黑马程序员——9.正则表达式(爬虫)
来源:互联网 发布:海兴电力嵌入式软件 编辑:程序博客网 时间:2024/06/08 11:17
——Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ——-
正则:
正则表达式用于操作字符串数据。
通过一些特定的符号来体现的。
所以我们为了掌握正则表达式,必须要学习一些符号。
缺点:虽然简化了,但是阅读性差。
正则表达式常用构造摘要
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)
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]
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
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
/*
* 需求:定义一个功能对QQ号进行校验。
* 需求:长度5~15,只能是数字,0不能开头。
*/
public class RegexDemo{ public static void main(String[] args){ String qq = "123456701"; //创建正则表达式 String regex = "[1-9][0-9]{4,14}"; //检验字符串是否符合正则表达式 boolean b = qq.matches(regex); System.out.println(qq + ":" + b); }
常见功能:
匹配、切割、替换、获取
import java.util.regex.*;import java.util.regex.*;public class RegexDemo{ public static void main(String[] args){ functionDemo_1(); System.out.println("------------------------"); functionDemo_2(); System.out.println("------------------------"); functionDemo_3(); System.out.println("------------------------"); functionDemo_4(); System.out.println("------------------------"); functionDemo_5(); System.out.println("------------------------"); functionDemo_6(); System.out.println("------------------------"); functionDemo_7(); } /* * 正则表达式对字符串的常见操作 * 1. 匹配 * 其实使用的就是String类中的matches方法。 * * 2. 切割 * 其实使用的就是String类中的split方法。 * * 3. 替换 * * 4. 获取 */ /* * 演示匹配 */ public static void functionDemo_1(){ //匹配手机号码是否正确 String tel = "15800001111"; //使用转义符号\时,要再用一个\把他转义成普通符号,就是说\总是双倍出现的 String regex = "1[358]\\d{9}"; boolean b = tel.matches(regex); System.out.println(tel + ":" + b); } /* * 演示切割 */ public static void functionDemo_2(){ String str = "zhangsan xiaoqiang zhaoliu"; //切割后的字符串片段存放进字符串数组里 String[] names = str.split(" +"); for(String name : names){ System.out.println(name); } } public static void functionDemo_3(){ String str = "zhangsan.xiaoqiang.zhaoliu"; String[] names = str.split("\\."); for(String name : names){ System.out.println(name); } } /* * 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。 */ public static void functionDemo_4(){ String str = "zhangsanttttxiaoqiangmmmmmzhaoliu"; //(.)表示一组,\\1+表示与第1组相同的出现1次以上 String[] names = str.split("(.)\\1+"); for(String name : names){ System.out.println(name); } } /* * 演示替换 */ public static void functionDemo_5(){ String str = "zhangsanttttxiaoqiangmmmmmzhaoliu"; //$表示前一个参数的第一组 str = str.replaceAll("(.)\\1+","$1"); System.out.println(str); } public static void functionDemo_6(){ String str = "15800001111"; str = str.replaceAll("(\\d{3})(\\d{4})(\\d{4})","$1****$2"); System.out.println(str); } /* * 演示获取 * 将正则规则进行对象的封装。 * Pattern p = Pattern.compile("a*b"); * 通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher。 * boolean b = m.matches(); */ public static void functionDemo_7(){ String str = "da jia hao,ming tian bu fang jia"; // \\b表示单词边界 String regex = "\\b[a-z]{3}\\b"; //1. 将正则封装成对象 Pattern p = Pattern.compile(regex); //2. 通过正则对象获取匹配器对象 Matcher m = p.matcher(str); //使用Matcher对象的方法对字符串进行操作。 //既然要获取三个字母组成的单词。 //查找:find(); while(m.find()){ System.out.println(m.group());//获取匹配的子序列 System.out.println(m.start() + ":" + m.end()); } }}
P.S.
1、Pattern类为正则表达式的编译表示形式。指定为字符串的正则表达式必须首先被编译为此类的实例。然后,可将得到的模式用于创建Matcher对象,依照正则表达式,该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式。
对邮件地址校验:
public class RegexTest{ public static void main(String[] args){ test(); } public static void test(){ String mail = "abc1@sina.com"; String regex = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]{1,3})+"; //通常的写法,相对不太精确的匹配 //String regex = "\\w+@\\w+(\\.\\w+)+"; boolean b = mail.matches(regex); System.out.println(mail + ":" + b); }}
/*
* 网页爬虫:其实就是一个程序用于在互联网中获取符合指定规则的数据。
* 爬取邮箱地址。
*/
import java.util.*;import java.io.*;public class RegexTest{ public static void main(String[] args) throws IOException { List<String> list = getMails(); for(String mail : list){ System.out.println(mail); } } public static List<String> getMails() throws IOException { //读取源文件。 BufferedReader bufr = new BufferedReader(new FileReader("c:\\mail.html")); //对读取的数据进行规则的匹配。从中获取符合规则的数据。 String mail_regex = "\\w+@\\w+(\\.\\w+)+"; //创建集合存储邮箱地址 List<String> list = new ArrayList<String>(); //把正则封装成对象 Pattern p = Pattern.compile(mail_regex); String line = null; while((line = bufr.readLine()) != null){ //一行行匹配 Matcher m = p.matcher(line); //匹配到的邮箱地址存进集合里 while(m.find()){ list.add(m.group()); } } //返回集合 return list; }}
- 黑马程序员——9.正则表达式(爬虫)
- 黑马程序员-正则表达式(网页爬虫)
- 黑马程序员——正则表达式和网页爬虫
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员—正则表达式
- 黑马程序员_正则表达式(网页爬虫)
- 黑马程序员-正则表达式、网页爬虫
- 黑马程序员-----正则表达式和网页爬虫
- 黑马程序员——JAVA基础之正则表达式,网络爬虫
- 黑马程序员——JAVA基础---正则表达式---概述,匹配、切割、替换、提取,网页爬虫
- 黑马程序员_温习 正则表达式 (个人笔记)摘要(正则表达式-----网页爬虫)
- js常见小程序(一)
- opencv之win7+vs2013配置
- <hr>标签,添加水平横线
- 判断一个字符串是否包含另一个字符串(用java但是不能用index()这个函数)
- iOS中Block的引用循环问题 (ARC & non-ARC)
- 黑马程序员——9.正则表达式(爬虫)
- C# 读取app.config配置文件 节点键值,提示 "System.TypeInitializationException 类型初始值设定项引发异常" 错误的解决方案
- java 将对象写入文件
- <address>标签,为网页加入地址信息
- IOS Android 手机助手原理以及源码(Android 手机自动识别 二)
- OC动态字典和数组演示demo
- Ember.js 入门指南——控制器(controller)
- Chapter 11BinarySearchTree
- 枚举