详解正则表达式

什么是正则表达式：

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表通主要被用来检索、替换那些符合某个模式(规则)的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在Perl中就内建了一个功能强大的正则表达式引擎，还有java语言自带的。正则表达式这个概念最初是由Unix中的工具软件（例如sed和grep）普及开的。

正则表达式的书写规则：

1.方括号[]：

方括号使用只能匹配单个字符，如果想匹配一个字符串就要用到圆括号()

[abcde] 表示检索的句子中是否出现a、b、c、d、e字母的出现

例：String=“abckeoaiwk”，则输出的结果为：

[a-z]表示检索的句子中是否出现a-z范围的字母

2.圆括号()：

圆括号使用可以匹配多个字符，每组的字符要用|隔开

(ab|cd|ai|de)表示检索的句子是否出现ab、cd、ai、de字符串的出现

例：String=“abckeoaiwk”，则输出的结果为：

3.大括号{}：

大括号{}里面填的是数字，表示检索字符或者字符串连续出现的次数

[a-z]{1,2}表示检索的句子中是否连续出现a-z范围的字母 1-2次

以下有几个特殊符号也表示检索的次数（重点）：

？ 表示检索出现1次或者没有（0-1）

* 表示检索出现多次或者没有（0-多次）

+ 表示检索出现1次以上（1-多次）

例：String=“ababcke2oaiwk”，正则表达式=“[a-d]+”，输出的结果为：

4.非符号^：

a.非符号^有两种用法，在方括号[]内表示否定字符

[^a-z]+ 表示检索字符串中的非字母的字符

例：String =“abcabcke2oai9wk”，输出的结果为：

String=“abcabcke2oai959w66k”，输出的结果为：

b.不在方括号时，表示检索字符串的开头

^abc 表示检索以abc开头的字符串

主要用来判断字符串是否以***为开头

String=“abcabcke2oai959w66k”，输出的结果为：

5.结尾符号$：

k$表示检索字符串是否以k结尾

主要用来判断字符串是否以***为结尾

String=“abcabcke2oai959w66k”，输出的结果为：

接下来是一些常用的特殊字符：

s 表示匹配任何空白字符，如空格、换行符、制表符

S 表示匹配任何非空白字符，与s相反

d 表示匹配0-9的字符（注意每次匹配的都是单个字符）

D 表示匹配非0-9的字符（用String=“D”表示正则表达式， 要用 来进行转义）

w 表示匹配a-z的字符

W 表示匹配非a-z的字符

使用正则表达式：

使用正则表达式，要通过调用Pattern类和Matcher类实现对字符串的匹配。

Pattern类：用来编译正则表达式，然后创建一个模式匹配器matcher对象

Matcher类：执行匹配操作，并可通过其中的方法输出匹配的内容

接下来，我们编写一个类来获取一个网页源代码中的链接属性（即a标签的href属性）：

import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test{
	/**
	 * 功能：通过一个url获取网页的源代码
	 * @param url 指定网页的ip地址
	 * @return 返回一个网页源代码的字符串
	 */
	public static String getUrlResource(URL url){
		String msg="";
		try {
			HttpURLConnection conn=(HttpURLConnection) url.openConnection();
			//建立一个http协议的连接
			conn.setRequestMethod("GET");
			//设置连接的方法GET
			conn.setConnectTimeout(5*1000);
			//设置连接时长
			InputStream is=conn.getInputStream();
			//获取连接的输入流
			Scanner sc=new Scanner(is,"UTF-8");
			//通过Scanner把输出流转为字符串String保存
			while(sc.hasNextLine()){
				msg+=sc.nextLine();
			}
		} catch (IOException e) {
			e.printStackTrace();
		}
		return msg;
	}
	public static void main(String args[]){
		String msg="";
		try {
			URL url=new URL("http://www.baidu.com");
//			
			msg=getUrlResource(url);
			//获取百度主页的源代码
//			System.out.println(msg);
		} catch (MalformedURLException e) {
			e.printStackTrace();
		}
		String regEx="href="([^"]+)"";
		//正则表达式为：href="([^"]*)"
		Pattern p=Pattern.compile(regEx);
		//编译正则表达式
		Matcher m=p.matcher(msg);
		while(m.find()){
			System.out.println(m.group(0));
			System.out.println(m.group(1));
		}
	}
}

重点分析

分析正则表达式的书写：href="([^"]+)"

获取a标签的href属性，即引号的内容就是我们的目标内容，但是要排除一种情况，引号内还有引号的情况，所以

把这种情况除掉就可以了。

有人会分析到，href="([^"]+)"与href="[^"]+"有啥区别：

那就是前者有把匹配的内容进行分组，如果href="http://www.baidu.com"是目标内容，那么m.group(0)就是

href="http://www.baidu.com"，m.group(1)就是http://www.baidu.com（m.group(0)等价于m.group()）

那后者则是没有分组的，也就是只能输出href="http://www.baidu.com"，但这并不全是我们想要的，而且这时候

m.group(1)是不存在的。

所以()可以进行对匹配的信息进行分组的作用。

下面还有一些常用的正则表达式：

验证Email地址：“^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$”

验证InternetURL：“^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$”

验证电话号码：“^((d{3,4})|d{3,4}-)?d{7,8}$”

身份证号(15位、18位数字)：^d{15}|d{18}$

短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$

日期格式：^d{4}-d{1,2}-d{1,2}

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!