regex, CharSequence input) {
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
return m.matches();
}
Matcher 类 match方法
Attempts to match the entire region against the pattern 翻译:尝试根据模式匹配整个区域。
public boolean matches() {
return match(from, ENDANCHOR);
}
*/
if(content.matches(regStr)){
System.out.println("匹配成功");
}else {
System.out.println("匹配失败");
}
}
}
执行效果:
2、要求验证是不是整数或者小数
提示:这个题目考虑整数和负数
比如:123 -345 35.89 -89.1 -0.01 0.45 等
public class Homework02 {
public static void main(String[] args) {
//要求验证是不是整数或者小数
//提示:这个题目考虑整数和负数
//比如:123 -345 35.89 -89.1 -0.01 0.45 等
/**
* 思路:
* 1. 先写出简单的正则表达式
* 2. 在逐步完善[根据各种情况来完善]
*/
String content = "-0.32";
String regStr = "^[-+]?([1-9]\\d*|0)(\\.\\d+)?$";
if(content.matches(regStr)){
System.out.println("匹配成功 是整数或者小数");
}else {
System.out.println("匹配失败");
}
}
}
执行效果:
3、对一个url进行解析
http://www.sohu.com:8080/abc/index.html
a)要求得到协议是什么? – http
b)域名是什么? – www.sohu.com
c)端口是什么? – 8080
d)文件是什么? – index.html
思路:分组,4组,分别获取到对应的值
public class Homework03 {
public static void main(String[] args) {
String content = "http://www.sohu.com:8080/abc/sss/xxx/inde#$&x.html";
//a)要求得到协议是什么? – http
//b)域名是什么? – www.sohu.com
//c)端口是什么? – 8080
//d)文件是什么? – index.html
//因为正则表达式是根据要求来编写的,所以,如果需求需要的话,可以改进
String regStr = "^([a-zA-Z]+)://([a-zA-Z.]+):(\\d+)[\\w-/]*/([\\w.#$&]+)$";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
if(matcher.matches()){//整体匹配,如果匹配成功,可以通过group(x),获取对应分组的内容
System.out.println("整体匹配成功=" + matcher.group(0));
System.out.println("协议: " + matcher.group(1));
System.out.println("域名: " + matcher.group(2));
System.out.println("端口: " + matcher.group(3));
System.out.println("文件: " + matcher.group(4));
}else {
System.out.println("没有匹配成功");
}
}
}
执行效果: