正则表达式

一、基本语法

简单的转义符

\n	换行
\t	Tab
\\	代表\
\^, \$, \., \+ 等等	代表\后面的字符本身，^ $, 因为这些字符本身有其他含义，所以要在前面加转义符

标准字符

\d	0-9中任意一个数字
\w	任意一个字母或数字或下划线
\s	任意一个空格，制表符，换行符
.	小数点可以匹配任一字符，除了换行符。想要包括换行符，可以用[\s\S], \S是匹配除了空白符的其他所有字符

　　- 注意区分大小写，大写表示相反的意思。例如 \s 和 \S

自定义字符集合，用[]表示，例如上面的[\s\S]，表示的就是匹配括号内的内容。

[ab5@]	匹配"a"或"b"或“5”或"@"
[^abc]	表示取相反，比如[^abc]，表示匹配除abc以外的其他字母
[f-k]	匹配"f" - "k" 之间的任意一个字母
[^A-F0-3]	匹配"A"~"F", "0"~"3"之外的任意一个字符

　　- 注意：特殊字符在[ ] 里面失去其本身意义，比如 + - .这些符号。

量词（Quantifier）

{n}	表达式重复n次，ex: \d{6}, 匹配任意6个数字
{m, n}	表达式至少重复m次，最多重复n次
{m, }	表达式最少重复m次
?	匹配表达式0次或者1次，相当于{0， 1}
+	表达式至少出现1次，相当于{1， }
*	表达式不出现或出现任意次，相当于（0，}

　　　　- 非贪婪模式，匹配越少越好，在表达式后面加个？号，例如：\d{3, 6}? , 尽量往3次匹配

字符边界（匹配的不是字符而是位置，符合某种条件的位置）

^	于字符串开始的地方匹配
$	于字符串结束的地方匹配
\b	匹配一个单词边界, 这个位置前面的字符和后面的字符不全是\w

分支结构，捕获组/非捕获组，反向引用

　　　　分支结构： | 表示或

　　　　捕获组：()

　　　　非捕获组 (?:Expression) ：匹配到括号里的内容，但引用不到了，不会存下来，可以节省内存

　　　　反向引用：\n

　　　　ex: 怎么匹配到gogo, toto, dodo. ([a-z]{2})/1，([a-z]{2})是一个捕获组，代表匹配到两个字符，这个就匹配到了go，后面的反向引用：\1 ，指的是重复前面捕获组里面的内容一次，所以可以匹配到gogo

预搜索（零宽断言）

(?=exp)	断言自身出现的位置的后面能匹配表达式exp
(?<=exp)	断言自身出现的位置的前面能匹配表达式exp
(?!exp)	断言此位置的后面不能匹配表达式exp
(?<!exp)	断言此位置的前面不能匹配表达式exp

　　　　ex: 匹配所有以ing结尾的单词（doing, eating, going)

　　　　　　[a-z] +(?=ing) *注意：这个式子的匹配结果是doing，后面的 " ing " 不会被选中，因为在原表达式里的ing，是一个语法表达式，不是直接匹配

二、正则表达式练习

1、电话号码验证

电话号码由数字和 " - " 构成
电话号码为7到8位
如果电话号码中包含区号，区号为3位或者4位，首位是0
区号用 " - " 和其他部分隔开
移动电话号码为11位
11位移动电话号码的第一位和第二位为 "13", "15", "18

//先考虑匹配固话 xxx(x)-xxxxxxx

0\d{2,3}-\d{7,9}  // 0 + 两到三位的数字 + - + 7到9位的数字

//手机号
1[35789]\d{9}

//用括号和 | 连接
(0\d{2,3}-\d{7,9})|(1[35789]\d{9})

2、电子邮箱验证

[\w\-]+@[a-zA-Z0-9]+(\.[A-Za-z]{2, 4}){1,2}

三、正则表达式在Java中的使用

import java.lang.reflect.Array;
import java.util.Arrays;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 正则表达式在java中的使用
 */
public class Demo1 {
    public static void main(String[] args) {
        //表达式对象
        Pattern p1 = Pattern.compile("\\w+"); //java里面正则要多一个右斜杠，切记
        Pattern p2 = Pattern.compile("([a-z]+)([0-9])+");//匹配a-z字母和0-9数字，注意这个表达式有两段
        //创建Matcher对象
        Matcher m = p2.matcher("aa22###sxz531###zcx312");
        //matches方法，返回一个布尔值，这里会返回false，因为有符号 #
        Boolean Rst1 = m.matches();

        //find方法，group方法。find会一次一次找下一个能匹配的子序列，group可以返回每一个子序列
        while (m.find()){
            System.out.println(m.group());
            System.out.println(m.group(1));
            System.out.println(m.group(2));
        }

        //替换
        String str1 = m.replaceAll("&");
        System.out.println(str1);

        //分割，正则可以切割复杂的边界，而不仅仅依赖一个分割符(例如逗号)
        String strAAA = "a3234b31231c321";
        String[] strBBB = strAAA.split("\\d+"); //那数字分割。输出[a, b, c]
        System.out.println(Arrays.toString(strBBB));
    }
}

四、正则手写网络爬虫

/**
 * 正则表达式，手写网络爬虫
 */
public class Demo1 {

    //创建获得网页源码内容的方法
    public static String getURLContent(String urlStr, String charSet){
        StringBuilder sb = new StringBuilder();
        try {
            URL url = new URL(urlStr);
            BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream(), Charset.forName(charSet)));
            String temp ="";
            while ((temp=br.readLine())!=null){
                sb.append(temp);
            }
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return sb.toString();
    }

    public static List<String> getHyperlink(String desStr, String regexStr){
        //利用正则表达式，寻找网页中的超链接
        Pattern p = Pattern.compile(regexStr);
        Matcher m = p.matcher(desStr);
        List<String> result = new ArrayList<String>();
        while (m.find()){
            result.add(m.group(1));
        }
        return result;
    }

    public static void main(String[] args) {
        String desStr = getURLContent("http://www.163.com", "gbk");

        //Pattern p = Pattern.compile("<a[\\s\\S]+?</a>"); //在java中，\s要变\\s             //取到超链接的整个内容
        List<String> result = getHyperlink(desStr,"href=\"([\\w\\s./:]+?)\"");     //只取超链接的有效地址

        for (String temp : result){
            System.out.println(temp);
        }
    }
}

posted on 2018-10-09 15:24 TheExile 阅读(158) 评论(0) 收藏举报

刷新页面返回顶部

TheExile

正则表达式

导航

公告