正则表达式
一、概述
1、概念：符合一定规则的表达式。
2、作用：用于专门操作字符串。
3、特点：用于一些特定的符号来表示一些代码操作，这样就可以简化代码书写。
4、好处：可简化对字符串的基本操作。
5、弊端：符号定义越多，正则越长，阅读性越差。
二、常用符号：
说明：X表示字符X或者匹配的规则。
一）字符
构造 匹配
反斜线字符
t 制表符
n 回车符
f 换页符
二）字符类
[abc] a、b或c（简单类）
[^abc] 任何字符，除了a、b或c（否定）
[a-zA-Z] a到z货A到Z
[a-d[m-p]] a到d或m-p：[a-dm-p]（并集）
三）预定义字符类
. 任何字符（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：[ tnx0Bfr]
S 非空白字符：[^ tnx0Bfr]
w 单词字符：[a-zA-Z_0-9]
W 非单词字符：[^w]
四）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
五）Greedy数词量---->匹配整个字符串
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，但不超过m次
六）组和捕获
捕获组可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：
| 1 |
((A)(B(C))) |
| 2 |
A |
| 3 |
(B(C)) |
| 4 |
(C) |
组零始终代表整个表达式
在替换中常用$匹配组的内容，下面将会介绍到
三、正则表达式具体功能
主要有四种具体功能：匹配、切割、替换和获取
1、匹配：String matches方法。
用规则匹配整个字符串，只要有一处不符合，就匹配结束，返回false
- publicstaticvoidcheckQQ1(StringqqStr){
- intlen=qqStr.length();
- if(len>=5&&len<=15){
- if(qqStr.indexOf(0)!='0'){
- Longl=Long.parseLong(qqStr);
- System.out.println("qq为："+l);
- }
- else
- System.out.println("不可以0开头");
- }
- else
- System.out.println(qqStr+"不合法");
- }
- publicstaticvoidcheckQQ(StringqqStr){
- Stringreg="[1-9]d{4,14}";
- if(qqStr.matches(reg))
- System.out.println("qq:"+qqStr);
- else
- System.out.println(qqStr+"不是qq号");
- }
- publicstaticvoidcheckTel(StringtelStr,Stringregex){
- if(telStr.matches(regex))
- System.out.println(telStr);
- else
- System.out.println("此号码非电话号");
- }
测试：
- publicstaticvoidmain(String[]args){
- checkQQ1("1670123");
- checkQQ("167014f23");
- checkQQ("01654212465");
- Stringreg1="0d{2}-?d{8}|0d{3}-?d{7}";
- System.out.println("座机号为：");
- checkTel("010-43367456",reg1);
- Stringreg2="1[358]d{9}";
- System.out.println("手机号为：");
- checkTel("13103030605",reg2);
- }
2、切割：String split()
- publicstaticvoidsplitDemo(Stringstr,Stringreg){
- String[]arr=str.split(reg);
- System.out.println("长度为："+arr.length);
- for(Strings:arr){
- System.out.println(s);
- }
- }
测试
- publicstaticvoidmain(String[]args){
- Stringstr1="zhangsanlisiwangwuzhaoliu";
- Stringstr2="zhangsan.lisi.wangwu.zhaoliu";
- System.out.println("str1的结果：");
- splitDemo(str1,"+|.");
- System.out.println("str2的结果：");
- splitDemo(str2,"+|.");
- Stringstrsp="erkktyqqquizzzzzo";
- System.out.println("按叠词切：");
- splitDemo(strsp,"(.)1+");
- }
说明：
按叠词完成切割：为了让规则被重用，可将规则封装成一个组，用()完成，组有编号，从1开始要用已有的组，可通过n来获取，这里的n表示的是组的编号，如第一组即为1
3、替换：
String replaceAll(regex,str);如果regex中有定义组，可以在第二参数中通过$符号获取正则表达式中的已有的组。
- publicstaticvoidreplaceDemo(Stringstr,
- Stringregex,StringnewStr){
- str=str.replaceAll(regex,newStr);
- System.out.println(str);
- }
测试：
- publicstaticvoidmain(String[]args){
- System.out.println("--替换---");
- StringstrNum="wer1389980000ty1234564uiod234345675f";
- replaceDemo(strNum,"d+","*");
- Stringstrs="erkktyqqquizzzzzo";
- replaceDemo(strs,"(.)1+","$1");
- }
4、获取：
获取:将字符串中的符合规则的子串取出。
操作步骤：
1）将正则表达式封装成对象。
2）让正则对象和要操作的字符串相关联。
30关联后，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，比如取出。
- importjava.util.regex.Matcher;
- importjava.util.regex.Pattern;
- publicclassRegexGetMathod{
- publicstaticvoidmain(String[]args){
- Stringstr="mingtianjiuyaofangjiale,dajia。";
- getSub(str,"b[a-z]{3}b");
- }
- publicstaticvoidgetSub(Stringstr,Stringregex){
- Patternp=Pattern.compile(regex);
- Matcherm=p.matcher(str);
- while(m.find()){
- System.out.print(m.group());
- System.out.println("-->位置为："+m.start()+"---"+m.end());
- }
- }
- }
说明：
其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。只不过被String的方法封装后，用起来较为简单。但是功能却单一。
四、示例
四种功能的选择：
思路方式：
1、如果只想知道该字符是否对是错，使用匹配。
2、想要将已有的字符串变成另一个字符串，替换。
3、想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
4、想要拿到符合需求的字符串子串，获取。获取符合规则的子串。
1、替换字符串
- publicstaticvoidreplaceStr()
- {
- 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";
- str=str.replaceAll(".+","");
- System.out.println(str);
- str=str.replaceAll("(.)1+","$1");
- System.out.println(str);
- }
2、ip地址的排序
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
将ip地址进行地址段顺序的排序。
还按照字符串自然顺序，只要让它们每一段都是3位即可。
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。
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。
- publicstaticvoidipSort()
- {
- Stringip="192.68.1.254102.49.23.01310.10.10.102.2.2.28.109.90.30";
- ip=ip.replaceAll("(d+)","00$1");
- System.out.println(ip);
- ip=ip.replaceAll("0*(d{3})","$1");
- System.out.println(ip);
- String[]strs=ip.split("");
- Arrays.sort(strs);
- for(Stringstr:strs){
- str=str.replaceAll("0*(d+)","$1");
- System.out.println(str);
- }
- }
3、对邮箱地址进行校验
- publicstaticvoidcheckMail()
- {
- Stringmail="abc12@sina.com";
- Stringreg="[a-zA-Z_0-9]+@[a-zA-Z0-9]+(.[a-zA-Z]+){1,2}";
- System.out.println(mail.matches(reg));
- }
4、网页爬虫（蜘蛛）：
实际上是一个功能，用于搜集网络上的指定信息
需求：可用于收集邮箱，qq号等之类的信息。
应用：如通过关键字搜索blog，实际就是使用的“蜘蛛”，通过查找关键字获取相关的blog
示例：
- importjava.io.BufferedReader;
- importjava.io.IOException;
- importjava.io.InputStreamReader;
- importjava.net.MalformedURLException;
- importjava.net.URL;
- importjava.net.URLConnection;
- importjava.util.regex.Matcher;
- importjava.util.regex.Pattern;
- publicclassRegexTest1{
- publicstaticvoidmain(String[]args){
- crawler("file:///C:/Documents%20and%20Settings/Administrator/%E6%A1%8C%E9%9D%A2/%E9%82%AE%E4%BB%B6.htm");
- }
- publicstaticvoidcrawler(StringurlPath){
- URLul=null;
- BufferedReaderbr=null;
- try{
- ul=newURL(urlPath);
- }catch(MalformedURLExceptione){
- thrownewRuntimeException("指定地址未找到");
- }
- URLConnectionconn;
- try{
- conn=ul.openConnection();
- br=newBufferedReader(newInputStreamReader(conn.getInputStream()));
- }catch(IOExceptione1){
- thrownewRuntimeException("连接失败");
- }
- Patternp=Pattern.compile("w+@w+(.w){1,2}");
- Stringline=null;
- try{
- while((line=br.readLine())!=null){
- Matcherm=p.matcher(line);
- while(m.find())
- System.out.println(m.group());
- }
- }catch(IOExceptione){
- thrownewRuntimeException("读取数据失败");
- }
- }
- }
