Java中正则表达式提取字符串
Matcher m1 = Pattern.compile("<td class='tol'><a href='.*?>(.*?)<").matcher(content);
List<String> result = new ArrayList<String>();
while (m1.find()) {
result.add(m1.group(1));
}
1.非获取匹配
?:表示非获取匹配,匹配冒号后的内容但不获取匹配结果、不进行存储
如果想匹配 “program” 和 “project” 这两个单词,正则表达式可表示为"program|project",也可表示为 pro(gram|ject)。但用了()就表示会匹配括号里的内容并且存储一份,用 | 隔开了,也就是说 gram 和 ject 都要被存储一份,但这样存储的内容是无意义的。所以正则表达式写成这样 pro(?:gram|ject),一是显得比较简洁,二是不会存储无意义的内容。
import re
str1 = "保险单号(Policy No.) PYII01234567890123456789"
str2 = "保险单号:PYDG01234567890123456789"
str3 = "保险单号:PYDG012345678901234567"
str1_match = re.match(r"保险单号\(Policy No.\) ([A-Z0-9]{24})", str1)
str2_match = re.match(r"保险单号:([A-Z0-9]{24})", str2)
str3_match = re.match(r"保险单号:([A-Z0-9]{22})", str3)
print(str1_match[1])
print(str2_match[1])
print(str3_match[1])
执行上述代码,其输出结果为:
PYII01234567890123456789
PYDG01234567890123456789
PYDG012345678901234567
对于上述正则表达式,还是比较繁琐,其实可以通过利用非获取匹配来使上面三个正则表达式变成一个,如下所示:
import re
str1 = "保险单号(Policy No.) PYII01234567890123456789"
str2 = "保险单号:PYDG01234567890123456789"
str3 = "保险单号:PYDG012345678901234567"
pattern_str = r"保险单号(?:\(Policy No.\)|)[ ::]([A-Za-z0-9]{24}|[A-Za-z0-9]{22})"
str1_match = re.findall(pattern_str, str1)
str2_match = re.findall(pattern_str, str2)
str3_match = re.findall(pattern_str, str3)
print(str1_match[0])
print(str2_match[0])
print(str3_match[0])
执行上述代码,其输出结果为:
PYII01234567890123456789
PYDG01234567890123456789
PYDG012345678901234567
特别提示:re的mach与findall的区别是,match是全文本匹配然后进行获取,findall是非全文匹配然后进行获取,使用时多注意下避免进入误区