前言：在家中根本没有学习的心思与氛围，就想着睡觉与玩耍，今天决定看看正则表达式以及表达式的使用。
简单介绍
正则表达式用来处理复杂的文本，大部分的语言、数据库、文本编辑器、文本开发环境都支持正则表达式。
使用正则的流程：
- 分析所要匹配的数据，写出测试用的典型数据
- 在工具软件中进行匹配测试
- 在程序中调用通过测试的正则表达式
普通字符
字母、数字、汉子、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。
简单的转义字符
| \n | 代表换行符 |
|---|---|
| \t | 制表符 |
| \ | 代表\本身 |
| ^,$,(,),{},?,+,*,|,[,] | 匹配字符本身 |
标准字符集合
能够与‘多种字符’匹配的表达式
注意区分大小写，大写是相反的意思
| \d | 任意一个数字，0-9中任意一个 |
|---|---|
| \w | 任意一个字母或数字或下划线，也就是A |
| \s | 包括空格、制表符、换行符等空白字符中的其中任意一个 |
| . | 小数点可以匹配任意一个字符(除换行符)；如果要匹配包括“\n”在内的所有字符，一般使用[\s\S] |
自定义字符集合
[]方括号匹配方式，能够匹配方括号中的任意一个字符
| [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”之间任意的一个字母 |
| [^A-F0-3] | 匹配“” |
正则表达式的特殊符号，被包含到中括号中，失去特殊意义，除了^ 与-号之外。
标准字符集合，除了小数点外，如果被包含于中括号，自定义字符集合将包含该集合。例如：[\d.-+]将匹配：数字、小数点、+、-
量词(Quantifier)
| {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,} |
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)
字符边界
该标记匹配的不是字符，而是位置，符合某种条件的位置
| ^ | 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 |
\b匹配这样一个位置：前面的字符和后面的字符不全是\w(数字、字母、下划线)
选择符与分组
| 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考试自动编号。捕获元素编号为0的第一个捕获是由整个正则表达式模式匹配的文本。 |
| (?:Expression) | 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。
预搜索
- 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 |
| (?<!exp) | 断言此位置的前面不能匹配的表达式exp |
匹配练习
电话号码的匹配(固定电话)
1.电话号码有数字和-构成
2.电话号码为7~8位
3.如果电话号码中包含有区号，那么区号为三位或四位，首位是0
4.区号用-和其他部分隔开
5.移动电话号码为11位
6.11位移动电话号码的第一位和第二位为13,15,18
正则表达式： 0\d{2,3}-\d{7,9}
解释：以0开头，后面匹配两位或者三位数字，匹配“-”，匹配7位到9位的数字表示电话号码
移动电话正则：(1[35789]\d{9})
邮箱匹配
[\w\-]+@[a-z0-9A-Z]+(\.[A-Za-z]{2,4}){1,2}
常用正则列表
| 说明 | 正则表达式 |
|---|---|
| 匹配空白行 | [\u4e00-\u9fa5] |
| 匹配HTML标记 | \n\s*\r |
| 匹配首位空白字符 | <(\S*?)[^>]*>.*?<^\1>|<.*?/> |
| 匹配Email地址 | ^*|\s*$ |
| 匹配网址URL | \w+([-+.]\w+)|@\w+([-.]\w+)*\.\w+([-.]\w+)\ |
| 匹配国内电话号码 | [a-zA-Z]+://[^\s] |
| 匹配腾讯QQ号 | \d{3}-\d{8}|\d{4}-\d{7} |
| 匹配中国邮政编码 | [1-9][0-9]{4,} |
| 匹配身份证 | [1-9]\d{5}(?!\d) |
| 匹配ip地址 | \d+\.\d+\.\d+\.\d+ |
匹配正确的数字
匹配规则：
匹配正整数：”\d+”
匹配正小数：”\d+\.\d+”
匹配负整数：”-\d+”
匹配负小数：”-\d+\.\d+”
匹配保留两位小数的正数：”\d+\.\d{2}”
匹配保留1-3位小数的正数：”\d+\.\d{1,3}”
匹配合法的邮箱
匹配规则：
”[a-zA-Z_0-9]+@[a-zA-Z_0-9]+(\.[a-zA-Z_0-9]+)+”
”\w+@\w+(\.\w+)+”
Java中使用正则
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
//建立正则表达式，并启用相应模式
Pattern pat = Pattern.compiler(r,int);
类Matcher：通过解释Pattern对character sequence执行匹配操作的引擎
//匹配str字符串
Matcher mat = p.matcher(str);
public static void main(String[] args) {
// 正则表达式判断字符串是否满足表达式
// 表达式对象
Pattern part = Pattern.compile("\\w+");
// 创建Matcher对象
Matcher matcher = part.matcher("asfsdf2&&3323");
// 将整这个字符串与正则表达式匹配
boolean flag = matcher.matches();
// 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
// boolean find = matcher.find();
System.out.println(flag);
// System.out.println(find);
while (matcher.find()) {
System.out.println(matcher.group());
}
}字符串先关处理
public static void main(String[] args) {
// 表达式对象
Pattern p = Pattern.compile("[0-9]");
// 创建Match对象
Matcher matcher = p.matcher("aa232**ssd445*sds223");
// 替换 将字符串中的数字替换成#号
String newStr = matcher.replaceAll("#");
System.out.println(newStr);
// 分割
String str = "a,b,c";
String[] split = str.split(",");
System.out.println(Arrays.toString(split));
String str2 = "a232b225c663d";
String[] split2 = str2.split("\\d+");
System.out.println(Arrays.toString(split2));
}网络爬虫中的使用
public static void main(String[] args) {
String temp = getUrlContent("http://www.baidu.com", "utf8");
System.out.println(temp);
Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");
// Pattern p = Pattern.compile("href=\"(.+?)\"");
// Pattern p = Pattern.compile("href=\"([\\w\\s/:]+?)\"");
Matcher matcher = p.matcher(temp);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
private static String getUrlContent(String urlStr, String encode) {
StringBuilder sb = new StringBuilder();
try {
URL url = new URL(urlStr);
BufferedReader reader = new BufferedReader(
new InputStreamReader(url.openStream(), Charset.forName(encode)));
String temp = "";
while ((temp = reader.readLine()) != null) {
sb.append(temp);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return sb.toString();
}
