正则表达式和爬虫

一、正则表达式

java

		String str =  "1324";
        boolean matches = str.matches("\\d{4}");

二、爬虫
1.爬取所有的java关键字，例如java,java8,java11,java17

		String str2 = "java自从95年问世以来，经历了很多版本，目前企业中用的最多的是java8和java11，因为这两个是长期支持版本，下一个长期支持版本是java17，相信不久的将来java17也会面试";
        Pattern p = Pattern.compile("java\\d{0,2}");
        Matcher matcher = p.matcher(str2);
        while (matcher.find()){
            String group = matcher.group();
            System.out.println(group);

        }

2.条件爬取——获取所有java8和java11的前面java部分

		String str2 = "java自从95年问世以来，经历了很多版本，目前企业中用的最多的是java8和java11，因为这两个是长期支持版本，下一个长期支持版本是java17，相信不久的将来java17也会面试";
        Pattern p = Pattern.compile("java(?=8|11)");
        Matcher matcher = p.matcher(str2);
        while (matcher.find()){
            String group = matcher.group();
            System.out.println(group);

        }

3.条件爬取——获取所有java8和java11

String str2 = "java自从95年问世以来，经历了很多版本，目前企业中用的最多的是java8和java11，因为这两个是长期支持版本，下一个长期支持版本是java17，相信不久的将来java17也会面试";
        Pattern p = Pattern.compile("java(?:8|11)");
        Matcher matcher = p.matcher(str2);
        while (matcher.find()){
            String group = matcher.group();
            System.out.println(group);

        }

4.贪婪爬取
+默认就是贪婪爬取

String str2 = "java自从95年问世以来，abbbbbbbbbbbbbbbaaaaaaaaaaa，经历了很多版本，目前企业中用的最多的是java8和java11，因为这两个是长期支持版本，下一个长期支持版本是java17，相信不久的将来java17也会面试";
        Pattern p = Pattern.compile("ab+");
        Matcher matcher = p.matcher(str2);
        while (matcher.find()){
            String group = matcher.group();
            System.out.println(group);

        }

5.非贪婪爬取

String str2 = "java自从95年问世以来，abbbbbbbbbbbbbbbaaaaaaaaaaa，经历了很多版本，目前企业中用的最多的是java8和java11，因为这两个是长期支持版本，下一个长期支持版本是java17，相信不久的将来java17也会面试";
        Pattern p = Pattern.compile("ab+?");
        Matcher matcher = p.matcher(str2);
        while (matcher.find()){
            String group = matcher.group();
            System.out.println(group);

        }

6.分组

6.1捕获分组
6.1.1内部使用
java中\1表示复用第一组

String str =  "a1324a";
        boolean matches = str.matches("(.)\\d{4}\\1");
        System.out.println(matches);

6.1.2外部使用

6.2非捕获分组，既不计算分组

网络爬虫