作者:GIfi炬辉_904 | 来源:互联网 | 2023-02-03 20:00
正则表达式1.正则表达式的优势和用途?一种强大而灵活的文本处理工具;大部分编程语言、数据库、文本编辑器、开发环境都支持正则表达式。2.正则表达式定义:正如他的名字一样是描述了一个规则,通
正则表达式
1.正则表达式的优势和用途?
一种强大而灵活的文本处理工具;
大部分编程语言 、数据库、文本编辑器、开发环境都支持正则表达式。
2.正则表达式定义:
正如他的名字一样是描述了一个规则,通过这个规则可以匹配一类字符串。
3.正则表达式语法
(1)普通字符
字母、数字、汉字、下划线、以及没有特殊定义的标点符号,都是“普通字符”。表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符。
(2)简单的转义字符
\n |
代表换行符 |
\t |
制表符 |
\\ |
代表\本身 |
\^ ,\$,\.,\(, \) , \{, \} , \? , \+ , \* ,\| ,\[, \] |
匹配这些字符本身 |
(3)标准字符集合
注意区分大小写,大写是相反的意思
\d |
任意一个数字,0~9 中的任意一个 |
\w |
任意一个字母或数字或下划线,也就是 A~Z,a~z,0~9,_ 中任意一个 |
\s |
包括空格、制表符、换行符等空白字符的其中任意一个 |
. |
小数点可以匹配任意一个字符(除了换行符)如果要匹配包括“\n”在内的所有字符,一般用[\s\S] |
(4)自定义字符集合
[ ]方括号匹配方式,能够匹配方括号中任意一个字符
正则表达式的特殊符号,被包含到中括号中,则失去特殊意义,除了^,-之外。
标准字符集合,除小数点外,如果被包含于中括号,自定义字符集合将包含该集合。比如:[\d.\-+]将匹配:数字、小数点、+、-
[ab5@] |
匹配 "a" 或 "b" 或 "5" 或 "@" |
[^ abc] |
匹配 "a","b","c" 之外的任意一个字符 |
[f-k] |
匹配 "f"~"k" 之间的任意一个字母 |
[^A-F0-3] |
匹配 "A"~"F","0"~"3" 之外的任意一个字符 |
(5)量词:修饰匹配次数的特殊符号
匹配次数中的贪婪模式(匹配字符越多越好,默认!)
匹配次数中的非贪婪模式(匹配字符越少越好,修饰匹配次数的特殊符号后再加上一个 "?" 号)
{n} |
表达式重复n次 |
{m,n} |
表达式至少重复m次,最多重复n次 |
{m,} |
表达式至少重复m次 |
? |
匹配表达式0次或者1次,相当于 {0,1} |
+ |
表达式至少出现1次,相当于 {1,} |
* |
表达式不出现或出现任意次,相当于 {0,} |
(6)字符边界
^ |
与字符串开始的地方匹配 |
$ |
与字符串结束的地方匹配 |
\b |
匹配一个单词边界 |
正则表达式匹配模式:
匹配时忽略大小写。
默认情况下,正则表达式是要区分大小写的。
整个文本看作一个字符串,只有一个开头,一个结尾。
使小数点 "." 可以匹配包含换行符(\n)在内的任意字符。
每行都是一个字符串,都有开头和结尾。
在指定了 MULTILINE 之后,如果需要仅匹配字符串开始和结束位置,可以使用 \A 和 \Z
(7)选择符和分组
表达式 |
作用 |
|分支结构 |
左右两边表达式之间 "或" 关系,匹配左边或者右边 |
( )捕获组 |
(1). 在被修饰匹配次数的时候,括号中的表达式可以作为整体被修饰 (2). 取匹配结果的时候,括号中的表达式匹配到的内容可以被单独得到 (3). 每一对括号会分配一个编号,使用 () 的捕获根据左括号的顺序从 1 开始自动编号。捕获元素编号为零的第一个捕获是由整个正则表达式模式 匹配的文本 |
(?:Expression)非捕获组 |
一些表达式中,不得不使用( ),但又不需要保存( )中子表达式匹 配的内容,这时可以用非捕获组来抵消使用( )带来的副作用。 |
反向引用(\nnn):
每一对()会分配一个编号,使用 () 的捕获根据左括号的顺序从 1 开始自动编号。
通过反向引用,可以对分组已捕获的字符串进行引用。
(8) 预搜索(零宽断言)
只进行子表达式的匹配,匹配内容不计入最终的匹配结果,是零宽度
这个位置应该符合某个条件。判断当前位置的前后字符,是否符合指定的条件,但不匹配前后的字符。是对位置的匹配。
正则表达式匹配过程中,如果子表达式匹配到的是字符内容,而非位置,并被保存到最终的匹配结果中,那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置,或者匹配的内容并不保存到最终的匹配结果中,那么就认为这个子表达式是 零宽度 的。占有字符还是零宽度,是针对匹配的内容是否保存到最终的匹配结果中而言的。
(?=exp) |
断言自身出现的位置的后面能匹配表达式exp |
(?<=exp) |
断言自身出现的位置的前面能匹配表达式exp |
(?!exp) |
断言此位置的后面不能匹配表达式exp |
(?
| 断言此位置的前面不能匹配表达式exp |
4.常用的正则表达式列表
匹配中文字符 |
[\u4e00-\u9fa5] |
匹配空白行 |
\n\s*\r |
匹配HTML标记 |
<(\S*?)[^>]*>.*?\1>|<.*? /> |
匹配首尾空白字符 |
^\s*|\s*$ |
匹配Email地址 |
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* |
匹配网址URL |
[a-zA-z]+://[^\s]* |
匹配国内电话号码 |
\d{3}-\d{8}|\d{4}-\d{7} |
匹配腾讯QQ号 |
[1-9][0-9]{4,} |
匹配中国邮政编码 |
[1-9]\d{5}(?!\d) |
匹配身份证 |
\d{15}|\d{18} |
匹配ip地址 |
\d+\.\d+\.\d+\.\d+ |
5.Java程序中使用正则表达式
相关类位于:java.util.regex包下面
类 Pattern:
正则表达式的编译表示形式。
Pattern p = Pattern. compile(r,int) ; //建立正则表达式,并启用相应模式
类 Matcher:
通过解释 Pattern 对 character sequence 执行匹配操作的引擎
Matcher m = p.matcher(str); //匹配str字符串
public class Demo01 {
public static void main(String[] args) {
//表达式对象
Pattern p = Pattern.compile("\\w+");
//创建Matcher对象
Matcher m = p.matcher("asfsdf&23323");
boolean flag = m.matches(); //尝试将整个字符序列与该模式匹配
boolean flag2 = m.find(); //该方法扫描输入的序列,查找与该模式匹配的下一个子序列
String str = m.group(); //返回找到的字符串
String newStr = m.replaceAll("#");///替换
String str2 = "asds234adsa23sdsf";
String[] arrs = str2.split("\\d+");
System.out.println(Arrays.toString(arrs));
}
}
6.简单网络爬虫 如:weget
/**
* 简单网络爬虫
* @author MA
*
*/
public class WebSpiderTest {
public static String getURLContent(String urlStr,String charSet) throws IOException{
StringBuilder sb = new StringBuilder();
try {
URL url = new URL(urlStr);
BufferedReader reader =new BufferedReader(new InputStreamReader(url.openStream(),Charset.forName(charSet)));
String temp = "";
while((temp=reader.readLine())!=null){
//System.out.println(temp);
sb.append(temp);
}
} catch (MalformedURLException e) {
e.printStackTrace();
}
return sb.toString();
}
public static List getMatherSubstrs(String destStr,String regexStr){
//Pattern p = Pattern.compile("");//取到超链接整个内容
Pattern p = Pattern.compile(regexStr);//取到超链接地址
Matcher m = p.matcher(destStr);
List result =new ArrayList();
while(m.find()){
result.add(m.group(1));
}
return result;
}
public static void main(String[] args) throws Exception {
String destStr = getURLContent("http://www.163.com","gbk");
List result = getMatherSubstrs(destStr, "href=\"([\\w\\s./:]+?)\"");
for(String temp : result){
System.out.println(temp);
}
}
}