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

正则表达式概述

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，
组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

.

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

\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] 

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 nth 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i d m s u x on - off 
(?idmsux-idmsux:X)   X，作为带有给定标志 i d m s u x 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

实例1：匹配QQ号码

如果QQ限定在5-11位之间
第1位不能是0，必须是1-9
第2位以及以后都是数字

class MatchesQQ{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args) {String qq1 = "012345";String qq2 = "a12345";String qq3 = "-123456";String qq4 = "1234";String qq5 = "123456789012";String qq6 = "123456789";String reg = "[1-9]\\d{4,10}";sop("qq1:"+qq1.matches(reg));//falsesop("qq2:"+qq2.matches(reg));//falsesop("qq3:"+qq3.matches(reg));//falsesop("qq4:"+qq4.matches(reg));//falsesop("qq5:"+qq5.matches(reg));//falsesop("qq6:"+qq6.matches(reg));//true}}

实例2：匹配手机号码

匹配前两位，只要后面9位都是数字就行，
当然目前有的号段并未开通，但暂时不考虑。
手机号码有13XXX、15XXX、18XXX号段

class MatchesTel{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args) {String tel1 = "12011110000";String tel2 = "186111100002";String tel3 = "1351111000";String tel4 = "A3511112222";String tel5 = "18600001111";//手机号码必须是11位数字//第1位不能是0，必须是1//第2位只能是3、5、8.//第3位到第11位都是任何数字String reg = "[1][358]\\d{9}";sop("tel1:"+tel1.matches(reg));//falsesop("tel2:"+tel2.matches(reg));//falsesop("tel3:"+tel3.matches(reg));//falsesop("tel4:"+tel4.matches(reg));//falsesop("tel5:"+tel5.matches(reg));//true}}

实例3：匹配用户名

用户名长度在6-15位之间
用户名以字母和数字组成，只能以字母开头，只能包含'-'以及'_'
^ 行的开头 只能是任何字母大小写
$ 行的结尾

class MatchesUser{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args) {String user1 = "wgxin";String user2 = "jiewin";String user3 = "wgx*abc";String user4 = "020jiuguijiu";String user5 = "A6_1-2345612345";String reg = "^[a-zA-Z][a-zA-Z0-9_-]{5,14}$";sop("user1:"+user1.matches(reg));//falsesop("user2:"+user2.matches(reg));//truesop("user3:"+user3.matches(reg));//falsesop("user4:"+user4.matches(reg));//falsesop("user5:"+user5.matches(reg));//true}}

实例4：对字符串进行切割

class SplitDemo{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args) {//splitUser1();//splitUser2();//splitUser3();//splitURL();splitDieCi();}//如果切割符号只出现连续1个public static void splitUser1(){String user = "zhangsan lisi wangwu";String reg = " ";//用一个空格切割String[] arr = user.split(reg);for(String s:arr){sop(s);}}//切割符号连续出现多次并且个数不相等public static void splitUser2(){String user = "zhangsan  lisi    wangwu";String reg = " +";//用多个空格切割String[] arr = user.split(reg);for(String s:arr){sop(s);}}//切割符号不能用“.”切割，因为它是正则表达式里的特殊符号，必须先进行转义public static void splitUser3(){String user = "zhangsan.lisi.wangwu";String reg = "\\.";//不能这样写\.String[] arr = user.split(reg);for(String s:arr){sop(s);}}//使用叠词切割public static void splitDieCi(){////用.来表示任意字符，用(.)1来表示一组。////但是1必须先用\转义，同时\也要转义一次，最后就是(.)\\1//String user = "zhangshankklisibbwangwu";//String reg = "(.)\\1";//如果叠词数出现的个数不同,就在后面添加‘+’String user = "zhangshankklisibbwangwu";String reg = "(.)\\1";reg =  "(.)\\1+";String[] arr = user.split(reg);for(String s:arr){sop(s);}}}

实例5：替换指定字符

class ReplaceDemo{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args) {replace1();replace2();replace3();}//如果字符串中连续出现5个以上的数字，就将其替换成#public static void replace1(){String str = "wgxin135000001111jiewin1156xin123456guangwu";sop(str.replaceAll("\\d{5,}","#"));}//将叠词替换成&号public static void replace2(){String str = "wgxin0101335500001111jiew111in";sop(str.replaceAll("(.)\\1+","&"));}//将叠词替换成单个词，$1 表示一组叠词public static void replace3(){String str = "aaabbbbbcccccddddddefg111122234445565321";sop(str.replaceAll("(.)\\1+","$1"));}}/*wgxin#jiewin1156xin#guangwuwgxin0101&&&&jiew&inabcdefg1234565321*/

实例6：获取字符串中3个字母的单词

import java.util.regex.*;class GetDemo{public static void sop(Object obj){System.out.println(obj);}public static void main(String[] args){//定义字符串String str = "ming tian fang jia le,da jia, haha.";//设置正则表达式。从字符串中获取3个字母的单词String reg = "\\b[a-z]{4}\\b";//把正则表达式封装成对象Pattern p = Pattern.compile(reg);//把对象和字符串关联，获取匹配器对象。Matcher m = p.matcher(str);//其实String类中的matches方法，用的就是Pattern和Matcher对象来完成的。//只不过被String的方法封装后，用起来较为简单，但功能却单一。//find()尝试查找与该模式匹配的输入序列的下一个子序列。while(m.find()){String word = m.group();//获取匹配后的结果int s = m.start();//返回以前匹配的初始索引int e = m.end();//返回最后匹配字符之后的偏移量sop(word+" "+s+"-"+e);}}}

网页爬虫

网页爬虫简单说就是互联网程序的一种代名词，也可以指一段小程序，也可以指使用者。
特点，利用这个小程序可以获取指定的网页上的数据，例如获取邮箱，给邮箱发送广告。

URLConnection 类中的方法
InputStream getInputStream() 返回从此打开的连接读取的输入流

获取网页上的邮件地址

import java.io.*;import java.net.*;import java.util.*;import java.util.regex.*;class GetEmail{public static void main(String[] args) throws Exception{//getEmail();getWebEmail();}//获取本地文件中的email地址public static void getEmail() throws Exception{//创建字符读取流缓冲区BufferedReader bufr = new BufferedReader(new FileReader("email.txt"));String line = null;//String mailreg = "\\w+@\\w+(\\.\\w+)+";String mailreg = "\\b[a-zA-Z][a-zA-Z0-9_-]{3,14}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";//将表达式封装成模式Pattern p = Pattern.compile(mailreg);//读取字符流缓冲区中的一行数据while((line=bufr.readLine())!=null){//把数据与正则表达式模式匹配Matcher m = p.matcher(line);//匹配下一个while(m.find()){//返回正确匹配后的结果打印出去System.out.println(m.group());}}}//获取网络URL中的邮件地址public static void getWebEmail() throws Exception{URL url1 = new URL("http://edu.csdn.net/main/about/contact.shtml");URL url2 = new URL("http://www.douban.com/event/14146775/discussion/40108760/");//返回一个 URLConnection 对象，它表示到 URL 所引用的远程对象的连接。 URLConnection conn = url2.openConnection();//从conn打开的连接读取输入流，存入字符读取流缓冲区。BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));String reg = "\\b[a-zA-Z][a-zA-Z0-9_-]{3,14}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";Pattern p = Pattern.compile(reg);//使用TreeSet集合的自然排序功能。TreeSet<String> ts = new TreeSet<String>();String line = null;while((line=bufIn.readLine())!=null){Matcher m = p.matcher(line);while(m.find()){ts.add(m.group());//添加到集合中//System.out.println(m.group());}}//遍历集合中的数据for(String s:ts)System.out.println(s);}}