Java基础--正则表达式

正则表达式

1. 正则表达式：符合一定规则的表达式；
2. 作用：用于专门操作字符串；
3. 特点：用于一些特定的符号来表示一些代码操作，这样简化书写，所以学习正则表达式就是学习一些特殊符号的使用；
4. 好处：可以简化对字符串的复杂操作；
5. 弊端：符号定义越多，正则越长，阅读性越差；

正则表达式对String的操作方法

1. 匹配：
   
   • matches(String regex)；用规则匹配字符串，只要有一处不符合规则，就匹配结束，返回false；
2. 分割：
   
   • split(String regex)；根据给正则表达式的匹配拆分字符串，返回一个字符串数组；
3. 替换：
   
   • replaceAll(String regex，String replacement)；使用给定的replacement替换此字符串所有匹配给定的正则表达式的字符串；
   • 注：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；
4. 获取：将字符串中的符合规则的子串取出；
   操作步骤：
   
   • 将正则表达式封装成对象；
   • 让正则对象和要操作的字符串相关联；
   • 关联后，获取正则匹配引擎；
   • 通过引擎对符合规则的子串进行操作，比如取出；

class  RegexDemo{    public static void main(String[] args) {        //demo();        //System.out.println((char)11);//      checkTel();        //splitDemo("zhangsan.lisi.wangwu","\\.");        //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。        String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数组替换成#。     //replaceAllDemo(str,"\\d{5,}","#");        String str1 = "erkktyqqquizzzzzo";//将叠词替换成$.  //将重叠的字符替换成单个字母。zzzz->z        replaceAllDemo(str1,"(.)\\1+","$1");       }    public static void replaceAllDemo(String str,String reg,String newStr){        str = str.replaceAll(reg,newStr);        System.out.println(str);    }    public static void splitDemo(String str,String reg){            //String reg = " +";//按照多个空格来进行切割        String[] arr = str.split(reg);          System.out.println(arr.length);        for(String s : arr){            System.out.println(s);        }    }    /*    匹配    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));    }    public static void demo(){        String str = "b23a23456789";        String reg = "[a-zA-Z]\\d*";        boolean b= str.matches(reg);        System.out.println(b);    }    public static void checkQQ(){        String qq = "123a454";        String regex = "[1-9]\\d{4,14}";        boolean flag = qq.matches(regex);        if(flag)            System.out.println(qq+"...is ok");        else            System.out.println(qq+"... 不合法");    }    /*    对QQ号码进行校验    要求：5~15  0不能开头，只能是数字       这种方式，使用了String类中的方法，进行组合完成了需求。但是代码过于复杂。    */    public static void checkQQ_1(){        String qq = "1882345a0";        int len = qq.length();        if(len>=5 && len<=15){            if(!qq.startsWith("0")){//Integer.parseInt("12a");NumberFormatException                try{                    long l = Long.parseLong(qq);                    System.out.println("qq:"+l);                }catch (NumberFormatException e){                    System.out.println("出现非法字符.......");                }               }else{                System.out.println("不可以0开头");            }        }else{            System.out.println("长度错误");        }    }}

Pattern类

1. 正则表达式的编译表示表示形式；

2. 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串序列（例：String）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，因此，典型的调用顺序是：
   Pattern p=Pattern.compile(“regex”)；将规则封装成对象；
   Matcher m=p.matcher(“String”)；让正则对象和要作用的字符串相关联，获取匹配器对象；
   boolean b=m.matches()；调用匹配器的匹配方法，其实String中的matches()就是调用的该类中的matches方法；

3. 如果仅适用一次正则表达式，可用：
   boolean b=Pattern.matchers(“regex”，“String”)；将以上三句并为一句；

4. 该类的常用方法：
   该类没有构造方法，不能new对象，只能通过特有static方法获取：

   • compile(String regex)；将给定的正则表达式编译到模式中，将regex规则封装成对象；该方法是静态的返回一个Pattern；
   • matcher(CharSequence input)；创建匹配给定输入与此模式的匹配器，charSequence-字符序列可以是String或其它，该方法是将指定规则与给定的String(或其它)相关联，并返回一个匹配器(Matcher)使用匹配器的方法，可对关联的字符串使用该regex进行多种操作；
   • matches(String regex，CharSequence input)；当regex仅用一次时可用该方法匹配相关的字符串到定义的regex；
   • split(CharSequence input)；围绕此模式的匹配拆分给定的输入序列；

Matcher类

1. 通过解释Pattern对字符串(或其它)执行匹配操作的引擎，通过调用模式的matcher方法从模式创建匹配器；
2. 常用方法：
   
   • find()；尝试查找与该模式匹配的输入序列的下一个子序列（类似于迭代器的hasNext()功能，可用于循环判断）；
   • find(int start)；从指定位置查找；
   • lookingAt()；尝试将从区域开头开始的输入序列与该模式匹配；
   • matches()；尝试将整个字符序列与模式匹配；
   • group()；返回由以前匹配操作所匹配的输入子序列；
   • group(int group)；返回在以前匹配操作期间由给定组捕获的输入子序列，group：匹配器模式总捕获组的索引；
   • end()；返回最后匹配字符之后的偏移量，即：匹配到字符串的最后字符在字符串中的位置索引；
   • end(int group)；返回在以前的匹配操作期间，由给定组所捕获子序列的最后字符之后的偏移量；
   • start()；返回以前匹配的初始索引；
   • start(int group)；返回在以前的匹配操作期间，由给定组所捕获的子序列的初始索引；

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);        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);        //System.out.println(m.matches());//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());//用于获取匹配后结果。          //System.out.println("matches:"+m.matches());        while(m.find()){            System.out.println(m.group());            System.out.println(m.start()+"...."+m.end());        }    }}

正则表达式的常用构造摘要

1. 字符：（转义字符）

   • \\：反斜线字符“\”,因为一条“\”会将其后的字符转义，故两条表示“\”；
   • \t：制表符；
   • \n：换行符；
   • \r：回车符；
   • \f：换页符；

2. 字符类：

   • [abc]：a、b或c（简单类）；
   • [^abc]：出abc外的任意字符；
   • [a-zA-Z]：所有大小写字母；
   • [a-d[m-p]]：a到d或m到p（并集）：[a-dm-p]；
   • [a-z&&[def]]：d、e或f（交集）；
   • [a-z&&[^bc]]：a到z，除b和c，相当于[ad-z]（减去）；
   • [a-z&&[^m-p]]：a到z，除m到p，相当于[a-lq-z]；

3. 预定义子父类：

   • .：任意字符；
   • \d：数字[0-9];
   • \D：非数字[^0-9]；
   • \s：空白字符：[\t\n\f\r\x0B]；
   • \S：非空白字符[^\s]；
   • \w：单词字符：[a-zA-Z_0-9];
   • \W：非单词字符：[^\w]；

4. 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；
   • \z：输入的结尾；

5. 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

import java.util.*;class RegexTest {    public static void main(String[] args) {//      test_1();//      ipSort();        checkMail();    }    /*    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));    }    /*    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);    }    /*    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(" ");        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"));        }    }}

组合捕获

1. 捕获组可以通过从左到右计算器括号类编号，例：
   例：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0始终代表整个表达式。
2. 组的应用：
   
   • 为了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：
     “(a)\1+”；将a封装成组，“1”表示组1编号，“+”表示多个，这个规则的含义是：字符串第一位为“a”，后面跟1个或多个“a”；
   • 如果regex中有定义组，可以在第二参数中通过“+n”获取正则表达式中已有的组（n代表组的编号），例：replaceAll(“(\w)\1+”,”1”)；等于replaceAll(“(\w)\1+”,”(\w)”);

/*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();        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());            }        }    }    /*    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());            }        }    }}