java学习——正则表达式

本文内容来源于  历经5年锤练--史上最适合初学者入门的Java基础视频

例：要求QQ号长度为5~15位，不能以0开头

String qq="123456";
String regex="[1-9][0-9]{4,14}";//正则表达式
boolean b = qq.matches(regex);
System.out.println(qq+":"+b);//qq:true

正则表达式用于操作字符串数据。
通过一些特定的符号来体现。
为了掌握正则表达式，必须学习一些符号。

虽然简化了，但是阅读性差。

JDK API 1.60 中文版
java.lang String matches 正则表达式
常用：
1.字符

x　　 　　字符 x
\\　　　　反斜线字符

2.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 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]] 　　　　 a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]] 　　　d、e 或 f（交集）
[a-z&&[^bc]] 　　　a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]] 　　 a 到 z，而非 m 到 p：[a-lq-z]（减去）

3.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：[ \t\n\x0B\f\r]
\S 　 　 非空白字符：[^\s]
\w 　　  单词字符：[a-zA-Z_0-9]
\W 　　  非单词字符：[^\w]

4.边界匹配器

^ 　 　行的开头
$ 　　 行的结尾
\b 　　单词边界

5.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
X{n,m} 　　　 X，至少 n 次，但是不超过 m 次 

正则表达式对字符串的常见操作:
1, 匹配。
其实使用的就是String类中的matches方法。

//匹配手机号码是否正确。
String tel = "15800001111";
String regex = "1[358]\\d{9}";
boolean b = tel.matches(regex);
System.out.println(tel+":"+b);

2，切割。
其实使用的就是String类中的split方法。

String str = "zhangsan      xiaoqiang  zhaoliu";
String[] names = str.split(" +");
//输出结果如下zhangsan
xiaoqiang
zhaoliu

String str = "zhangsan.xiaoqiang.zhaoliu";
String[] names = str.split("\\.");
//输出结果如下zhangsan
xiaoqiang
zhaoliu

组：((A)(B(C))) 
通过从左到右计算其开括号来编号,组零始终代表整个表达式

String str = "zhangsanttttxiaoqiangmmmmmmzhaoliu";
String[] names = str.split("(.)\\1+");//编号代表第一组

for(String name : names){
System.out.println(name);
//输出结果如下zhangsan
xiaoqiang
zhaoliu

3，替换。
其实使用的就是String类中的replaceAll()方法。

String str = "zhangsanttttxiaoqiangmmmmmmzhaoliu";
str = str.replaceAll("(.)\\1+","#");
//将叠词替换为#
//输出结果如下
/* zhangsan#xiaoqiang#zhaoliu */
str = str.replaceAll("(.)\\1+", "$1");
//$ 获取前一个参数中的第一组
//输出结果如下
/* zhangsantxiaoqiangmzhaoliu */
System.out.println(str);

String tel = "15800001111";
tel = tel.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");
//输出结果如下
/*  158****1111  */
System.out.println(tel);

4，获取。

将正则规则进行对象的封装。
Pattern p = Pattern.compile("a*b");
通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher .
Matcher m = p.matcher("aaaaab");
通过Matcher匹配器对象的方法对字符串进行操作。
boolean b = m.matches();

String str = "da jia hao,ming tian bu fang jia!";
String regex = "\\b[a-z]{3}\\b";

//1,将正则封装成对象。
Pattern p = Pattern.compile(regex);
//2, 通过正则对象获取匹配器对象。
Matcher m = p.matcher(str);

//使用Matcher对象的方法对字符串进行操作。
//既然要获取三个字母组成的单词
//查找。 find();
while(m.find()){
System.out.println(m.group());//获取匹配的子序列
System.out.println(m.start()+":"+m.end());
}
//输出结果：
jia
3:6
hao
7:10
jia
29:32

5.正则表达式练习

1，治疗口吃:我我...我我...我我我要...要要要要...要要要要..学学学学学...学学编编...编编编编..编..程程...程程...程程程
2，对ip地址排序。
3，对邮件地址校验。

1,治口吃。

String str = "我我...我我...我我我要...要要要要...要要要要..学学学学学...学学编编...编编编编..编..程程...程程...程程程";

//1，将字符串中.用替换去掉。
str = str.replaceAll("\\.+", "");
System.out.println(str);

//2,替换叠词。
str = str.replaceAll("(.)\\1+", "$1");
System.out.println(str);
//输出：我要学编程

2. ip地址排序。
192.168.10.34 127.0.0.1 3.3.3.3 105.70.11.55

String ip_str = "192.168.10.34 127.0.0.1 3.3.3.3 105.70.11.55";
//1,为了让ip可以按照字符串顺序比较，只要让ip的每一段的位数相同。
//所以，补零，按照每一位所需做多0进行补充。每一段都加两个0.
ip_str = ip_str.replaceAll("(\\d+)", "00$1");
System.out.println(ip_str);
//输出：
//00192.00168.0010.0034 00127.000.000.001 003.003.003.003 00105.0070.0011.0055
//然后每一段保留数字3位。
ip_str = ip_str.replaceAll("0*(\\d{3})", "$1");
System.out.println(ip_str);
//输出：
//192.168.010.034 127.000.000.001 003.003.003.003 105.070.011.055

//1，将ip地址切出。
String[] ips = ip_str.split(" +");
TreeSet<String> ts = new TreeSet<String>();//自动排序
for(String ip : ips){
ts.add(ip);
}

for(String ip : ts){
//    System.out.println(ip);
/*    输出：
*    003.003.003.003
*    105.070.011.055
*    127.000.000.001
*    192.168.010.034
*/
System.out.println(ip.replaceAll("0*(\\d+)", "$1"));
/*    输出：
*    3.3.3.3
*    105.70.11.55
*    127.0.0.1
*    192.168.10.34
*/
}

3. 对邮件地址校验。

String mail = "abc1@sina.com.cn";
String regex = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]{1,3})+"; //一般不用这个，网上有标准

regex = "\\w+@\\w+(\\.\\w+)+";//1@1.1 笼统式匹配
boolean b = mail.matches(regex);
System.out.println(mail+":"+b);

网页爬虫：其实就一个程序用于在互联网中获取符合指定规则的数据。
爬取邮箱地址。

public static void main(String[] args) throws IOException {
    List<String> list = getMailsByWeb();
    for(String mail : list){
        System.out.println(mail);
    }
}
public static List<String> getMailsByWeb() throws IOException {
　　//1,读取源文件。
　　//BufferedReader bufIn = new BufferedReader(new FileReader("c:\\mail.html"));
　　URL url = new URL("http://192.168.1.100:8080/myweb/mail.html");
　　BufferedReader bufIn = new BufferedReader(new InputStreamReader(url.openStream()));
　　//2,对读取的数据进行规则的匹配。从中获取符合规则的数据.
　　String mail_regex = "\\w+@\\w+(\\.\\w+)+";
　　List<String> list = new ArrayList<String>();

　　Pattern p = Pattern.compile(mail_regex);
　　String line = null;
　　while((line=bufIn.readLine())!=null){
　　　　Matcher m = p.matcher(line);
　　　　while(m.find()){
　　　　//3,将符合规则的数据存储到集合中。
　　　　list.add(m.group());
　　　　}
　　}
　　return list;
}