热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

正则表达式&&Java文本复杂操作

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:

  • IGNORECASE 忽略大小写模式

    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。

  • SINGLELINE 单行模式

    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。

  • MULTILINE 多行模式

    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*?)[^>]*>.*?|<.*? />
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);
        }
    }
}

 


推荐阅读
  • 纠正网上的错误:自定义一个类叫java.lang.System/String的方法
    本文纠正了网上关于自定义一个类叫java.lang.System/String的错误答案,并详细解释了为什么这种方法是错误的。作者指出,虽然双亲委托机制确实可以阻止自定义的System类被加载,但通过自定义一个特殊的类加载器,可以绕过双亲委托机制,达到自定义System类的目的。作者呼吁读者对网上的内容持怀疑态度,并带着问题来阅读文章。 ... [详细]
  • Spring特性实现接口多类的动态调用详解
    本文详细介绍了如何使用Spring特性实现接口多类的动态调用。通过对Spring IoC容器的基础类BeanFactory和ApplicationContext的介绍,以及getBeansOfType方法的应用,解决了在实际工作中遇到的接口及多个实现类的问题。同时,文章还提到了SPI使用的不便之处,并介绍了借助ApplicationContext实现需求的方法。阅读本文,你将了解到Spring特性的实现原理和实际应用方式。 ... [详细]
  • Java太阳系小游戏分析和源码详解
    本文介绍了一个基于Java的太阳系小游戏的分析和源码详解。通过对面向对象的知识的学习和实践,作者实现了太阳系各行星绕太阳转的效果。文章详细介绍了游戏的设计思路和源码结构,包括工具类、常量、图片加载、面板等。通过这个小游戏的制作,读者可以巩固和应用所学的知识,如类的继承、方法的重载与重写、多态和封装等。 ... [详细]
  • Iamtryingtomakeaclassthatwillreadatextfileofnamesintoanarray,thenreturnthatarra ... [详细]
  • 本文讨论了一个关于cuowu类的问题,作者在使用cuowu类时遇到了错误提示和使用AdjustmentListener的问题。文章提供了16个解决方案,并给出了两个可能导致错误的原因。 ... [详细]
  • 本文介绍了Java高并发程序设计中线程安全的概念与synchronized关键字的使用。通过一个计数器的例子,演示了多线程同时对变量进行累加操作时可能出现的问题。最终值会小于预期的原因是因为两个线程同时对变量进行写入时,其中一个线程的结果会覆盖另一个线程的结果。为了解决这个问题,可以使用synchronized关键字来保证线程安全。 ... [详细]
  • [大整数乘法] java代码实现
    本文介绍了使用java代码实现大整数乘法的过程,同时也涉及到大整数加法和大整数减法的计算方法。通过分治算法来提高计算效率,并对算法的时间复杂度进行了研究。详细代码实现请参考文章链接。 ... [详细]
  • 标题: ... [详细]
  • 前景:当UI一个查询条件为多项选择,或录入多个条件的时候,比如查询所有名称里面包含以下动态条件,需要模糊查询里面每一项时比如是这样一个数组条件:newstring[]{兴业银行, ... [详细]
  • IjustinheritedsomewebpageswhichusesMooTools.IneverusedMooTools.NowIneedtoaddsomef ... [详细]
  • Python爬虫中使用正则表达式的方法和注意事项
    本文介绍了在Python爬虫中使用正则表达式的方法和注意事项。首先解释了爬虫的四个主要步骤,并强调了正则表达式在数据处理中的重要性。然后详细介绍了正则表达式的概念和用法,包括检索、替换和过滤文本的功能。同时提到了re模块是Python内置的用于处理正则表达式的模块,并给出了使用正则表达式时需要注意的特殊字符转义和原始字符串的用法。通过本文的学习,读者可以掌握在Python爬虫中使用正则表达式的技巧和方法。 ... [详细]
  • MySQL语句大全:创建、授权、查询、修改等【MySQL】的使用方法详解
    本文详细介绍了MySQL语句的使用方法,包括创建用户、授权、查询、修改等操作。通过连接MySQL数据库,可以使用命令创建用户,并指定该用户在哪个主机上可以登录。同时,还可以设置用户的登录密码。通过本文,您可以全面了解MySQL语句的使用方法。 ... [详细]
  • 本文介绍了Oracle存储过程的基本语法和写法示例,同时还介绍了已命名的系统异常的产生原因。 ... [详细]
  • Android实战——jsoup实现网络爬虫,糗事百科项目的起步
    本文介绍了Android实战中使用jsoup实现网络爬虫的方法,以糗事百科项目为例。对于初学者来说,数据源的缺乏是做项目的最大烦恼之一。本文讲述了如何使用网络爬虫获取数据,并以糗事百科作为练手项目。同时,提到了使用jsoup需要结合前端基础知识,以及如果学过JS的话可以更轻松地使用该框架。 ... [详细]
  • Gitlab接入公司内部单点登录的安装和配置教程
    本文介绍了如何将公司内部的Gitlab系统接入单点登录服务,并提供了安装和配置的详细教程。通过使用oauth2协议,将原有的各子系统的独立登录统一迁移至单点登录。文章包括Gitlab的安装环境、版本号、编辑配置文件的步骤,并解决了在迁移过程中可能遇到的问题。 ... [详细]
author-avatar
GIfi炬辉_904
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有