(17) - 正则表达式

---------------------- ASP.Net+Android+IO开发S、.Net培训、期待与您交流！ ----------------------

1、 正则表达式

正则表达式：符合一定规则的表达式，一般用这些规则对字符串进行操作。

特点：用一些特定的符号来表示一些代码操作，这样能简化字符串操作的书写代码。

好处：可以简化对字符串的复杂操作。

弊端：符号定义越多，正则越长，阅读性越差。

2、 正则常用的符号

我们先来看以个简单的示例：

public staticvoid matches(){
        String str = "832947298";
        String rege = "[1-9][0-9]{4,14}";
        System.out.println(str.matches(rege));
}

该示例是判断qq号码是否正确的方法，QQ号要求4到15位，首位不能为0，全数字组合。那么” [1-9][0-9]{4,14}”便是匹配规则，即正则表达式，第一个[1-9]内容表示第一个数字在1-9之间，[0-9]表示0-9之间，紧随其后的{4,14}表示前一数字规则出现的次数或说重复的次数为4-14。那么str.matches(rege)语句表示用该正则表达式对str字符串进行检查，返回boolean。

 

查API手册我们例举一些常用的符号及其含义：

字符类：(包括数字)

[abc]	a、b 或 c(3者任意一个)
[^abc]	任何字符，除了 a、b 或 c
[a-zA-Z]	a-z 或 A-Z，两头的字母包括在内
[a-d[m-p]]	a-d 或 m-p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a-z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a-z，而非 m-p：[a-lq-z]（减去）

用引号包围的都是字符，包括数字，上述QQ号码检测便是一个示例。

 

预定义字符类：(简化用，一些符号规则的替代)

.	任何字符
\d	数字：[0-9]
\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]
\W	非单词字符：[^\w]

像[a-zA-Z_0-9]这样写起来很长，用\w代替即可，那么上面QQ号码检测的"[1-9][0-9]{4,14}"规则便可改写成"[1-9]\\d{4,14}"，这里需注意，字串中’\d’的表示需在前家以个反斜杠转义，即‘\\d’才能读出\d。

边界匹配器：

^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾

后面的正则表达式获取子字串功能中有示例。

Greedy数量词：(其中X代表一种规则)

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

如”[abc]+”表示字符串由abc三字母组成，至少有一个。X即为规则[abc]。

3、 正则表达式的具体功能

(1)   匹配

主要是利用String的matches方法，返回boolean，一般用于字符串的检测。

像上述的QQ号码检测。

(2)   切割

主要利用String的split方法，提供一个切割规则，返回String数组。

示例：

//实现体
public static void splitDemo(String str, String reg){
        String[] strs = str.split(reg);
        for(String s : strs){//迭代输出切割后部分
               System.out.println(s);
        }
}
//调用语句，同时包括了切割规则，需反斜杠转义‘\\’，一根一个
splitDemo("c:\\file\\a.txt","\\\\");
splitDemo("a***c*d**e****f","[*]+");//按‘*’切，可多个

(3)   替换

按正则表达式进行替换，看示例：

//参数str源串，rege正则表达式，newStr要替换的字串
public static void replaceDemo(String str, String rege, String newStr){
        str =  str.replaceAll(rege, newStr);
        System.out.println(str);
}
//调用
replaceDemo("a8276348bcd876876efg","\\d{5,}", "*");//数字替换成*

(4)   获取

将字符串中的符合规则的子串取出。

操作步骤：

(a)   将正则表达式封装成Pattern对象。

(b)   让正则对象和要操作的字符串相关联。

(c)   关联后，获取正则匹配引擎(Matcher对象)。

(d)   通过引擎对符合规则的子串进行操作，比如取出。

public static void getDemo(){
        String str = "ming tian jiu yaofang jia le ， da jia 。";
	//其中\\b便是单字母边界匹配符
        String rege ="\\b[a-z]{3}\\b";
       
        //将规则封装成对象
        Pattern p = Pattern.compile(rege);
        //让正则对象和要作用的字符串相串联，获取匹配器对象。
        Matcher m = p.matcher(str);
        //将规则作用在字符串上，并用find进行子串的查找
        while(m.find()){
               //查找一个子串，用一次find，用group()获取该子串
               System.out.println(m.group());
        }
}
/*结果为：
jiu
yao
jia
jia
*/

其中"\\b[a-z]{3}\\b"正则表达式中用到了单字母边界符，[a-z]{3}会在以字母开头和结尾的连续字母串中匹配。所以"ming"整串不符合，而"yao"符合。

其实String中的maches方法就是由Pattern和Matcher的对象来完成的，只不过String的matcher方法进行功能封装，用起来简单，但功能单一。

4、 组的运用

为了让规则的结果被重用，可以将规则封装成一个组，用()完成。

组的出现都有编号，从1开始，想要使用已有的组可以通过\n(n就是组的编号)的形式来获取。

那么()括号为组，可自动编号，括号里为规则，

如(.)\1，第一组，“(.)\\1”，那么((())())就有4组，从左括号开始数。

示例：(函数实现体replaceDemo()在上面已给出，这里不重复，只做调用，重点看正则表达式)

(a)调用，替换重叠字符串为&

replaceDemo("abbbcddeffghhk","(.)\\1+", "&");

在” (.)\\1+”正则表达式中()内为点，表示任意单个字符，\1为第一组，当然这里只有一组，\1+则为第一组重复一次或一次以上，符合该规则的就用‘&’替换，结果为a&c&e&g&k。

(b)重叠字符串替换成单个字母

replaceDemo("abbbcddeffghhk","(.)\\1+", "$1");

其中$表示取前面规则的数据，$1为取第一组数据做参考，(.)会获取单个字母，那么如果获取bbb满足了正则表达式"(.)\\1+"，其单个字母为b，替换要求为$1，则会将bbb替换成b，最终结果为abcdefghk。

5、 正则应用(网页爬虫)

网页爬虫，也叫网页蜘蛛，能在网页源码中获取符合要求的数据，以下是一个获取网页中的邮箱地址，并输出到控制台的例子。其中的网站地址为测试地址，该地址需有效，且能连接服务器，若网页中有符合邮箱地址格式的字段，便会被获取。直接看代码吧：

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
 
public class HtmlEmaiDemo {
public static void main(String[] args) throwsException{
        //输入连接正服务器的网址
        getMails("http://zhidao.baidu.com/question/262256558.html");
}
public static void getMails(String strUrl)throws Exception{
        //创建URL对象
        URL url = new URL(strUrl);
        //获取远程连接
        URLConnection conn =url.openConnection();
        //获取资源流
        BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
        String strLine = null;
        //定义筛选邮箱地址的正则表达式
        String mailreg ="\\w+@\\w+(\\.\\w+)+";
        //创建Pattern对象
        Pattern p = Pattern.compile(mailreg);
       
        while((strLine =bufIn.readLine())!=null){
               //获得匹配器
               Matcher m = p.matcher(strLine);
               //根据匹配器查找
               while(m.find()){
                      //获取匹配字段
                      System.out.println(m.group());
               }
        }
}
}

---------------------- ASP.Net+Android+IO开发S、 .Net培训、期待与您交流！ ----------------------