黑马程序员——java之正则表达式

来源：互联网发布：resilio sync linux 编辑：程序博客网时间：2024/05/17 18:01

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

正则表达式

1、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：用于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，只要有一处不符合规则，就匹配结束，返回false。

2，切割：String split();

3，替换：String replaceAll(regex,str);如果regex中有定义组，可以在第二参数中通过$符号获取正则表达式中的已有的组。

正则表达式的第四个功能。

4，获取:将字符串中的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。

2，让正则对象和要操作的字符串相关联。

3，关联后，获取正则匹配引擎。

4，通过引擎对符合规则的子串进行操作，比如取出。

2、正则表达式的基本符号

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] 英文：digit

\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]

reedy 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

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

组和捕获

API中的描述

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：

组1.((A)(B(C))) 组2.\A 组3.(B(C)) 组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。

使用注意事项：

1、在切割中如果是使用“.”切割，正则表达式为”\\.”。

2、在替换中，如果正则表达式中的一部分代表的内容还想被使用，可以先把这部分用()括起来，然后用“$组序号”来代表要保留的内容。

[html] view plaincopyprint?
package Regex.cn.itcast.www;  
  
import until.cn.itcast.Print;  
  
/*正则的基本操作  
 * 1、匹配  
 * 2、分割  
 * 3.替换  
 * 4.获取  
 * */  
public class RegexDemo {  
  
    /**  
     * @param args  
     */  
    public static void main(String[] args) {  
        //checkTel("18739980800","1[358]\\d{9}");  
        //checkQQ("182173929","[1-9]\\d{4,14}");  
        //splitDemo("asd   qwret  adsf  qewr  dfs "," +");  
        //splitDemo("acssqwjhddddqwteyhhhhgfeee ","(.)\\1+");//去掉叠词  
        //splitDemo("asd|qwret|adsf|qewr|dfs","\\|");//去掉特殊字符  
        //splitDemo("asd   qwret  adsf  qewr  dfs "," +");  
        replaceAllDemo("wer1389980000ty1234564uiod234345675f","\\d{5,11}","#");  
        replaceAllDemo("erkktyqqquizzzzzo","(.)\\1+","$1");  
    }  
  
    /*-----------------------------替换--------------------------------------*/    
    public static void replaceAllDemo(String str,String reg,String newStr)  
    {  
        str = str.replaceAll(reg,newStr);  
  
        System.out.println(str);  
    }  
   /*------------------------------匹配--------------------------------------*/    
  
/*   
    需求：手机号段13***，15***，18***   
    */    
      
    public static void  checkTel(String tel,String reg){  
          
        Print.sop(tel.matches(reg));  
    }  
    /*   
    需求一：对QQ号码进行校验，要求：5~15位，0不能开头，只能是数字。    
    */    
    //使用正则表达式。    
    public static void  checkQQ(String qq,String reg){  
          
        Print.sop(qq.matches(reg));  
    }  
  
    /*-----------------------------切割--------------------------------------*/   
    public static void  splitDemo(String str,String reg){  
        Print.sop(str);  
        String [] arr = str.split(reg);  
        for(String s : arr){  
            Print.sop(s);  
        }  
    }  
      
  
}  

获取

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。

2.让正则对象和要操作的字符串相关联。

3.关联后，获取正则匹配引擎。

4.通过引擎对符合规则的子串进行操作，比如取出。

[html] view plaincopyprint?
示例代码：  
import java.util.regex.*;    
class RegexDemo2     
{    
    public static void main(String[] args)     
    {    
        getDemo();    
    }    
    //获取只有3个字符组成的单词。    
    public static void getDemo()    
    {    
        String str = "ming tian jiu yao fang jia la ,da jia.";    
        System.out.println(str);    
        String reg = "\\b[a-z]{4}\\b";// \b表示单词边界。    
            
        //1.将规则封装成对象。    
        Pattern  p =Pattern.compile(reg);    
    
        //2.让正则对象和要作用的字符串相关联。获取关联字符串的匹配器对象。    
        Matcher m = p.matcher(str);    
        //3.使用匹配引擎进行各种操作，如查找、匹配、获取等。    
            
    /*     
        System.out.println(m.matches());matches是匹配整个字符串。   
        其实，String类中的mathes方法用的就是Pattern和Matches对象俩完成的。只不过被String的方法封装后，用起来较为简单，但是功能却单一。   
           
        boolean b = 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(b);   
        System.out.println(m.group());//用于获取匹配后的结果，使用前必须先进行匹配操作。   
    */    
        System.out.println(m.matches());    
        m.reset();//这句注释掉，while循环执行结果会少一个ming    
        while(m.find())//判断符合规则的子串是否存在，它开始查找的结果是上次匹配后的指针位置    
        {    
            System.out.println(m.group());//取出这个符合规则的子串。    
            System.out.println(m.start()+"...."+m.end());//m.gruop取出的子串在原字符串的开始和结束角标，注意角标包含头不包含尾。    
    
        }    
    /*   
     *注意：同一个匹配器 ，每匹配一次，角标指针就向后移动一次，下次匹配的开始位置是上次匹配的结束位置。   
     *如果已经匹配过后，又要从新查找匹配，可以说使用匹配器的reset()方法，将指针归0。   
     */    
    }    
}    

如何判断选取那种功能

到底用四种功能中的哪一个呢?或者那几个呢？

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编程另一个字符串，使用替换。

3.想要按照指定的方式将字符串变成多个字符串，使用切割，获取规则以外的子串。

4.想要拿到符合需求的字符串子串，使用获取，符合规则的子串。

[html] view plaincopyprint?
练习  
去叠词、IP地址排序、邮件校验  
import java.util.*;    
class RegexTest      
{    
    public static void main(String[] args)     
    {    
        //test_1();    
        //ipSort();    
        checkMail();    
    }    
        
    /*   
    需求3：对邮件地址进行校验。这个必须掌握   
    */    
    public  static void checkMail()    
    {    
        String mail ="asdfas12@sina.com.cn";    
//      mail = "1@1.1";    
        String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";    
//      reg = "\\w+@\\w+(\\.\\w+)";//相对不太精确的匹配。    
        //mail.indexOf("@")!=-1;这种方式不要用。    
        System.out.println(mail.matches(reg));    
    }       
     /*   
     需求2： 将下边的ip地址段进行地址段顺序的排序。   
     192.168.1.15 23.48.56.109 10.73.91.18 254.253.252.1 1.23.25.26    
   
     思路：   
     还按照字符自然顺序，只要让它们每一段都是3位即可，   
     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.将每一段只保留三位，这样所有的ip地址都是每一段3位。   
     */    
     public static void ipSort()    
     {    
        String ip = "92.168.1.15 23.48.56.109 10.73.91.18 254.253.252.1 1.23.25.26";    
        ip = ip.replaceAll("(\\d+)","00$1");  //将.分开的数字封装成组，然后在其前边加00  
        System.out.println(ip);    
　　//针对0出现一次或多次的，讲其后的数字封装成组1，然后替换掉  
        ip = ip.replaceAll("0+(\\d{3})","$1");        
　　    String [] arr = ip.split(" +");    
        //Arrays.sort(arr);//如果有重复的IP地址并要获取，那么必须用这个    
　　//也可以存入list集合，然后用collections来排序  
        TreeSet<String> ts = new TreeSet<String>();         
        for(String str:arr)    
        {       
            //System.out.println(str);              
            ts.add(str);                
        }    
        for(String s:ts)    
        {    
　　//去掉IP地址中多余的零，同样用替换的方式。  
            System.out.println(s.replaceAll("0+(\\d+)","$1"));    
        }    
            
        /*   
        Iterator<String> it = ts.iterator();   
        while(it.hasNext())   
        {   
            String str = it.next();   
            str=str.replaceAll("0+(\\d+)","$1");   
            System.out.println(str);   
        }   
        */    
     }    
    
        /*   
         * 需求1：将下列字符串转成：我要学编程。   
         */    
        public static void test_1()    
        {    
            String str = "我我.....我我我我我....我要...要要......要学.....学学学...编编编..编程.程.....程程程...程";    
            System.out.println(str);    
            /*   
            将已有字符串变成另一个字符串，使用 替换功能。   
            1.先将. 去掉。   
            2.再将多个重复的内容变成单个内容。   
            */    
            str = str.replaceAll("\\.","");    
　　//封装成组进行替换。Back 引用   ：\n  任何匹配的 nth 捕获组  
            str = str.replaceAll("(.)\\1+","$1");    
            System.out.println(str);    
        }       
}    

网页爬虫

网络爬虫，是搜索引擎的的原理之一，它可以用来检索网络上的信息。

[html] view plaincopyprint?
 import java.io.BufferedReader;  
import java.io.FileReader;  
import java.io.IOException;  
import java.io.InputStreamReader;  
import java.net.URL;  
import java.net.URLConnection;  
import java.util.regex.Matcher;  
import java.util.regex.Pattern;  
  
import until.cn.itcast.Print;  
  
public class GetMileFromIE {  
  
    /**  
     * @param args  
     * @throws IOException   
     */  
    public static void main(String[] args) throws IOException {  
        // TODO Auto-generated method stub  
        //getMilFromIE();  
        getMailFromFile();  
    }  
//从网页获取邮箱  
    public static void getMilFromIE() throws IOException{  
        URL url = new URL("http://127.0.0.1:8080/myweb/mail.html");  
        URLConnection ucon = url.openConnection();  
          
        BufferedReader bf  =   
                new BufferedReader(newInputStreamReader(ucon.getInputStream()));  
        String line = null;  
        String regex = "\\w+@\\w+(\\.\\w+)+";  
          
        Pattern pa = Pattern.compile(regex);  
        //让正则对象与所要作用的字符串关联，获取匹配器。  
        while((line = bf.readLine())!=null){  
            Matcher ma = pa.matcher(line);  
            while(ma.find()){  
                Print.sop(ma.group());  
            }  
              
        }  
    }  
    //从文件获取邮箱  
    public static void getMailFromFile() throws IOException{  
        BufferedReader br =   
                new BufferedReader(new FileReader("d:\\java\\day25\\mail.txt"));  
          
        String line = null;  
        String regex = "\\w+@\\w+(\\.\\w+)+";  
          
        Pattern pa = Pattern.compile(regex);  
        //让正则对象与所要作用的字符串关联，获取匹配器。  
        while((line = br.readLine())!=null){  
            Matcher ma = pa.matcher(line);  
            while(ma.find()){  
                Print.sop(ma.group());  
    }  
}  
    }  
}  