正则表达式，匹配，切割，替换。获取。网页爬虫

发布时间：2020-12-14 02:18:58 所属栏目：百科来源：网络整理

导读：/* 正则表达式，匹配，切割，替换。获

/*
正则表达式，匹配，切割，替换。获取。网页爬虫
*/
/*
正则表达式：符合一定规则的表达式
作用：用于专门操作字符串
特点：用一些特定的符号来表示一些代码操作。
所以学习正则表达式，就是学习特殊符号的操作。
好处：简化对字符串的复杂操作。
弊端：符号越多，正则越长，阅读性差。
对QQ号码进行校验
要求：5~15位，0不能开头，只能是数字。
*/
publicclassChackQQ{
publicstaticvoidmain(String[]args){
//TODOAuto-generatedmethodstub
Stringqq="987464786767645645646";
checkQQ(qq);
}
publicstaticvoidcheckQQ(Stringstr){
intlen=str.length();
if(len>=5&&len<=15)
{
if(!str.startsWith("0"))
char[]arr=str.toCharArray();
booleanflag=false;
for(intx=0;x<arr.length;x++){
if(!(arr[x]>='0'&&arr[x]<='9'))
{
flag=true;
break;
}
if(flag){
System.out.println("非法字");
}else{
System.out.println("qq:"+str);
else{
System.out.println("不是0开头");
System.out.println("长度不对");
publicstaticvoidcheckQQ_2(Stringstr){
try{
longl=Long.parseLong(str);
}catch(Exceptione){
System.out.println("不对");
第一种写法，我们看到这样写比较麻烦。
第二种写法，用longl=Long.ParseLong(QQ号码);如果异常，就错误。
这二种方法都比较麻烦。使用String类组合完成需求，代码复杂。
下面我们就用正则来写。
String方法matchs(正则)。
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。
publicstaticvoidQQCheck(Stringqq){
booleanflag=qq.matches(regex);
if(flag){
System.out.println("qq:"+qq);
}
else{
System.out.println("QQ号码错误");
}
正则表达式
：具体操作功能
1.匹配：String的matches()方法
[abc]这个字符串的第一个字符是abc,而且只能有一个字符。
[^abc]第一个不是abc就可以了。
[a-z]这个字符在a-z范围内就可以了。
[a-zA-Z]a到z或A到Z，两头的字母包括在内（范围）
[]只会匹配一位字符。
预定义字符类，在java中，d是一个整体。
.任何字符（与行结束符可能匹配也可能不匹配）
d数字：[0-9]
要写成Stringregex="[a-zA-Z]d";
D非数字：[^0-9]
s空白字符：[tnx0Bfr]
S非空白字符：[^s]
w单词字符：[a-zA-Z_0-9]//邮箱名一般用这个。
W非单词字符：[^w]
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
解说：
//意思是:第一位1到9，从第二位,0-9出现4到14次。
练习：匹配手机号。11位数字
手机号段：13XXX，15XXX，18XXX
Stringregex="1[358][0-9]{9}";
2.切割：String类的split(Stringregex);
参数是regex。复杂切法
1].Stringregex="+";//多个空格。空格出现一次或多次
2].注意:.代表正则里的任意字符。
真要拿点去切。Stringregex=".";
3]。二个定义成正则："\"
4]。按照叠字切。"erkktyqquizzo"
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。
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"
Stringregex="(.)1";
假如字符串是这样呢？"erkktyqquizzzzzzo"出现一次或多次。"(.)1+"
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，
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。
((())()):有几组看左括号，第几组还是看左括号。
组和捕获
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：
1((A)(B(C)))
2A
3(B(C))
4(C)
3.替换：
String的方法replaceAll()，
replaceAll()函数参数：Stringstr=str.replaceAll(reg,newStr);
例题：将一堆字符串中的数字替换成#号.如手机号
字符串.replaceAll("d{5,}","#");这句话意思是数字出现5或以上，替换成#
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。
4.获取：将字符串中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。Patternp=Pattern.compile(reg);
2.让正则对象和要操作的字符串相关联。Matcherm=p.matcher(string);
3.关联后，获取正则匹配引擎。Matcherm
4.通过引擎获取内容。m.find();m.group();
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。
classgetDemo
publicstaticvoidmain(String[]args){
getDemo();
publicstaticvoidgetDemo(){
Stringstr="mingtanjiuyaofangjiale,dajia";
Stringregex="b[a-z]{3}b";//b代表边界符
Patternp=Pattern.compile(regex);//将正则封装成对象
Matcherm=p.matcher(str);//和字符串关联并拿到匹配器对象。
//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。
//System.out.println(m.group());//用于获取匹配后的结果。
while(m.find()){
System.out.println(m.group());//类似迭代器。
//System.out.println(m.start()+"..."+m.end());可以拿到匹配后的头头尾角标。
需求：将下列字符串转成：我要学编程
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";
到底用四种功能中的哪一个呢？还是几个？
思路方式：1.如果只想知道该字符是否是对是错，匹配matches()
2.想要将已有的字符串变成另一个字符串，替换replaceAll()
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
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。
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。
publicstaticvoidtest_1(){//我要学编程
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";
Stringregex=".+";
String[]arr=str.split(regex);
StringBuildersb=newStringBuilder();
for(Strings:arr){
sb.append(s);
System.out.println(sb);
//以上可以替换成代码
Stringsb=str.replaceAll(regex,"");//。可以替换成空格。
Stringregex1="(.)1+";
Stringsss=sb.toString().replaceAll(regex1,"$1");
System.out.println(sss);
/*练习二
192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30
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位就好。
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。
publicstaticvoidtest_2()
//192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30
//将IP地址进行地址段顺序的排序。
Stringip="192.68.1.254102.49.49.23.01310.10.10.102.2.2.28.109.90.30";
ip=ip.replaceAll("(d+)","00$1");//先在前加二个0
ip=ip.replaceAll("0*(d{3})","$1");//保留后三位
//System.out.println(ip);
String[]arr=ip.split("+");
Set<String>set=newTreeSet<String>();
for(Strings:arr){
set.add(s);//添加并排序
for(Stringss:set){
System.out.println(ss.replaceAll("0*(d+)","$1"));//打印并去掉前面的0
练习：对邮箱地址进行校验。英文和数字_,6位-->12位
publicstaticvoidcheckMail(){
Stringmail="643123@sina.com";
Stringreg="[a-zA-Z0-9_]{6,12}@[a-zA-Z0-9]+(.[a-zA-Z]+){1,3}";//比较精确的匹配
//Stringreg="w+@w+(.w+)+";//相对不精确的匹配
//mail.indexOf("@")!=-1;搞笑的匹配。
booleanb=mail.matches(reg);
System.out.println(b);
网页爬虫：(蜘蛛)如：向邮箱里发东西。
获取指定文档中的邮件地址
使用获取功能。PatternMather
importjava.io.BufferedReader;
importjava.io.FileNotFoundException;
importjava.io.FileReader;
importjava.io.InputStreamReader;
importjava.net.URL;
importjava.net.URLConnection;
importjava.util.regex.Matcher;
importjava.util.regex.Pattern;
publicclassGetMailDemo{
/**
*@paramargs
*@throwsException
publicstaticvoidmain(String[]args)throwsException{
getMails_2();
publicstaticvoidgetMails_2()throwsException//从网页上获取
URLurl=newURL("http://127.0.0.1:8080/myweb/mail.html");//这里不用写二个//.
URLConnectionconn=url.openConnection();
BufferedReaderbufr=newBufferedReader(
newInputStreamReader(conn.getInputStream()));
StringmailReg="w+@w+(.w+)+";
Patternp=Pattern.compile(mailReg);
Stringline=null;
while((line=bufr.readLine())!=null){
//System.out.println(line);
Matcherm=p.matcher(line);
System.out.println(m.group());
publicstaticvoidgetMails()throwsException//获取一个文件中的邮箱
BufferedReaderbufr=newBufferedReader(
newFileReader("mail.txt"));
StringmailReg="w+@w+(.w+)+";
Patternp=Pattern.compile(mailReg);
Stringline=null;
while((line=bufr.readLine())!=null){
//System.out.println(line);
Matcherm=p.matcher(line);
while(m.find()){
System.out.println(m.group());
}

（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!