正则表达式__【匹配、切割、替换】【获取:Pattern & Matcher】【网页爬虫（蜘蛛）】

正则表达式 前端之家
前端之家收集整理的这篇文章主要介绍了正则表达式__【匹配、切割、替换】【获取:Pattern & Matcher】【网页爬虫（蜘蛛）】，前端之家小编觉得挺不错的，现在分享给大家，也给大家做个参考。


概念：

正则表达式：即符合一定规则的表达式
作用：专门用于操作字符串
特点：用一些特定的符号来替代一些代码操作，简化书写
学习正则表达式就是在学习指定其规则的符号的使用,即如何定义规则，详细方法参见API文档Pattern中正则表达式的规则组成
优点：简化字符串操作步骤
弊端：符号定义多时，正则越长，阅读性越差

具体操作功能：

1，匹配：String matches()方法；设定regex规则，只要有一处不匹配，就返回false
2，切割：String split()方法就是 将regex作为参数传入，可以定义regex实现复杂的切割
3，替换：String replaceAll()方法 
  1. class  RegexDemo
  2. {
  3. 	public static void main(String[] args) 
  4. 	{
  5. //		checkQQ_1();String类传统方法
  6. //一、匹配		qq号验证
  7. //		checkQQ_2("667788","[1-9][0-9]{4,9}");定义规则:[0-9]首位1~9；[0-9]{4,9}其它位为数字，出现次数范围
  8. 			//手机号验证
  9. //		checkTel("18688888888","1[358]\\d{9}");定义规则首位1，第二位为3/5/8,后面9位数字，正则表达式的构造字符\d要加转义字符\
  10. //二、切割
  11. //		splitDemo("zhangsan   lisi  wangwu"," +");//一个或多空格切割
  12. 			//"."切割
  13. //		splitDemo("zhangsan.lisi.wangwu","\\.");//"."表示任意字符;"\."表示正则表达式中的"."，前面要加转义字符>>"\\."
  14. 			//双"\\"切割
  15. //		splitDemo("d:\\java\\demo.java","\\\\");//四个"\\\\"来表示两个\\;因为要加转义\
  16. //		按照叠词切割；"组"的概念
  17. //		splitDemo("hssbkkdaa","(.)\\1+");//规则：叠词重复一次或多次
  18. //三、替换
  19. 		String str = "tel:18688886666QQ22876686MM548434";//将字符串中数字替换成#
  20. 		replaceAllDemo(str,"\\d{5,}","#");//规则：数字，出现5次以上
  21. 		String str2 = "hdsdsdddggvmmmop";//将叠词替换成单个字母（ddd>>d）
  22. 		replaceAllDemo(str2,"(.)\\1+","$1");
  23. 	}
  24. 	
  25. 	public static void replaceAllDemo(String str,String reg,String newStr ){
  26. 		str = str.replaceAll(reg,newStr);	//String类方法，正则表达式的复杂替换
  27. 		System.out.println(str);
  28. 	}
  29. 	public static void splitDemo(String str,String reg){
  30. 		String[] arr = str.split(reg);//根据规则来切割
  31. 		System.out.println(arr.length);
  32. 		for (String s : arr )
  33. 		{
  34. 			System.out.println(s);
  35. 		}
  36. 	}
  37. 	//匹配手机号：只是能以13 15 18 开头的11位数字
  38. 	public static void checkTel(String tel,String telReg){	//匹配
  39. 		System.out.println(tel.matches(telReg));
  40. 	}
  41. 	public static void checkQQ_2(String qq,String regex)	//二、String类的matches方法
  42. 	{
  43. 		boolean flag = qq.matches(regex);	//判断输入的qq与规则是否匹配，返回值为boolean型
  44. 		if (flag)
  45. 			System.out.println("QQ: "+qq);
  46. 		else
  47. 			System.out.println("QQ号有误，请重新输入！");
  48. 	}
  49.  
  50. 	public static void checkQQ_1()//一、使用String类中方法组合完成需求，比较复杂
  51. 	{
  52. 		String qq = "286345";
  53. 		int len = qq.length();
  54. 		if (len>=5 && len<=10)	//1，号码长度
  55. 		{
  56. 			if (!(qq.startsWith("0")))//2，String类方法，判断字符串是否以0开头
  57. 			{
  58. 				try
  59. 				{
  60. 					long l = Long.parseLong(qq);//将数字字符串转成数字
  61. 					System.out.println("QQ: "+qq);
  62. 				}
  63. 				catch (NumberFormatException e)//会如果不是纯数字字符串，会抛出数字转换异常
  64. 				{
  65. 					System.out.println("QQ号为0~9的数字");
  66. 				}
  67.  
  68. /*				char[] arr = qq.tocharArray();//将字符串转成字节数组
  69. 				boolean flag = true;//设置标记
  70. 				for (int x=0; x<arr.length; x++ ){
  71. 					if (! (arr[x]>='0' && arr[x]<='9')){//3,判断字符数组是否为数字字符
  72. 						flag = false;
  73. 						break;
  74. 					}
  75. 				}
  76. 				if (flag){
  77. 					System.out.println("QQ: "+qq);
  78. 				}
  79. 				else{
  80. 				}	*/
  81. 					System.out.println("QQ号为0~9的数字");//3,}	
  82. 			else{
  83. 				System.out.println("不能以0开头");//2,}
  84. 		}
  85. 		else{
  86. 			System.out.println("号码长度为5~10位");	//1,}
  87. 	}
  88. }

使用String类中方法组合完成需求，比较复杂，使用正则表达式，用“符号”替换代码，可以大大简化书写

组的概念：
按照叠词完成切割，为了可以让叠词的结果可以被重用，可以将规则用()封装成一个组，组的出现都有编号\n(编号n)
想要使用已有的组可以通过\n的形式来获取；有几个()就有几个组


正则表达式第四个功能：获取

将字符串中符合规则的子串取出；切割得到的是规则以外的，获取得到的是符合规则的
操作步骤：
1，将正则表达式封装成对象
2，将正则对象和要操作的字符串相关联
3，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，如取出

获取涉及到两个类对象：

Pattern类和Matcher类
Pattern类没有构造方法
通过其compile()方法将正则封装成对象
通过其matcher()方法获取匹配引擎，返回此模式的新匹配器
matcher();将正则对象和要操作的字符串相关联，获取匹配器对象
charSequence接口，字符序列
要分清楚matcher()方法与matches()方法的区别，前者返回对象，后者返回boolean
Matcher类，匹配器
方法：
find();find方法将规则作用到字符串上，进行符合规则的子串查找
group();group方法获取匹配结果

  1. import java.util.regex.*;
  2. class RegexDemo2 
  3. {
  4. 	public static void main(String[] args) 
  5. 	{
  6. 		getDemo();
  7. 	}
  8. 	public static void getDemo()
  9. 	{
  10. 		String str = "jin tian hui jia le,haha. ";
  11. 		String reg = "\\b[a-z]{3}\\b";	//\\b表示字符边界
  12. 		Pattern p = Pattern.compile(reg);//将正则封装成对象
  13. 		Matcher m = p.matcher(str);	//将正则对象和要操作的字符串相关联，获取匹配器对象
  14. //		System.out.println("Matcher: "+m.matches());//
  15. 		while (m.find())//find方法将规则作用到字符串上，进行符合规则的子串查找
  16. 		{
  17. 			System.out.println(m.group());//group方法获取匹配结果
  18. 		}
  19. 	}
  20. }

运行结果：


注意事项：同一个匹配器使用的是同一个索引位，如果之前对字符串进行操作，匹配器在继续操作时会继续从原来终止索引位开始操作
如：在获取之前先对该字符串进行判断，获取位置就会从该判断结束的位置开始

运行结果如图：


分析：规则为三个字符，方法natcher判断"jin"之后返回false,此时索引停留在“tian"上，下面的fand()方法就从"tian"开始查找；所以就获取不到“jin”


正则表达式的操作思路：

1，如果只想知道该字符是否符合标准，使用匹配
2，就要将已有的字符串改成另一个字符串，替换
3，想要按照指定的方式将字符串转成多个子串。切割
4，想要拿到符合需求的字符串子串，获取

练习：

  1. import java.util.*;
  2. class RegexTest 
  3. {
  4. 	public static void main(String[] args) 
  5. 	{
  6. //		test_1();
  7. //		ipSort();
  8. 		checkMail();
  9. 	}
  10. //一、需求：将字符串转成：我要进黑马！
  11. 	public static void test_1()
  12. 	{
  13. 		String str = "我我...我我我...我...要要...要要...进进...进进进..进..黑...黑黑...马..！";;
  14. 		str = str.replaceAll("\\.+","");	//1,先将"."去掉
  15. 		System.out.println(str);
  16. 		str = str.replaceAll("(.)\\1+","$1");//2,然后将多个重复的内容转成单个内容
  17. 		System.out.println(str);
  18. 	}
  19. /*
  20. 二、需求:将ip地址进行地址段顺序的排序
  21. 	192.168.1.100  110.56.89.13   2.2.2.2  10.10.10.10
  22. 	要处理的问题：地址段数字直接比较时由于位数不同会导致“110<2”的情况
  23. 	解决思路：还按照字符串自然顺序，将不足三位的数字补足三位
  24. 		1，按照每一段需要的0补齐，保证每一段至少有位
  25. 		2，将每一段只保留三位，将多余的0去除
  26. */
  27. 	public static void ipSort()
  28. 	{
  29. 		String ip = "192.168.1.100  110.56.89.13   2.2.2.2  10.10.10.10";
  30. 		//补两个0，每一段至少三位
  31. 		ip = ip.replaceAll("(\\d+)","00$1");//规则：连续的数字()，规则被重用，都在前面加两个0
  32. 		System.out.println(ip);
  33. 		//将多余的0去除，只留下三位
  34. 		ip = ip.replaceAll("0*(\\d{3})","$1");//规则：0出现0次或多次（后面跟三个数字）$1取结尾
  35. 		System.out.println(ip);				//$N 表示匹配后，被正则中第N个括号所获取的内容
  36. 		
  37. 		String[] arr = ip.split(" +");//切割
  38. 		TreeSet<String> ts = new TreeSet<String>();
  39. 		for (String s : arr ){	//将地址中ip存入TreeSet集合，自动排序
  40. 			ts.add(s);
  41. 		}
  42. 		for (String s : ts ){	//遍历获取;定义规则，去除前面的0
  43. 			System.out.println(s.replaceAll("0*(\\d+)","$1"));
  44. 		}
  45. 	}
  46. /*
  47. 三、需求：对邮件地址进行校验
  48. 规则：邮箱名:[字母数字下划线]{6~12位} @ [字母数字如qq/163等] . [后缀名,子母com/cn等]
  49. */
  50. 	public static void checkMail()
  51. 	{
  52. 		String mail = "hahaha@163.com.cn";
  53. 		String reg = "[a-zA-z0-9_]{6,12}@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配
  54. 		reg = "\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配<span style="font-family: Arial,Helvetica,sans-serif;">（1@1.1）</span>
  55. //		mail.indexOf("@") !=-1;		//简陋的匹配(@)
  56. 		System.out.println(mail.matches(reg));
  57. 	}
  58. }

运行结果：

1，去重复


2，ip管理：



获取练习：网页爬虫(蜘蛛)

获取指定页面中符合规则的信息，如邮箱

定义正则，扫描网页，获取页面中的所有邮箱地址

实现：

  1. import java.io.*;	//io包
  2. import java.util.regex.*;//正则包
  3. import java.net.*;		//URL
  4. class RegexTest2 
  5. {
  6. 	public static void main(String[] args) throws Exception
  7. 	{
  8. //		getMails_1();
  9. 		getMails_2();
  10. 	}
  11. 	//二、获取互联网上网页中的邮箱
  12. 	public static void getMails_2() throws Exception
  13. 	{
  14. 		URL url = new URL("http://tieba.baidu.com/p/2314539885");
  15. 		URLConnection con = url.openConnection();
  16. 		BufferedReader bufIn = new BufferedReader(new InputStreamReader(con.getInputStream()));
  17. 		myRegex(bufIn);
  18. 	}
  19. 	//一、获取指定文档中邮件地址
  20. 	//使用获取功能，用到Pattern 和Matcher类
  21. 	public static void getMails_1() throws Exception
  22. 	{
  23. 		BufferedReader bufr = new BufferedReader(new FileReader("1.txt"));//读取文档
  24. 		myRegex(bufr);
  25. 	}
  26. 	public static void myRegex(BufferedReader buf) throws Exception
  27. 	{
  28. 		String regex = "\\w+@\\w+(\\.\\w+)+";//邮箱规则
  29. 		Pattern p = Pattern.compile(regex);	//1,将规则封装成对象
  30. 		String line = null;
  31. 		while ((line=buf.readLine()) !=null)
  32. 		{
  33. 			Matcher m = p.matcher(line);	//2,获取匹配器
  34. 			while (m.find())	//匹配器方法，查找符合规则子串
  35. 			{
  36. 				System.out.println(m.group());//获取字串
  37. 			}
  38. 		}
  39. 	}
  40. }
这个执行获取操作的网页爬虫真正体现了正则表达式的威力，随便试了一个贴吧里资源帝留邮箱的帖子页面，轻易就抓取了几十个邮箱地址

运行结果：


小结：

正则表达式的强大之处在于在定义regex正则时,寥寥几个符号就能取代大量的String 字符串操作，大大的简化了书写，提高开发效率；缺点是规则较多时阅读性较差，站在开发的角度来讲，其好处是远远大于弊端的。

获取操作要重点掌握，Pattern类和Matcher类

猜你在找的正则表达式相关文章

常用正则表达式-手机号、身份证、邮箱
一、校验数字的表达式 1 数字：^[0-9]*$ 2 n位的数字：^d{n}$ 3 至少n位的数字：^d{n,}$ 4...
JS正则表达式详解
正则表达式非常有用，查找、匹配、处理字符串、替换和转换字符串，输入输出等。下面整理一...
组内正则培训记录
0. 注： 不同语言中的正则表达式实现都会有一些不同。下文中的代码示例除特别说明的外，都...
高级正则表达式技术（Python版）
 正则表达式是从信息中搜索特定的模式的一把瑞士军刀。它们是一个巨大的工具库，其中的...
史上最全最常用的正则表达式
一、校验数字的表达式 数字：^[0-9]*$ n位的数字：^\d{n}$ 至少n位的数字：^\d{n,...
正则表达式工具
正则表达式初步
分享5个可视化的正则表达式编辑工具
　　正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编...
分享5个可视化的正则表达式编辑工具
正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器...
[知识积累]--正则表达式记忆表
在工作中常常遇到正则表达式问题，有时候又会忘记这则的语法。 下面就分享一份正则表达式记...
算法设计模式多媒体技术正则表达式ElasticsearchFlinkHadoopIDE
受约束摘*day25Java常用类库置信lamda留存持续录入年后正则表达式303.17regularexpre匹多模适20130322基础理论pathmunge涵义reectok需要转义的特资源分享validationex简明魔法里弄形如源码实现完备actionscript