JAVA 正则处理

 

　　　　　　// 反向捕获: (?<separator>[a-z|A-Z]*?)  \k<separator>
        String tempDoubleLabelPatternStr="<(?<separator>[a-z|A-Z]*?)\\s?[\\w|=|\"|\\-|\\.|/|\\:|\\s]*?/?>[^<]*?</\\k<separator>>";  // 获取双标签及其内部内容
        // <img data-v-04a83aae="" class="banner-img" src="https://ydlunacommon-cdn.nosdn.127.net/960157a96d37b23666ef65da2c7ed687.png">
        String tempSingleLabelPatternStr="<[a-z|A-Z]*?\\s?[\\w|=|\"|\\-|\\.|/|\\:|\\s]*?/?>";  // 获取(单)标签及其内部内容
        Pattern matchTiPattern = Pattern.compile(tempDoubleLabelPatternStr);
        Matcher matchTiMatcheres = matchTiPattern.matcher(tempContext);
        while(matchTiMatcheres.find()){
            String tempHtmlTag=matchTiMatcheres.group();
            System.out.println(tempHtmlTag);
        }

String tempSingleLabelPatternStr="<[a-z|A-Z]*?\\s?[\\w|=|\"|\\-|\\.|/|\\:|\\s|：|{|}|\\u4e00-\\u9fa5|'|?|，|!|&|;|%]*?/?>";  // 获取(单)标签及其内部内容
Pattern matchTiPattern = Pattern.compile(tempSingleLabelPatternStr);
Matcher matchTiMatcheres = matchTiPattern.matcher(tempContext);
while(matchTiMatcheres.find()){
    String tempHtmlTag=matchTiMatcheres.group();
    tempContext=tempContext.replace(tempHtmlTag,"");
}
return tempContext;

 

一些常用的正则匹配规则（来源参照：java匹配中文汉字的正则表达式 - divor - 博客园 (cnblogs.com)）

　　匹配中文字符的正则表达式： [u4e00-u9fa5]
　　评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
　　匹配双字节字符(包括汉字在内)：[^x00-xff]
　　评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
　　匹配空白行的正则表达式：ns*r
　　评注：可以用来删除空白行
　　匹配HTML标记的正则表达式：<(S*?)[^>]*>.*?|<.*? />
　　评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
　　匹配首尾空白字符的正则表达式：^s*|s*$
　　评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
　　匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
　　评注：表单验证时很实用
　　匹配网址URL的正则表达式：[a-zA-z]+://[^s]*
　　评注：网上流传的版本功能很有限，上面这个基本可以满足需求
　　匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
　　评注：表单验证时很实用
　　匹配国内电话号码：d{3}-d{8}|d{4}-d{7}
　　评注：匹配形式如 0511-4405222 或 021-87888822
　　匹配腾讯QQ号：[1-9][0-9]{4,}
　　评注：腾讯QQ号从10000开始
　　匹配中国邮政编码：[1-9]d{5}(?!d)
　　评注：中国邮政编码为6位数字
　　匹配身份证：d{15}|d{18}
　　评注：中国的身份证为15位或18位
　　匹配ip地址：d+.d+.d+.d+
　　评注：提取ip地址时有用