JAVA学习第六十五课 — 正則表達式

正則表達式：主要应用于操作字符串。通过一些特定的符号来体现

举例：

QQ号的校验

6~9位。0不得开头。必须是数字

String类中有matches方法

matches(String regex)
告知此字符串是否匹配给定的正則表達式。

regex，就是给定的正則表達式

public static void checkQQ() {
		
		//第一位是数字1-9，第二位以后是0-9，除去第一位数剩下数字位数范围是5到8位
		String regex = "[1-9][0-9]{5,8}";//正則表達式
		String qq = "123459";
		boolean flag = qq.matches(regex);
		System.out.println(qq+" : "+flag);
	}

PS:正則表達式尽管简化了书写，可是代码的阅读性极差

符号意义

正則表達式难就难在符号太多。

提前定义字符类
.	不论什么字符（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]

字符类
[abc]	a、b 或 c（简单类）
[^abc]	不论什么字符，除了 a、b 或c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包含在内（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）

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（假设有的话）
\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，可是不超过m 次

Logical 运算符
XY	X 后跟 Y
X|Y	X 或 Y
(X)	X。作为捕获组

Back 引用
\n	不论什么匹配的 nth捕获组

public static void check() {
<span style="white-space:pre">		</span>
     String string = "aoooooz";
     String regex = "ao{4,}z";//正則表達式
     boolean flag = string.matches(regex);
     System.out.println(string+" : "+flag);
}

常见功能

1.匹配 2.分割 3.替换 4.获取

匹配：用的是String类中的matches方法

	public static void check() {
		
		//匹配手机号码是否正确
		String tel = "18753377511";
		//第一位是1，第二位是3或5或8
		//String regex = "1[358][0-9]{9}";
		String regex = "1[358]\\d{9}";
		//字符串中\，代表转义。所以再加上一个"\"将"\"转义
		boolean flag = tel.matches(regex);
		System.out.println(tel+" : "+flag);
	}

分割：就是曾经用的String类中的split(String regex)方法，曾经用的是" ",空格一般的非特殊符号，都可看作规则

空格

public static void check() {
		//以空格为分割。分割，空格可能出现多次
		String str = "a   b  c     d e f";
		String regex = " +";//空格出现1次或者多次
		String[] line = str.split(regex);
		for(String i : line){
			System.out.println(i);
		}
	}

点。PS:点本身在正則表達式中是特殊符合

String str = "a.b.c.d.e..f";
		String regex = "\\.+";//\.转义后还是.，所以再加一个\
		String[] line = str.split(regex);

以叠词为切割

正则用()来封装成组

所以叠词就能够表示为，.代表随意字符。(.)封装成组，(.)\\1,代表余下都和第一组同样

String str = "a@@@b####c...dtttef";
		String regex = "(.)\\1+";//
		String[] line = str.split(regex);

组：((A)(B(C)))，共同拥有几组，哪几组

以左括号数，

((A)(B(C))) 1

(A)    2

(B(C))     3

(C)         4

无括号就是第0组

替换：

replaceAll(String regex,String replacement)
使用给定的 replacement 替换此字符串全部匹配给定的正則表達式的子字符串。

replaceFirst(String regex,String replacement)
使用给定的 replacement 替换此字符串匹配给定的正則表達式的第一个子字符串。

public static void check() {
		//把叠词变为一个字符
		String str = "abgggggcffffdggggs";
		String regex = "(.)\\1+";//
		str = str.replaceAll(regex, "$1");
		System.out.println(str);
	}

PS:美元符号在其它參数中。能够对前一个參数中的已有的正则规则的获取

	public static void check() {
		//18753377511 -> 187****7511
		String str = "18753377511";
		String regex = "(\\d{3})\\d{4}(\\d{4})";
		System.out.println(str);
		str = str.replaceAll(regex, "$1****$2");
		System.out.println(str);
	}

获取

正则本身就是一个对象

Pattern类

指定为字符串的正則表達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，按照正則表達式，该对象能够与随意字符序列匹配。

运行匹配所涉及的全部状态都驻留在匹配器中，所以多个匹配器能够共享同一模式。

//将正则的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，获取对字符串操作的匹配器对象Matcer
//Matcher m = p.matcher("aaaab");
//通过Matcher匹配器对象的方法对字符串进行操作
//boolean b = m.matches();

Matcher类

• matches 方法尝试将整个输入序列与该模式匹配。

• lookingAt 尝试将输入序列从头開始与该模式匹配。

• find 方法扫描输入序列以查找与该模式匹配的下一个子序列。

public static void check() {
		String str = "ni hao,wohao,ta ye hao";
		String regex = "\\b[a-z]{3}\\b";//\\b ：单词边界
		
		Pattern p = Pattern.compile(regex);
		Matcher m = p.matcher(str);
		while(m.find())//想要获取，就要先找，有没有。有才干获取
		{
			System.out.println(m.group());
			System.out.println(m.start()+" : "+m.end());//获取起始下标
		}
	}

练习：

将aaa...aa..aaa...bbb...b...bbb...ccc...ccc 变为 abcd

public static void test() {
		String str = "aaa...aa..aaa...bbb...b...bbb...ccc...ccc";
		System.out.println(str);
		String regex = "\\.+";
		str = str.replaceAll(regex, "");//去点
		regex = "(.)\\1+";
		str = str.replaceAll(regex, "$1");//去叠词
		System.out.println(str);
	}

排序IP地址

public static void test() {
		
//		String str = "192.0.0.1    127.0.0.24  3.3.3.5    150.15.3.41";
//		System.out.println("ip : "+str);
//		String regex = " +";
//		String[] strs = str.split(regex);
//		
//		TreeSet<String> ts = new TreeSet<String>();//自己主动排序
//		for(String s : strs){
//			ts.add(s);
//		}
//		for(String s : ts){//这样排，是依照字符串排序
//			System.out.println(s);
//		}
		
		//所以在每一个ip的每段数字，就用两个0补全
		String str = "192.0.0.1    127.0.0.24  3.3.3.5    150.15.3.41";
		String regex = "(\\d+)";
		str = str.replaceAll(regex, "00$1");
		System.out.println("补0 : "+str);
		regex = "0*(\\d{3})";
		str = str.replaceAll(regex, "$1");
		System.out.println("保留3位 : "+str);
		regex = " +";
		String[] strs = str.split(regex);
		
		TreeSet<String> ts = new TreeSet<String>();//自己主动排序
		for(String s : strs){
			ts.add(s);
		}
		for(String s : ts){
			System.out.println(s.replaceAll("0*(\\d+)", "$1"));
		}
	}

邮箱地址的简单校验

public static void test() {
		
		String mail = "aa_a@163.com.cn";
		String regex = "\\w+@\\w+(\\.[a-zA-Z]{2,3})+";//+代表一次或多次
		boolean flag = mail.matches(regex);
		System.out.println(mail+" : "+flag);
	}

注意：开发时。正则阅读性差。会不断验证。然后封装起来

练习：网页爬虫：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。

public class asd {
	public static void main(String[] args) throws Exception {
		//List<String> list = getmail();//本地
		List<String> list =  getweb();//网络
		for(String i : list){
			System.out.println(i);
		}
	}

	public static List<String> getweb() throws Exception{

		//URL url = new URL("http://192.168.0.1:8080/myweb/mymail.html");
		URL url = new URL("http://news.baidu.com/");
		BufferedReader brin = new BufferedReader(new InputStreamReader(url.openStream()));
		String mail_regex = "\\w+@\\w+(\\.\\w+)+";
		Pattern p = Pattern.compile(mail_regex);
		List<String> list = new ArrayList<String>();
		String line = null;
		while((line = brin.readLine())!=null){
			
			Matcher m = p.matcher(line);
			while(m.find()){
				list.add(m.group());
			}
		}
		return list;
	}
	public static List<String> getmail() throws Exception {
		
		//1.读取源文件
		BufferedReader br = new BufferedReader(new FileReader("g:\\mymail.html"));
		String mail_regex = "\\w+@\\w+(\\.\\w)+";
		
		Pattern p = Pattern.compile(mail_regex);
		List<String> list = new ArrayList<String>();
		String line = null;
		
		//2.对读取的数据进行规则的匹配，从中获取符合规则的数据
		while((line = br.readLine())!=null){
			Matcher m = p.matcher(line);
			while(m.find()){
				//3.将符合规则的数据存储到集合
				list.add(m.group());
			}
		}
		return list;
	}
}