定义
正则表达式(regular expression,简写为regex)是一个字符串,用来描述匹配一个字符串集合的模式。可以用正则表达式来匹配、替换和分割字符串。在爬虫中,可以方便地提取信息。
例:
"Java is fun".matches("Java.*");
"Java is cool".matches("Java.*");
"Java is powerful".matches("Java.*")
在这里,"Java.*"就是一个正则表达式,描述的是以Java开始,后面跟0或多个字符串。其中子字符串.*可以匹配任何0或多个字符串。
语法
正则表达式由字面值字符和特殊符号组成。
示例
- 社会安全号的模式为 xxx-xx-xxx 其中x为一位数字。其正则表达式可以描述为:
[\\d]{3}-[\\d]{2}-[\\d]{4}
- 电话号码的模式是(XXX)XXX-XXXX,这里 X 是一位数字,并且第一位数字不能为 0。电
话号码的正则表达式可以描述为
\\([1-9][\\d]{2}\\)[\\d]{3}-[\\d]{4}
- 手机号码的模式为十一位数字,其正则表达式可描述为:
替换和分割字符串
如果字符串匹配正则表达式,String 类的 matches 方法返回 true。String 类也包含repalceAll、replaceFirst 和 split 方法,用于替换和分割字符串。
其中replaceAll 方法替换所有匹配的子字符串,replaceFirst 方法替换第一个匹配的子字
符串。
值得注意的是,在 split(regex ,limit) 方法中,limit 参数确定模式匹配多少次。如果 limit <= 0,
split(regex ,limit)等同于 split(regex)。如果 limit > 0,模式最多匹配 limit -1次。
可以通过在后面添加问号符号来改变量词符的默认行为。量词符变为 “不情愿” 的,这意
味着它将匹配尽可能少的次数。
例如,下面的语句显示;JRaavaa, 因为第一个匹配成功的是 a。
System.out.println("Jaaavaa".replaceFirst("a+?", "R")):
下面为应用正则表达式判断身份证示例:身份证要么是15位,要么是18位,最后一位可以为字母,并写程序输出其中的年月日。
public static void main(String[] args) {
testID_Card();
}
public static void testID_Card() {
// 测试是否为合法的身份证号码
String[] strs = { "130681198712092019", "13068119871209201x",
"13068119871209201", "123456789012345", "12345678901234x",
"1234567890123" };
// 准备正则表达式(身份证有15位和18位两种,身份证的最后一位可能是字母)
String regex = "(\\d{14}\\w)|\\d{17}\\w";
// 准备开始匹配,判断所有的输入是否是正确的
Pattern regular = Pattern.compile(regex); // 创建匹配的规则Patter
StringBuilder sb = new StringBuilder();
// 遍历所有要匹配的字符串
for (int i = 0; i < strs.length; i++) {
Matcher matcher = regular.matcher(strs[i]);// 创建一个Matcher
sb.append("身份证: ");
sb.append(strs[i]);
sb.append(" 匹配:");
sb.append(matcher.matches());
System.out.println(sb.toString());
sb.delete(0, sb.length());// 清空StringBuilder的方法
}
GetBirthDay(strs);
}
private static void GetBirthDay(String[] strs) {
System.out.println("准备开始获取出生日期");
// 准备验证规则
Pattern BirthDayRegular = Pattern.compile("(\\d{6})(\\d{8})(.*)");
// .*连在一起就意味着任意数量的不包含换行的字符
Pattern YearMonthDayRegular = Pattern
.compile("(\\d{4})(\\d{2})(\\d{2})");
for (int i = 0; i < strs.length; i++) {
Matcher matcher = BirthDayRegular.matcher(strs[i]);
if (matcher.matches()) {
Matcher matcher2 = YearMonthDayRegular
.matcher(matcher.group(2));
if (matcher2.matches()) {
System.out.println(strs[i]+" 中的出生年月分解为: "+"年" + matcher2.group(1) + " 月:"
+ matcher2.group(2) + " 日:" + matcher2.group(3));
}
}
}
综上,正则表达式对于字符串的判断等处理有着非常强大的功能,在数据的处理过程中发挥着不可忽视的作用。