正则表达式

正则表达式

正则表达式本质上就是字符串，可以用于指定一些规则，来校验其他字符串

Java中String类提供进行正则匹配的函数matches()

String s = "规则";
"需要校验的字符串".matches(s);

语法

• []：对一个字符进行匹配
• ^：表示除外
• -：可以表示范围
• &&：交集
• (正则)：表示一个正则组
• |：多个正则表达式写在一起，用|分割

1. 字符类

• [abc]：只能是a或b或c
• abc等价于[a][b][c]

• [^abc]：除了a和b和c之外的所有字符

• [a-zA-Z]：从a到z，以及从A到Z

• [a-z&&[def]]：a-z和[def]的交集
• [a-z&&[^bc]]：a-z除了b和c

2. 预定义字符类

• .：代表任意字符
• \d：代表任意数字，等价于[0-9]
• \D：表示任意非数字，等价于[^0-9]
• \s：空白字符
• \S：除空白字符，等价于[^\s]
• \w：单词字符类，包括a-z和A-Z和0-9和下划线_，等价于[0-9a-z_A-Z]
• \W：非单词字符类，等价于[^\w]

3. 数量

• X+：X出现一次或多次
• X?：X出现0次或一次
• X*：X出现任意次数
• X{n}：X恰好出现n次
• X{n,}：X至少出现n次
• X{n,m}：X至少出现n次，至多出现m次
  

练习

1. QQ号

1. 不能0开头
2. 全部都是数字
3. 5-12位

String regex = "[1-9]\\d{4,11}";

2. 手机号

1. 必须1开头
2. 第二位3-9
3. 全部是数字，必须11位

String regex = "[1][3-9]\\d{9}";

3. 邮箱正则

String regex = "[\\w]+[@][\\w&&[^_]]+([\\.][a-zA-Z]{2,3})+";

String类中与正则相关的方法

• public String replaceAll(String regex, String newStr)：对调用的字符串中，与regex匹配的部分，用newStr替换

• public String[] split(String regex)：根据regex匹配的结果，分割字符串，返回字符串数组

使用正则表达式做爬取

1. 将正则表达式封装成一个Pattern对象
2. 利用Pattern对象生成匹配器Matcher
3. 调用匹配器的find()和group()方法进行爬取