黑马程序员——正则表达式

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

1、什么是正则表达式

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，以简化对字符串的复杂操作。
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：匹配matches()、切割split()、替换replaceAll(regex,str)、获取。

书写规则：

正则表达式就是由特殊符号组成的字符串。

工作原理其实就是将 字符串 与由特殊符号组成的 正则表达式 匹配，开是否符合。如：

◆字符串 "a" 与正则表达式 “a” ，匹配。

◆字符串 "a" 与正则表达式 “aa” ，不匹配。因为“a” 的长度不符合

◆字符串 "ab" 与正则表达式 “[abc]” ，不匹配。因为 “[abc]” 字代表匹配一个字符，长度不符。

◆字符串 "abcdefg" 与正则表达式 “[a-z]{3,10}” ，匹配。

因为 “[a-z]{3,10}”中的{3,10}代表出现3次到10次，而字符串长度和内容都符合

需注意 \ 的用法，如：

\d（任意数字）的正确使用是 "\\d" ，因为在字符串中 \ 为转义符，"\\"才代表字符 \ ，因此 "\\d" 代表 \d。

特殊字符的含义：                                                                  更多>>

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]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

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。

2、正则表达式的使用

一、匹配matches()

使用的是String类中的方法：

 boolean  matches(String regex) 

        该方法是将字符串与正则表达式regex匹配，如果完全匹配，则返回true。如果在字符串某一位置不匹配，则返回false，然后方法停止，不再往后匹配。

例1：对QQ号码进行校验。要求：5~15  0不能开头，只能是数字。

public static void checkQQ(){String qq = "123a454";/*创建一个正则表达式，其中[1-9]匹配的是第一个字符，代表的是不为0的数字。\\d{4,14}匹配的是第二位以后的字符，代表的是任意数字。 因为可以有4位到14位，所以用{4,14}来表示*/String regex = "[1-9]\\d{4,14}";//通过正则表达式regex来匹配字符串qqboolean flag = qq.matches(regex);if(flag)System.out.println(qq+"...is ok");elseSystem.out.println(qq+"... 不合法");}

例2：匹配手机号码，手机号段只有 13xxx 15xxx 18xxxx

public static void checkTel(){String tel = "16900001111";String telReg = "1[358]\\d{9}";System.out.println(tel.matches(telReg));}

二、切割split()

使用的是String类中的方法：

 String[]  split(String regex) 

该方法是将正则表达式去匹配字符串中的字串，字串匹配时则分割。并返回字符串数组。

组的封装与引用：

        按照叠词完成切割。为了可以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。

例：

class  RegexDemo{public static void main(String[] args) {//按照多个空格来进行切割splitDemo("zhangsan lisi     wangwu"," +");//因为 . 在正则表达式中代表任意符号，所以用"\\."来转义splitDemo("zhangsan.lisi.wangwu","\\.");//"\\\\"代表 \\ splitDemo("c:\\abc\\a.txt","\\\\");splitDemo("erkktyqqquizzzzzo","(.)\\1+");//按照叠词完成切割。为了可以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。}public static void splitDemo(String str,String reg){String[] arr = str.split(reg);  System.out.println(arr.length);for(String s : arr){System.out.println(s);}}

三、替换replaceAll(regex,str)

使用的是String类中的方法：

 String  replaceAll(String regex, String replacement) 

该方法是将正则表达式去匹配字符串中的字串，并将匹配成功的字串覆盖。

PS：若 组 与 引用 不在同一个正则表达式中时，\n 不能引用这时候需要用 $n (美元符号) 来引用。

例：

class  RegexDemo{public static void main(String[] args) {String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数字替换成#。replaceAllDemo(str,"\\d{5,}","#");String str1 = "erkktyqqquizzzzzo";//将重叠的字符替换成单个字母。zzzz->zreplaceAllDemo(str1,"(.)\\1+","$1");/*因为需替换成单个字母，需引用到出现过的字符，用到组但是 组 与 引用 不在同一个正则表达式中，\1不能引用这时候需要用 $1 (美元符号) 来引用。*/}public static void replaceAllDemo(String str,String reg,String newStr){str = str.replaceAll(reg,newStr);System.out.println(str);}

四、获取Pattern、Matcher 

获取：将字符串中符合规则的字串取出。需用到 java.util.regex 包中的Pattern类 和 Matcher类。

Pattern是封装正则表达式的正则对象类。

Matcher是将Pattern与目标字符串连接起来的匹配器。

boolean  find()  尝试查找与该模式匹配的输入序列的下一个子序列。

String  group()  返回匹配过的字符子串。

int  start() 返回匹配过的字符子串在原字符串中的开始位置。

int  end() 返回匹配过的字符子串在原字符串中的结束位置。(含头不含尾)

PS:其实String类中的matches()等方法。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。但是功能却单一。

操作步骤：

1，将正则表达式封装成对象。

Pattern p = Pattern.compile(String regex);

2，让正则对象和要操作的字符串相关联。

Matcher m = p.matcher(String str)

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。

例：获取长度为4个子母的单词。

import java.util.regex.*;class RegexDemo2 {public static void main(String[] args) {getDemo();}public static void getDemo(){String str = "ming tian jiu yao fang jia le ,da jia。";System.out.println(str);//获取长度为4个子母的单词。\b 为单词边界。String reg = "\\b[a-z]{4}\\b";//将规则封装成对象。Pattern p = Pattern.compile(reg);//让正则对象和要作用的字符串相关联。获取匹配器对象。Matcher m  = p.matcher(str);while(m.find())//类似迭代{System.out.println(m.group());System.out.println(m.start()+"...."+m.end());}}}

3、练习

练习1：

192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30

将ip地址进行地址段顺序的排序。

还按照字符串自然顺序，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3位。这样，所有的ip地址都是每一段3位。

public static void ipSort(){String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";ip = ip.replaceAll("(\\d+)","00$1");System.out.println(ip);ip = ip.replaceAll("0*(\\d{3})","$1");System.out.println(ip);String[] arr = ip.split(" ");//也可以用这个方法直接对数组排序//Arrays.sort(arr);TreeSet<String> ts = new TreeSet<String>();for(String s : arr){ts.add(s);}for(String s : ts){System.out.println(s.replaceAll("0*(\\d+)","$1"));}}

练习2：

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是否对是错，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。

public static void test_1(){String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";/*将已有字符串变成另一个字符串。使用 替换功能。1,可以先将 . 去掉。2，在将多个重复的内容变成单个内容。*/str = str.replaceAll("\\.+","");System.out.println(str);str = str.replaceAll("(.)\\1+","$1");System.out.println(str);}

练习3：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("@")!=-1System.out.println(mail.matches(reg));}

4、网页爬虫

网页爬虫：专门获取网页上面一些指定信息（邮箱、QQ等）的小程序。

/*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();}/*获取指定网页中的邮件地址。使用获取功能。Pattern  Matcher*/public static void getMails_1()throws Exception{URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");URLConnection conn = url.openConnection();BufferedReader 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());}}}}