正则表达式,匹配,切割,替换。获取。网页爬虫

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。网页爬虫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。
  1. /*
  2. 正则表达式,匹配,切割,替换。获取。网页爬虫
  3. */
  4. /*
  5. 正则表达式:符合一定规则的表达式
  6. 作用:用于专门操作字符串
  7. 特点:用一些特定的符号来表示一些代码操作。
  8. 所以学习正则表达式,就是学习特殊符号的操作。
  9. 好处:简化对字符串的复杂操作。
  10. 弊端:符号越多,正则越长,阅读性差。
  11. 对QQ号码进行校验
  12. 要求:5~15位,0不能开头,只能是数字。
  13. */
  14. publicclassChackQQ{
  15. publicstaticvoidmain(String[]args){
  16. //TODOAuto-generatedmethodstub
  17. Stringqq="987464786767645645646";
  18. checkQQ(qq);
  19. }
  20. publicstaticvoidcheckQQ(Stringstr){
  21. intlen=str.length();
  22. if(len>=5&&len<=15)
  23. {
  24. if(!str.startsWith("0"))
  25. char[]arr=str.tocharArray();
  26. booleanflag=false;
  27. for(intx=0;x<arr.length;x++){
  28. if(!(arr[x]>='0'&&arr[x]<='9'))
  29. {
  30. flag=true;
  31. break;
  32. }
  33. if(flag){
  34. System.out.println("非法字");
  35. }else{
  36. System.out.println("qq:"+str);
  37. else{
  38. System.out.println("不是0开头");
  39. System.out.println("长度不对");
  40. publicstaticvoidcheckQQ_2(Stringstr){
  41. try{
  42. longl=Long.parseLong(str);
  43. }catch(Exceptione){
  44. System.out.println("不对");
  45. 第一种写法,我们看到这样写比较麻烦。
  46. 第二种写法,用longl=Long.ParseLong(QQ号码);如果异常,就错误
  47. 这二种方法都比较麻烦。使用String类组合完成需求,代码复杂。
  48. 下面我们就用正则来写。
  49. String方法matchs(正则)。
  50. Stringregex="[1-9][0-9]{4,14}";第一位1到9,第二位开始0-9,出现4到14次。
  51. publicstaticvoidQQCheck(Stringqq){
  52. booleanflag=qq.matches(regex);
  53. if(flag){
  54. System.out.println("qq:"+qq);
  55. }
  56. else{
  57. System.out.println("QQ号码错误");
  58. }
  59. 正则表达式
  60. :具体操作功能
  61. 1.匹配:String的matches()方法
  62. [abc]这个字符串的第一个字符是abc,而且只能有一个字符。
  63. [^abc]第一个不是abc就可以了。
  64. [a-z]这个字符在a-z范围内就可以了。
  65. [a-zA-Z]a到z或A到Z,两头的字母包括在内(范围)
  66. []只会匹配一位字符。
  67. 预定义字符类,在java中,\d是一个整体。
  68. .任何字符(与行结束符可能匹配也可能不匹配)
  69. \d数字:[0-9]
  70. 要写成Stringregex="[a-zA-Z]\\d";
  71. \D非数字:[^0-9]
  72. \s空白字符:[\t\n\x0B\f\r]
  73. \S非空白字符:[^\s]
  74. \w单词字符:[a-zA-Z_0-9]//邮箱名一般用这个。
  75. \W非单词字符:[^\w]
  76. Greedy数量
  77. X?X,一次或一次也没有
  78. X*X,零次或多次
  79. X+X,一次或多次
  80. X{n}X,恰好n次
  81. X{n,}X,至少n次
  82. 解说:
  83. //意思是:第一位1到9,从第二位,0-9出现4到14次。
  84. 练习:匹配手机号。11位数字
  85. 手机号段:13XXX,15XXX,18XXX
  86. Stringregex="1[358][0-9]{9}";
  87. 2.切割:String类的split(Stringregex);
  88. 参数是regex。复杂切法
  89. 1].Stringregex="+";//多个空格。空格出现一次或多次
  90. 2].注意:.代表正则里的任意字符。
  91. 真要拿点去切。Stringregex="\\.";
  92. 3]。二个\\定义成正则:"\\\\"
  93. 4]。按照叠字切。"erkktyqquizzo"
  94. 叠词,后一个和前一个一致。第一位可以是任意,第二位得是第一位再次出现。
  95. 这时要用到正则里的组概念,封装成组:(.)再捕捉组\1,写到字符串里"\\1"
  96. Stringregex="(.)\\1";
  97. 假如字符串是这样呢?"erkktyqquizzzzzzo"出现一次或多次。"(.)\\1+"
  98. 为了规则的结果被重用,可以将结果封装成组,用()完成,组的出现都有编号,
  99. 从1开始,想要使用已有的组通过\n形式来获取。n就是组的编号。
  100. ((())()):有几组看左括号,第几组还是看左括号。
  101. 组和捕获
  102. 捕获组可以通过从左到右计算其开括号来编号。例如,在表达式((A)(B(C)))中,存在四个这样的组:
  103. 1((A)(B(C)))
  104. 2\A
  105. 3(B(C))
  106. 4(C)
  107. 3.替换:
  108. String的方法replaceAll(),
  109. replaceAll()函数参数:Stringstr=str.replaceAll(reg,newStr);
  110. 例题:将一堆字符串中的数字替换成#号.如手机号
  111. 字符串.replaceAll("\\d{5,}","#");这句话意思是数字出现5或以上,替换成#
  112. 例题;将重叠字母替换成单个字母。("(.)\\1+","$1");美元符代表前面组里出现的字符。
  113. 4.获取:将字符串中符合规则的子串取出。
  114. 操作步骤:
  115. 1.将正则表达式封装成对象。Patternp=Pattern.compile(reg);
  116. 2.让正则对象和要操作的字符串相关联。Matcherm=p.matcher(string);
  117. 3.关联后,获取正则匹配引擎。Matcherm
  118. 4.通过引擎获取内容。m.find();m.group();
  119. 注意事项:matches()和find()是一个匹配器,二个方法一起用,注意索引位置会偏移。
  120. classgetDemo
  121. publicstaticvoidmain(String[]args){
  122. getDemo();
  123. publicstaticvoidgetDemo(){
  124. Stringstr="mingtanjiuyaofangjiale,dajia";
  125. Stringregex="\\b[a-z]{3}\\b";//\\b代表边界符
  126. Patternp=Pattern.compile(regex);//将正则封装成对象
  127. Matcherm=p.matcher(str);//和字符串关联并拿到匹配器对象。
  128. //System.out.println(m.find());//将规则作用到字符串上,并进行符合规则的子串查找。
  129. //System.out.println(m.group());//用于获取匹配后的结果。
  130. while(m.find()){
  131. System.out.println(m.group());//类似迭代器。
  132. //System.out.println(m.start()+"..."+m.end());可以拿到匹配后的头头尾角标。
  133. 需求:将下列字符串转成:我要学编程
  134. Stringstr="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";
  135. 到底用四种功能中的哪一个呢?还是几个?
  136. 思路方式:1.如果只想知道该字符是否是对是错,匹配matches()
  137. 2.想要将已有的字符串变成另一个字符串,替换replaceAll()
  138. 3.想要按照自定的方式将字符串变成多个字符串。切割split(),获取规则以外的子串
  139. 4.想要拿到符合需求的字符子串,获取获取符合规则的子串。
  140. 获取,1.将规则regex封装成对象pattern.compile(reg),2.获取匹配器,p.matcher(str),3.通过匹配器操作。
  141. publicstaticvoidtest_1(){//我要学编程
  142. Stringstr="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";
  143. Stringregex="\\.+";
  144. String[]arr=str.split(regex);
  145. StringBuildersb=newStringBuilder();
  146. for(Strings:arr){
  147. sb.append(s);
  148. System.out.println(sb);
  149. //以上可以替换成代码
  150. Stringsb=str.replaceAll(regex,"");//。可以替换成空格。
  151. Stringregex1="(.)\\1+";
  152. Stringsss=sb.toString().replaceAll(regex1,"$1");
  153. System.out.println(sss);
  154. /*练习二
  155. 192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30
  156. 将IP地址进行地址段顺序的排序。
  157. 还按照字符串自然顺序,只要让它们每一段都是3位就好。
  158. 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。
  159. 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。
  160. publicstaticvoidtest_2()
  161. //192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30
  162. //将IP地址进行地址段顺序的排序。
  163. Stringip="192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30";
  164. ip=ip.replaceAll("(\\d+)","00$1");//先在前加二个0
  165. ip=ip.replaceAll("0*(\\d{3})","$1");//保留后三位
  166. //System.out.println(ip);
  167. String[]arr=ip.split("+");
  168. Set<String>set=newTreeSet<String>();
  169. for(Strings:arr){
  170. set.add(s);//添加并排序
  171. for(Stringss:set){
  172. System.out.println(ss.replaceAll("0*(\\d+)","$1"));//打印并去掉前面的0
  173. 练习:对邮箱地址进行校验。英文和数字_,6位-->12位
  174. publicstaticvoidcheckMail(){
  175. Stringmail="643123@sina.com";
  176. Stringreg="[a-zA-Z0-9_]{6,12}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//比较精确的匹配
  177. //Stringreg="\\w+@\\w+(\\.\\w+)+";//相对不精确的匹配
  178. //mail.indexOf("@")!=-1;搞笑的匹配。
  179. booleanb=mail.matches(reg);
  180. System.out.println(b);
  181. 网页爬虫:(蜘蛛)如:向邮箱里发东西。
  182. 获取指定文档中的邮件地址
  183. 使用获取功能。PatternMather
  184. importjava.io.BufferedReader;
  185. importjava.io.FileNotFoundException;
  186. importjava.io.FileReader;
  187. importjava.io.InputStreamReader;
  188. importjava.net.URL;
  189. importjava.net.URLConnection;
  190. importjava.util.regex.Matcher;
  191. importjava.util.regex.Pattern;
  192. publicclassGetMailDemo{
  193. /**
  194. *@paramargs
  195. *@throwsException
  196. publicstaticvoidmain(String[]args)throwsException{
  197. getMails_2();
  198. publicstaticvoidgetMails_2()throwsException//从网页上获取
  199. URLurl=newURL("http://127.0.0.1:8080/myweb/mail.html");//这里不用写二个//.
  200. URLConnectionconn=url.openConnection();
  201. BufferedReaderbufr=newBufferedReader(
  202. newInputStreamReader(conn.getInputStream()));
  203. StringmailReg="\\w+@\\w+(\\.\\w+)+";
  204. Patternp=Pattern.compile(mailReg);
  205. Stringline=null;
  206. while((line=bufr.readLine())!=null){
  207. //System.out.println(line);
  208. Matcherm=p.matcher(line);
  209. System.out.println(m.group());
  210. publicstaticvoidgetMails()throwsException//获取一个文件中的邮箱
  211. BufferedReaderbufr=newBufferedReader(
  212. newFileReader("mail.txt"));
  213. StringmailReg="\\w+@\\w+(\\.\\w+)+";
  214. Patternp=Pattern.compile(mailReg);
  215. Stringline=null;
  216. while((line=bufr.readLine())!=null){
  217. //System.out.println(line);
  218. Matcherm=p.matcher(line);
  219. while(m.find()){
  220. System.out.println(m.group());
  221. }
原文链接:https://www.f2er.com/regex/362730.html

猜你在找的正则表达式相关文章