正则表达式

正则表达式

主要用于操作字符串虽然减少了代码量，阅读性差了

&	与
|	或
[abc]	匹配abc中的一个,要么是a,要么是b,要么是c
()	组默认第1组
()\1	第一组出现1次
()\1+	第一组出现多次;从左往右看左括号((a)(b©)) 第一组(a)(b©) 第二组a 第三组b© 第四组c
\\	\

以下均需要两个\

.	任意字符
\d	数字
\s	数字
\w	单词字符[a-zA-Z0-9_]

数量词

X?	0次或1次
X*	任意次
X+	至少1次
X{n}	正好n次
X{n,}	至少n次
X{n,m}	至少n次,最多m次

边界匹配器

^	行的开头
$	行的结尾(在后一个参数可以对前一个参数的组进行获取)
\b	单词边界
\B	非单词边界

常用操作

1. 匹配
   使用String类的matches方法
2. 切割
   使用String类的split方法
3. 替换
   使用String类的replaceAll(替换内容,正则表达式)方法，根据正则表达式替换
4. 获取
   i. 将正则表达式封装为对象Pattern Pattern p = Pattern.compile(“正则表达式”);
   ii. 创建匹配器对象Matcher Matcher m = p.matcher(“需要操作的字符串”);
         Matcher有三个方法
         A. matches 匹配
         B. lookingAt 从头匹配
         C. find 查找匹配子串
   iii. 查找m.find();//查找一个,返回布尔值
   iv. 获取匹配的子序列m.group();//仅仅获取第一个

public class Test {

	public static void main(String[] args) {
		//匹配邮箱
		boolean matches = "112Qe1@qq.cn".matches("[0-9a-zA-Z]{5,15}@{1}(qq|QQ|163|136)\\.{1}(com|cn|net)");//匹配参数（参数为正则表达式）
		System.out.println(matches);
		
		//切割字符串
		String[] split = "我/爱@你，嫁 给  我.吧".split("[//@， \\.]{1,}");
		for (String string : split) {
			System.out.println(string);
		}
		
		String str = "zhangsanRRRRR李lisiQQQQQQQwangwu";
		String tel = "15630667516";//15630667516替换为156****7516
		//将多个R和Q替换为相应一个
		str = str.replaceAll("(.)\\1+", "$1");
		System.out.println(str);
		
		tel = tel.replaceAll("(\\d{3})(\\d{4})(\\d{4})", "$1****$3");
		System.out.println(tel);
		
		//获取三个字符的字符串
		String str1 = "da jia hao ming tian bu fang jia";
		System.out.println(str1);
		Pattern p = Pattern.compile("\\b[a-z]{3}\\b");
		Matcher m = p.matcher(str1);
		while(m.find()) {
			System.out.println(m.group());//获取find()匹配到的子序列
			System.out.println(m.start()+"-"+m.end());//获取找到子序列的开头结尾下标
		}
	}
}

运行结果

爬虫练习

/**
 * 	网页爬虫：就是一个程序用于在互联网中获取符合指定规则的数据
 * 
 *	爬取邮箱地址
 */
public class Test01 {

	public static void main(String[] args) throws IOException {
		List<String> mail = getMailWeb();
		for (String string : mail) {
			System.out.println(string);
		}

	}
	//爬取本地文件中邮箱
	public static List<String> getMail() throws IOException{
		//1.读取源文件
		BufferedReader br = new BufferedReader(new FileReader("本地文件地址"));
		//2.对读取的数据进行规则匹配。从中获取符合规则的数据
		String regex = "[0-9a-zA-Z]{5,15}@{1}\\w{2,}\\.{1}(com|cn|net)";
		List<String> list = new ArrayList<>();
		Pattern p = Pattern.compile(regex);
		String line = null;
		while((line = br.readLine()) != null) {
			Matcher m = p.matcher(line);
			while(m.find())
				list.add(m.group());
		}
		//3.将符合规则的数据存到集合中
		return list;
	}
	
	//爬取网络中邮箱
	public static List<String> getMailWeb() throws IOException{
		//1.读取源文件
		//BufferedReader br = new BufferedReader(new FileReader(""));
		//URL url = new URL("网页地址");
		URL url = new URL("https://zhidao.baidu.com/question/1772307510687057620.html");
		BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream()));
		//2.对读取的数据进行规则匹配。从中获取符合规则的数据
		String regex = "[0-9a-zA-Z]{5,15}@{1}\\w{2,}\\.{1}(com|cn|net)";
		List<String> list = new ArrayList<>();
		Pattern p = Pattern.compile(regex);
		String line = null;
		while((line = br.readLine()) != null) {
			Matcher m = p.matcher(line);
			while(m.find())
				list.add(m.group());
		}
		//3.将符合规则的数据存到集合中
		return list;
	}
}

运行结果

爬取小说，写入文件，下一章翻页

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class PaChong {
	public static String next;
	public static void main(String[] args) throws IOException {
		// TODO 自动生成的方法存根
		String str1 = "http://www.biqu6.com";
		System.out.println(ToolString(getMailWeb(str1+"/1_1821/1157521.html")));
		System.out.println();
		if(saveBook(ToolString(getMailWeb(str1+"/1_1821/1157521.html"))))
			System.out.println("SiveOk");
		System.out.println();
		System.out.println("下一章地址："+str1+getNex());
		System.out.println();
		System.out.println(ToolString(getMailWeb(str1+getNex())));
		System.out.println();
		System.out.println("下一章地址："+str1+getNex());
		System.out.println();
		System.out.println(ToolString(getMailWeb(str1+getNex())));
		System.out.println();
		System.out.println("下一章地址："+str1+getNex());
	}
	public static String getMailWeb(String inter) throws IOException{
		//1.读取源文件
		//BufferedReader br = new BufferedReader(new FileReader(""));
		//URL url = new URL("网页地址");
		//String inter = "http://www.biqu6.com/1_1821/1157521.html";
		URL url = new URL(inter);
		BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream()));
		//2.对读取的数据进行规则匹配。从中获取符合规则的数据
		String regex1 = "(div id=\"content\")(.)*(/div)";
		String regex2 = "(<a href=\")(.){10,30}(\">下一章</a>)";
		StringBuffer book = new StringBuffer();
		Pattern p1 = Pattern.compile(regex1);
		Pattern p2 = Pattern.compile(regex2);
		String line = null;
		while((line = br.readLine()) != null) {
			Matcher m1 = p1.matcher(line);
			Matcher m2 = p2.matcher(line);
			while(m1.find()) {
				book.append(line);
			}
			while(m2.find()) {
				getNexString(m2.group());
			}
		}
		
		//3.将符合规则的数据存到集合中
		return book.toString();
	}
	//书籍排版
	public static String ToolString(String str) {
		str = str.replaceAll("(&nbsp;)", " ");
		str = str.replaceAll("(//)(.)*(//)", "");
		str = str.replaceAll("(<br/>){1,2}", "\r\n");
		str = str.replaceAll("(<)(.){4,20}(>)", "");
		str = str.replaceAll("(\\*){4,20}(.)*", "");
		return str;
	}
	//下一章<a href="/1_1821/1157522.html">下一章</a>
	public static String getNex() {
		String str = next.replaceAll("(<a href=\")(/{1}\\w{3,}/{1}\\w{3,}\\.(html))(\">下一章</a>)", "$2");
		return str;
	}
	public static void getNexString(String str) {
		next =str;
	}
	public static boolean saveBook(String str) {
		boolean b = false;
		try (
				BufferedWriter bw = new BufferedWriter(new FileWriter("D:/1.doc"));
				){
			bw.write(str);
			b = true;
		} catch (IOException e) {
			// TODO 自动生成的 catch 块
			e.printStackTrace();
		}
		return b;
	} 
}

运行结果