黑马程序员 ---> 正则表达式

--------------- ASP.Net+Android+IO开发S、.Net培训、期待与您交流！ ---------------

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：

1、字符

构造                                    匹配

\\                                    反斜线字符

\t                                    制表符

\n                                    回车符

\f                                     换页符

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货A到Z

[a-d[m-p]]                     a到d或m-p：[a-dm-p]（并集）

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：[^ \t\n\x0B\f\r]

\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

\B                                  非单词边界

\A                                  输入的开头

5、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

6、组和捕获

组：在正则中用()来表示，作用是结果可以被重用，如(.)\\1+，代表的是任意字符出现了多次，就业是叠词

捕获：在正则中可以使用$加上组的编号来完成捕获的，如："(.)\\1+", "$1"这个$1就代表组代表的元素

三、正则表达式主要有四种具体功能：匹配、切割、替换和获取

1、匹配：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

/*
	 * 匹配：String的matches方法，用规则匹配字符串，只有有一处不符合规则就匹配结束，返回false
	 */
	public static void match_method() {
		// 匹配手机号只有13***，15***，18****
		String tel = "15900001111";
		String teiReg = "1[358]\\d{9}";
		System.out.println(tel.matches(teiReg));

		// 匹配多位
		String str = "a5656";
		String reg = "[a-zA-Z]\\d*";
		System.out.println(str.matches(reg));

		// 校验QQ号码，5~15，不能0开头，不能有字母
		String qq = "545454545";
		String qqReg = "[1-9]\\d{4,14}";
		System.out.println(qq.matches(qqReg));
	}

2、切割：
split(String regex)

// 按照叠词完成切割。为了可以让规则的结果被重用,可以将规则封装成一个组。用()完成。
		// 组的出现都有编号。从1开始。 想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。
		 split_method("ghghhjhhgkaaalkood", "(.)\\1+");
		// 按照“.”切，.在正则中是代表任意字符，所以需要转译，然而\.在双引号中也需要转译
		 split_method("zhang.li.wang", "\\.");
		// 按照“\\”切
		 split_method("c:\\abc\\a.txt", "\\\\");
		// 按照空格切
		split_method("abc      a.txt  hhhh", " +");

/*
	 * 切割 split
	 */
	public static void split_method(String str, String reg) {
		String[] arr = str.split(reg);
		System.out.println(arr.length);
		for (String s : arr) {
			System.out.println(s);
		}
	}

3、替换：
replaceAll(String regex, String replacement)

String str = "wer1389980000ty1234uiod234345675f";//将字符串中的数组替换成#。
		replaceAllDemo(str, "\\d{5,}", "*");
		//将叠词替换成#.  //将重叠的字符替换成单个字母。zzzz->z
		str = "erkktyqqquizzzzzo";
		replaceAllDemo(str,"(.)\\1+","$1");//$获取组

/*
	 * 替换
	 */
	public static void replaceAllDemo(String str,String reg,String newStr){
		str = str.replaceAll(reg, newStr);
		System.out.println(str);
	}




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。
3）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。

/*
 * 正则表达式第四个功能：获取，将字符串中符合规则的字串获取出来
 *
 * 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
 * 3、关联之后，获取正则匹配引擎
 * 4、通过引擎对符合规则的字符串进行操作，比如取出
 */
public class RegexDemo2 {
	public static void main(String[] args) {
		getDemo();
	}

	public static void getDemo(){
		String str = "hahahaha hui jia guo nian la";
		String reg = "\\b[a-z]{3}\\b";// \b单词分隔符//取出str中有三个字母组成的单词
//		str = "415454d51";
//		reg = "[1-9]{4,14}";

		//将正则表达式封装成对象
		Pattern p = Pattern.compile(reg);

		//将要操作的字符串和正则对象相关联，获取匹配器对象
		Matcher m = p.matcher(str);

		//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。
//		System.out.println(m.matches());

//		boolean b = m.find();//将规则作用到字符串上，并进行符合规则的查找
//		System.out.println(m.group());
//		boolean b1 = m.find();//将规则作用到字符串上，并进行符合规则的查找
//		System.out.println(m.group());

		while(m.find()){
			System.out.println(m.group());
			System.out.println(m.start() + "......" + m.end());
		}
	}
}

练习：

/*
 * 正则练习
 *
 * 思路方式：
 * 1、如果只想知道该字符串是对是错使用匹配
 * 2、要想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。
 */
public class RegexTest {

	public static void main(String[] args) {
		test_1();
//		ipSort();
//		checkMail();
	}

	/*
	 * 需求：将下列字符串转成：我要学编程. 到底用四种功能中的哪一个呢？或者哪几个呢？
	 *
	 * 将已有字符串变成另一个字符串。使用 替换功能。 1,可以先将 . 去掉。 2，在将多个重复的内容变成单个内容。
	 */
	public static void test_1() {
		String str = "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("\\.+", "");
		str = str.replaceAll("(.)\\1+", "$1");
		System.out.println(str);
	}

	/*
	 * 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。
	 */
	public static void ipSort(){
		String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
		ip = ip.replaceAll("(\\d+)", "00$1");//给每一段都不上0，按照最少位数的需要进行补
		ip = ip.replaceAll("0*(\\d{3})", "$1");//只保留三位数字的字段
		System.out.println(ip);

		String[] arrs = ip.split(" +");
		TreeSet<String> ts = new TreeSet<String>();
		for(String s : arrs){
			ts.add(s);
		}
		for(String s : ts){
			System.out.println(s.replaceAll("0*(\\d+)", "$1"));
		}
	}

	/*
	 * 需求：对邮件地址进行校验。
	 */
	public static void checkMail(){
		String mail = "abc12@sina.com";
		String reg = "[a-zA-Z_0-9]+@[a-zA-Z_0-9]+(\\.[a-zA-Z]+)+";//较为精确
//		reg = "\\w+@\\w+(\\.\\w)+";//相对不太精确的匹配。

		System.out.println(mail.matches(reg));
	}
}

2、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，例如百度就在应用这项技术获取各种关键字，可供搜索，简单的说你要在百度上搜索一个“春节”的关键字，它就会找到跟关键字相关联的文章列出来。其实百度事先就在各个网页上获取了相关资源，这个获取资源就是通过网页爬虫技术来完成的。

需求：可用于收集邮箱等之类的信息。

/*
 * 网页爬虫(蜘蛛)获取网页数据工具
 */
public class RegexTest2 {
	public static void main(String[] args) throws IOException {
//		getMail();
		getMailByNet();
	}

	/*
	 * 获取网页数据，获取网页上有关邮箱的数据
	 */
	public static void getMailByNet() throws IOException {
		URL url = new URL("http://192.168.229.1:8080/myweb/mail.html");
		URLConnection conn = url.openConnection();

		BufferedReader bfrin = new BufferedReader(new InputStreamReader(
				conn.getInputStream()));

		String mailReg = "\\w+@\\w+(\\.[a-zA-Z])+";
		Pattern p = Pattern.compile(mailReg);
		String line = null;

		while ((line = bfrin.readLine()) != null) {
			Matcher m = p.matcher(line);
			while (m.find()) {
				System.out.println(m.group());
			}
		}
		bfrin.close();
	}

	/*
	 * 获取指定文档中的邮件地址。 使用获取功能。Pattern Matcher
	 */
	public static void getMail() throws IOException {
		BufferedReader bfr = new BufferedReader(new FileReader("mail.txt"));

		String mailReg = "\\w+@\\w+(\\.[a-zA-Z])+";
		Pattern p = Pattern.compile(mailReg);
		String line = null;

		while ((line = bfr.readLine()) != null) {
			Matcher m = p.matcher(line);
			while (m.find()) {
				System.out.println(m.group());
			}
		}
		bfr.close();
	}
}