黑马程序员__正则表达式

---------------------- android培训、java培训、期待与您交流！ ---------------------- 

 

 

正则表达式：符合一定规则的表达式

作用：专门用于操作字符串

用一些特定的符号来表示一些代码操作，这样就简化书写，所以学习正则表达式就是在学习一些特殊符号的使用。

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

具体操作功能：

1、           匹配：String matches方法，用规则匹配整个字符串，只要有一处不符合，就匹配结束，返回false

2、       切割：按照叠词完成切割，为了可以让规则的结果可以被重用，可以将规则封装成一个组，用（）完成，组的出现都有编号，从一开始，想要使用已有的组可以通过\n（n就是租的编号）如：“（.）\\1+”  ------按照任意多的叠词切

3、           替换：String  replaceAll（）

将重叠的字符替换成单个字符，$获取组的元素！

4、           获取：将字符串中符合规则的子串取出

操作步骤：

A、将正则表达式封装成对象

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

D、通过引擎对符合规则的子串进行操作，比如取出

获取的实例：

 

import java.util.regex.*;

class RegexDemo2

{

       public static void main(String[] args)

       {

              getDemo();

       }

       public static void getDemo()

       {

              String str="ni hao ma ye xu ceng jing de ni yao hao yi xie !";

              System.out.println(str);

              String regex="\\b[a-zA-Z]{3}\\b";

              Pattern p=Pattern.compile(regex);//将正则表达式封装成对象

              Matcher m=p.matcher(str);//将正则对象和要操作的字符串相关联

              while(m.find())

              {

                     System.out.println(m.group());

                     System.out.println(m.start()+"----"+m.end());

              }

       }

}

 

正则表达式的构造摘要

构造

匹配

 

 

字符

x

字符x

\\

反斜线字符

\0n

带有八进制值 0的字符n (0 <= n <= 7)

\0nn

带有八进制值 0的字符nn (0 <= n <= 7)

\0mnn

带有八进制值 0的字符mnn（0 <= m <= 3、0 <= n <= 7）

\xhh

带有十六进制值 0x的字符hh

\uhhhh

带有十六进制值 0x的字符hhhh

\t

制表符 ('\u0009')

\n

新行（换行）符 ('\u000A')

\r

回车符 ('\u000D')

\f

换页符 ('\u000C')

\a

报警 (bell)符 ('\u0007')

\e

转义符 ('\u001B')

\cx

对应于x的控制符

 

 

字符类

[abc]

a、b或 c（简单类）

[^abc]

任何字符，除了 a、b或 c（否定）

[a-zA-Z]

a 到 z或 A到 Z，两头的字母包括在内（范围）

[a-d[m-p]]

a 到 d或 m到 p：[a-dm-p]（并集）

[a-z&&[def]]

d、e或 f（交集）

[a-z&&[^bc]]

a 到 z，除了 b 和 c：[ad-z]（减去）

[a-z&&[^m-p]]

a 到 z，而非 m 到 p：[a-lq-z]（减去）

 

 

预定义字符类

.

任何字符（与行结束符可能匹配也可能不匹配）

\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]

 

 

POSIX字符类（仅 US-ASCII）

\p{Lower}

小写字母字符：[a-z]

\p{Upper}

大写字母字符：[A-Z]

\p{ASCII}

所有 ASCII：[\x00-\x7F]

\p{Alpha}

字母字符：[\p{Lower}\p{Upper}]

\p{Digit}

十进制数字：[0-9]

\p{Alnum}

字母数字字符：[\p{Alpha}\p{Digit}]

\p{Punct}

标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~

\p{Graph}

可见字符：[\p{Alnum}\p{Punct}]

\p{Print}

可打印字符：[\p{Graph}\x20]

\p{Blank}

空格或制表符：[ \t]

\p{Cntrl}

控制字符：[\x00-\x1F\x7F]

\p{XDigit}

十六进制数字：[0-9a-fA-F]

\p{Space}

空白字符：[ \t\n\x0B\f\r]

 

 

java.lang.Character类（简单的java字符类型）

\p{javaLowerCase}

等效于 java.lang.Character.isLowerCase()

\p{javaUpperCase}

等效于 java.lang.Character.isUpperCase()

\p{javaWhitespace}

等效于 java.lang.Character.isWhitespace()

\p{javaMirrored}

等效于 java.lang.Character.isMirrored()

 

 

Unicode块和类别的类

\p{InGreek}

Greek 块（简单块）中的字符

\p{Lu}

大写字母（简单类别）

\p{Sc}

货币符号

\P{InGreek}

所有字符，Greek块中的除外（否定）

[\p{L}&&[^\p{Lu}]] 

所有字母，大写字母除外（减去）

 

 

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

 

 

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

 

 

Reluctant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

 

 

Possessive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

 

 

Logical运算符

XY

X后跟Y

X|Y

X或Y

(X)

X，作为捕获组

 

 

Back引用

\n

任何匹配的n^th捕获组

 

 

引用

\

Nothing，但是引用以下字符

\Q

Nothing，但是引用所有字符，直到 \E

\E

Nothing，但是结束从 \Q开始的引用

 

 

特殊构造（非捕获）

(?:X)

X，作为非捕获组

(?idmsux-idmsux) 

Nothing，但是将匹配标志idmsux on - off

(?idmsux-idmsux:X)  

X，作为带有给定标志idmsux on - off的非捕获组

(?=X)

X，通过零宽度的正 lookahead

(?!X)

X，通过零宽度的负 lookahead

(?<=X)

X，通过零宽度的正 lookbehind

(?<!X)

X，通过零宽度的负 lookbehind

(?>X)

X，作为独立的非捕获组

---

反斜线、转义和引用

反斜线字符 ('\')用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\与单个反斜线匹配，而 \{与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据Java Language Specification的要求，Java源代码的字符串中的反斜线被解释为Unicode转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b"与单个退格字符匹配，而 "\\b"与单词边界匹配。字符串字面值 "\(hello\)"是非法的，将导致编译时错误；要与字符串 (hello)匹配，必须使用字符串字面值 "\\(hello\\)"。

字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1    

字面值转义    

\x

2    

分组

[...]

3    

范围

a-z

4    

并集

[a-e][i-u]

5    

交集

[a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 .在字符类内部就失去了其特殊意义，而表达式 -变成了形成元字符的范围。

行结束符

行结束符是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：

• 新行（换行）符 ('\n')、
• 后面紧跟新行符的回车符 ("\r\n")、
• 单独的回车符 ('\r')、
• 下一行字符 ('\u0085')、
• 行分隔符 ('\u2028') 或
• 段落分隔符 ('\u2029)。

如果激活UNIX_LINES模式，则新行符是唯一识别的行结束符。

如果未指定DOTALL标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。

默认情况下，正则表达式 ^和 $忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活MULTILINE模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于MULTILINE模式中时，$仅在行结束符之前或输入序列的结尾处匹配。

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)

组零始终代表整个表达式。

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。

与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba"与表达式 (a(b)?)+相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。

以 (?)开头的组是纯的非捕获组，它不捕获文本，也不针对组合计进行计数

 

实例：校验QQ号

class RegexDemo

{

       public static void main(String[] args)

       {

              checkQQ();

       }

       public static void checkQQ()

       {

              String qq="534946o910";

              String regex="[1-9][0-9]{4,14}";

              boolean flag=qq.matches(regex);

              if(flag)

              {

                     System.out.println("qq="+qq+" is ok!");

              }

              else

              {

                     System.out.println("您所输入的qq："+qq+"不合法");

              }

       }

}

/*

 *需求：

 *将下列字符串转成：我要学编程

 *到底用四种功能中的哪一个呢？或者哪几个呢？

 *思路方式：

 *1、如果只想知道该字符串是对是错，使用匹配

 *2、想要将已有的字符串变成另一个字符串，替换

 *3、想要按照自定的方式将字符串变成多个字符串，切割，获取规则以外的子串

 *4、想要拿到符合需求的字符串子串，获取，获取符合规则的子串

 **/

 class RegexTest1

 {

      public static void main(String[] args)

      {

             test_1();

      }

      public static void test_1()

      {

             String str="我我......要要要要......学学...编编编编编编...程程";

             String regex="\\.+";

             str=str.replaceAll(regex,"");

             str=str.replaceAll("(.)\\1+","$1");

             System.out.println(str);

      }

 }

       /*

      需求：对邮件地址进行校验。

       */

       public static void checkMail()

       {

              String mail = "[e-mail]";

              mail = "1@1.1";

              String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配。

              reg = "\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。

              //mail.indexOf("@")!=-1

              System.out.println(mail.matches(reg));

       }

网页爬虫（蜘蛛）：

import java.io.*;

import java.util.regex.*;

import java.net.*;

import java.util.*;

class RegexTest2

{

       public static void main(String[] args) throws Exception

       {

              getMails_1();

       }

       public static void getMails_1()throws Exception

       {

              URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");

              URLConnection conn = url.openConnection();

              BufferedReaded bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));

      

              String line = null;

              String mailreg = "\\w+@\\w+(\\.\\w+)+";

              Pattern p = Pattern.compile(mailreg);

              while((line=bufIn.readLine())!=null)

              {

                     Matcher m = p.matcher(line);

                     while(m.find())

                     {

                            System.out.println(m.group());

                     }

              }

       }

       /*

      获取指定文档中的邮件地址。

      使用获取功能。Pattern  Matcher

       */

       public static void getMails()throws Exception

       {

              BufferedReader bufr =

                     new BufferedReader(new FileReader("mail.txt"));

              String line = null;

              String mailreg = "\\w+@\\w+(\\.\\w+)+";

              Pattern p = Pattern.compile(mailreg);

              while((line=bufr.readLine())!=null)

              {

                     Matcher m = p.matcher(line);

                     while(m.find())

                     {

                            System.out.println(m.group());

                     }

              }

     }

---------------------- android培训、java培训、期待与您交流！ ----------------------