- /*
- 正则表达式,匹配,切割,替换。获取。网页爬虫
- */
- /*
- 正则表达式:符合一定规则的表达式
- 作用:用于专门操作字符串
- 特点:用一些特定的符号来表示一些代码操作。
- 所以学习正则表达式,就是学习特殊符号的操作。
- 好处:简化对字符串的复杂操作。
- 弊端:符号越多,正则越长,阅读性差。
- */
- /*
- 对QQ号码进行校验
- 要求:5~15位,0不能开头,只能是数字。
- */
- public class ChackQQ {
- public static void main(String[] args) {
- // TODO Auto-generated method stub
- String qq = "987464786767645645646";
- checkQQ(qq);
- }
- public static void checkQQ(String str){
- int len = str.length();
- if(len>=5 && len<=15)
- {
- if(!str.startsWith("0"))
- {
- char[] arr = str.toCharArray();
- boolean flag = false;
- for(int x=0;x<arr.length;x++){
- if(!(arr[x]>='0' && arr[x]<='9'))
- {
- flag = true;
- break;
- }
- }
- if(flag){
- System.out.println("非法字");
- }else{
- System.out.println("qq:"+str);
- }
- }
- else{
- System.out.println("不是0开头");
- }
- }
- else{
- System.out.println("长度不对");
- }
- }
- public static void checkQQ_2(String str){
- try{
- long l = Long.parseLong(str);
- }catch(Exception e){
- System.out.println("不对");
- }
- }
- }
- /*
- 第一种写法,我们看到这样写比较麻烦。
- 第二种写法,用long l = Long.ParseLong(QQ号码);如果异常,就错误。
- 这二种方法都比较麻烦。使用String类组合完成需求,代码复杂。
- 下面我们就用正则来写。
- String方法matchs(正则)。
- String regex = "[1-9][0-9]{4,14}";第一位1到9,第二位开始0-9,出现4到14次。
- public static void QQCheck(String qq){
- String regex = "[1-9][0-9]{4,14}"; //定义正则
- boolean flag = qq.matches(regex);
- if(flag){
- System.out.println("qq:"+qq);
- }
- else{
- System.out.println("QQ号码错误");
- }
- }
- */
- /*
- 正则表达式
- :具体操作功能
- 1.匹配:String的 matches()方法
- [abc]这个字符串的第一个字符是abc,而且只能有一个字符。
- [^abc]第一个不是abc就可以了。
- [a-z]这个字符在a-z范围内就可以了。
- [a-zA-Z] a 到 z 或 A 到 Z,两头的字母包括在内(范围)
- []只会匹配一位字符。
- 预定义字符类 ,在java中,\d是一个整体。
- . 任何字符(与行结束符可能匹配也可能不匹配)
- \d 数字:[0-9]
- 要写成String regex = "[a-zA-Z]\\d";
- \D 非数字: [^0-9]
- \s 空白字符:[ \t\n\x0B\f\r]
- \S 非空白字符:[^\s]
- \w 单词字符:[a-zA-Z_0-9] //邮箱名一般用这个。
- \W 非单词字符:[^\w]
- Greedy 数量词
- X? X,一次或一次也没有
- X* X,零次或多次
- X+ X,一次或多次
- X{n} X,恰好 n 次
- X{n,} X,至少 n 次
- X{n,m} X,至少 n 次,但是不超过 m 次
- 解说:
- String regex = "[1-9][0-9]{4,14}";
- // 意思是:第一位1到9,从第二位,0-9出现4到14次。
- */
- /*
- 练习:匹配手机号。11位数字
- 手机号段:13XXX,15XXX,18XXX
- String regex = "1[358][0-9]{9}";
- */
- /*
- 2.切割:String 类的split(String regex);
- 参数是regex。复杂切法
- 1].String regex = " +";//多个空格。空格出现一次或多次
- 2].注意: . 代表正则里的任意字符。
- 真要拿点去切。String regex = "\\.";
- 3]。二个\\定义成正则:"\\\\"
- 4]。按照叠字切。"erkktyqquizzo"
- 叠词,后一个和前一个一致。第一位可以是任意,第二位得是第一位再次出现。
- 这时要用到正则里的组概念,封装成组:(.)再捕捉组\1,写到字符串里"\\1"
- String regex = "(.)\\1";
- 假如字符串是这样呢?"erkktyqquizzzzzzo"出现一次或多次。"(.)\\1+"
- 为了规则的结果被重用,可以将结果封装成组,用()完成,组的出现都有编号,
- 从1开始,想要使用已有的组通过\n形式来获取。n就是组的编号。
- ((())()):有几组看左括号,第几组还是看左括号。
- 组和捕获
- 捕获组可以通过从左到右计算其开括号来编号。例如,在表达式 ((A)(B(C))) 中,存在四个这样的组:
- 1 ((A)(B(C)))
- 2 \A
- 3 (B(C))
- 4 (C)
- 3.替换:
- String 的方法replaceAll(),
- replaceAll()函数参数:String str = str.replaceAll(reg,newStr);
- 例题:将一堆字符串中的数字替换成#号.如手机号
- 字符串.replaceAll("\\d{5,}","#");这句话意思是数字出现5或以上,替换成#
- 例题;将重叠字母替换成单个字母。("(.)\\1+","$1");美元符代表前面组里出现的字符。
- 4.获取:将字符串中符合规则的子串取出。
- 操作步骤:
- 1.将正则表达式封装成对象。Pattern p = Pattern.compile(reg);
- 2.让正则对象和要操作的字符串相关联。Matcher m = p.matcher(string);
- 3.关联后,获取正则匹配引擎。Matcher m
- 4.通过引擎获取内容。m.find();m.group();
- 注意事项:matches()和find()是一个匹配器,二个方法一起用,注意索引位置会偏移。
- */
- class getDemo
- {
- public static void main(String[] args){
- getDemo();
- }
- public static void getDemo(){
- String str = "ming tan jiu yao fang jia le,da jia";
- String regex = "\\b[a-z]{3}\\b";//\\b代表边界符
- Pattern p = Pattern.compile(regex);//将正则封装成对象
- Matcher m = p.matcher(str);//和字符串关联并拿到匹配器对象。
- //System.out.println(m.find());//将规则作用到字符串上,并进行符合规则的子串查找。
- //System.out.println(m.group());//用于获取匹配后的结果。
- while(m.find()){
- System.out.println(m.group());//类似迭代器。
- //System.out.println(m.start()+"..."+m.end());可以拿到匹配后的头头尾角标。
- }
- }
- }
- /*
- 需求:将下列字符串转成:我要学编程
- String str = "我我...我我...我要..要要..要要...学学学....学学....编编编....编程.....程程程..程..程";
- 到底用四种功能中的哪一个呢?还是几个?
- 思路方式:1.如果只想知道该字符是否是对是错,匹配matches()
- 2.想要将已有的字符串变成另一个字符串,替换replaceAll()
- 3.想要按照自定的方式将字符串变成多个字符串。切割split(),获取规则以外的子串
- 4.想要拿到符合需求的字符子串,获取,获取符合规则的子串。
- 获取,1.将规则regex封装成对象pattern.compile(reg),2.获取匹配器,p.matcher(str),3.通过匹配器操作。
- */
- public static void test_1(){//我要学编程
- String str = "我我...我我...我要..要要..要要...学学学....学学....编编编....编程.....程程程..程..程";
- String regex = "\\.+";
- /*
- String[] arr = str.split(regex);
- StringBuilder sb = new StringBuilder();
- for(String s :arr){
- sb.append(s);
- }
- System.out.println(sb);
- */
- //以上可以替换成代码
- String sb = str.replaceAll(regex,"");//。可以替换成空格。
- String regex1 = "(.)\\1+";
- String sss = sb.toString().replaceAll(regex1, "$1");
- System.out.println(sss);
- }
- /*练习二
- 192.68.1.254 102.49.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
- 将IP地址进行地址段顺序的排序。
- 还按照字符串自然顺序,只要让它们每一段都是3位就好。
- 1.按照每一段需要的最多的0进行补齐,那么每一段就会至少保证有3位。
- 2.将每一段只保留3位,这样,所有的IP地址都是每一段3位。
- */
- public static void test_2()
- {
- //192.68.1.254 102.49.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
- //将IP地址进行地址段顺序的排序。
- String ip = "192.68.1.254 102.49.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
- ip = ip.replaceAll("(\\d+)", "00$1");//先在前加二个0
- ip = ip.replaceAll("0*(\\d{3})", "$1");//保留后三位
- //System.out.println(ip);
- String[] arr = ip.split(" +");
- Set<String> set = new TreeSet<String>();
- for(String s:arr){
- set.add(s);//添加并排序
- }
- for(String ss:set){
- System.out.println(ss.replaceAll("0*(\\d+)", "$1"));//打印并去掉前面的0
- }
- }
- /*
- 练习:对邮箱地址进行校验。英文和数字_,6位-->12位
- */
- public static void checkMail(){
- String mail = "643123@sina.com";
- String reg = "[a-zA-Z0-9_]{6,12}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//比较精确的匹配
- //String reg = "\\w+@\\w+(\\.\\w+)+";//相对不精确的匹配
- //mail.indexOf("@")!=-1;搞笑的匹配。
- boolean b = mail.matches(reg);
- System.out.println(b);
- }
- /*
- 网页爬虫:(蜘蛛)如:向邮箱里发东西。
- 获取指定文档中的邮件地址
- 使用获取功能。Pattern Mather
- */
- import java.io.BufferedReader;
- import java.io.FileNotFoundException;
- import java.io.FileReader;
- import java.io.InputStreamReader;
- import java.net.URL;
- import java.net.URLConnection;
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
- public class GetMailDemo {
- /**
- * @param args
- * @throws Exception
- */
- public static void main(String[] args) throws Exception {
- // TODO Auto-generated method stub
- getMails_2();
- }
- public static void getMails_2() throws Exception//从网页上获取
- {
- URL url = new URL("http://127.0.0.1:8080/myweb/mail.html");//这里不用写二个//.
- URLConnection conn = url.openConnection();
- BufferedReader bufr = new BufferedReader(
- new InputStreamReader(conn.getInputStream()));
- String mailReg = "\\w+@\\w+(\\.\\w+)+";
- Pattern p = Pattern.compile(mailReg);
- String line = null;
- while((line = bufr.readLine())!=null){
- //System.out.println(line);
- Matcher m = p.matcher(line);
- while(m.find()){
- System.out.println(m.group());
- }
- }
- }
- public static void getMails() throws Exception//获取一个文件中的邮箱
- {
- BufferedReader bufr = new BufferedReader(
- new FileReader("mail.txt"));
- String mailReg = "\\w+@\\w+(\\.\\w+)+";
- Pattern p = Pattern.compile(mailReg);
- String line = null;
- while((line = bufr.readLine())!=null){
- //System.out.println(line);
- Matcher m = p.matcher(line);
- while(m.find()){
- System.out.println(m.group());
- }
- }
- }
- }
正则表达式,匹配,切割,替换。获取。网页爬虫
最新推荐文章于 2024-08-21 00:06:52 发布