正则表达式的概念
什么是正则表达式
正则表达式可以用来做什么
- 验证字符串是否符合指定特征,比如验证是否是合法的邮件地址。
- 用来查找字符串,从一个长的文本中查找符合指定特征的字符串,比查找固定字符串更加灵活方便。
- 用来替换,比普通的替换更强大。
弊端:符号定义越多,正则越长,阅读性越差。
正则表达式是怎么做到这些的
正则表达式的规则
1 普通字符
字母、数字、汉字、下划线、以及后边章节中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
一些不便书写的字符,采用在前面加 "\" 的方法。这些字符其实我们都已经熟知了。 还有其他一些在后边章节中有特殊用处的标点符号,在前面加 "\" 后,就代表该符号本身。比如:^, $ 都有特殊意义,如果要想匹配字符串中 "^" 和 "$" 字符,则表达式就需要写成 "\^" 和 "\$"。这些转义字符的匹配方法与 "普通字符" 是类似的。也是匹配与之相同的一个字符。
3 能够与 '多种字符' 匹配的表达式
正则表达式中的一些表示方法,可以匹配 '多种字符' 其中的任意一个字符。比如,表达式 "\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符,但是只能是一个,不是多个。这就好比玩扑克牌时候,大小王可以代替任意一张牌,但是只能代替一张牌。
4 自定义能够匹配 '多种字符' 的表达式
使用方括号 [ ] 包含一系列字符,能够匹配其中任意一个字符。用 [^ ] 包含一系列字符,则能够匹配其中字符之外的任意一个字符。同样的道理,虽然可以匹配其中任意一个,但是只能是一个,不是多个。
5 修饰匹配次数的特殊符号
前面章节中讲到的表达式,无论是只能匹配一种字符的表达式,还是可以匹配多种字符其中任意一个的表达式,都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号,那么不用重复书写表达式就可以重复匹配。 使用方法是:"次数修饰"放在"被修饰的表达式"后边。比如:"[bcd][bcd]" 可以写成 "[bcd]{2}"。
6 其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义,一些符号可以影响表达式内部的子表达式之间的关系:| 左右两边表达式之间 "或" 关系,匹配左边或者右边,( ) (1). 在被修饰匹配次数的时候,括号中的表达式可以作为整体被修饰,(2). 取匹配结果的时候,括号中的表达式匹配到的内容可以被单独得到
更详细的可以参考:这里
Java 对正则表达式的支持
java 对于正则表达式的支持主要在两个地方,一个是 String 类,一个是 java.util.regex 包,主要提供了一下功能:
1、匹配:String matches 方法。用规则匹配整个字符串,只要有一处不符合规则,就匹配结束,返回false。
2、切割:String split();
3、替换:String replaceAll(regex,str);如果regex中有定义组,可以在第二参数中通过$符号获取正则表达式中的已有的组。
4、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。
Pattern 类
java.util.regex 包中,没有构造方法,使用静态方法 compile 返回本类对象调用本类方法.
常用方法:
Matcher matcher(CharSequence input)
创建匹配给定输入与此模式的匹配器。
其他参阅API.
public Matcher matcher(CharSequence input)
返回的是Matcher类
可是使用Matcher类的功能来操作字符串.
Matcher 类
Pattern 和 Matcher 的关系
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。
1.匹配
校验QQ号码
public static void checkQQ() { String qq = "123a454"; // 规则是,第一位1-9,剩下4-14位全是数字. String regex = "[1-9]\\d{4,14}"; boolean flag = qq.matches(regex); if (flag) System.out.println(qq + "...is ok"); else System.out.println(qq + "... 不合法"); }
校验手机号
public static void checkTel() { String tel = "16900001111"; // 规则是,第一位必须是1,第二位是3,5,8,其余九位都是数字\\d也就是0-9的意思 String telReg = "1[358]\\d{9}"; System.out.println(tel.matches(telReg)); }
2.切割
splitDemo("zhangsan.lisi.wangwu","\\.");
按.切割"."因为.在正则里是任意字符所以要加\,但是一个\还不行, "."就被转义了所以要加两个
splitDemo("c:\\abc\\a.txt","\\\\");
按\\切割 ,一个会被转义,所以前面需要在加一个 也就是\\ \\
splitDemo("erkktyqqquizzzzzo","(.)\\1+");
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。
如果要是多组组成的话就看左括号
例如: ((A)(B(C)))就是4组
3.替换
String str = "wer1389980000ty1234564uiod234345675f";
replaceAllDemo(str,"\\d{5,}","#");
将字符串中的数组替换成#。 \\d是所有数字也就是0-9,{5,}代表五个或者五个以上的都替换成#.
String str1 = "erkktyqqquizzzzzo";
replaceAllDemo(str1,"(.)\\1+","$1");
将叠词替换成$. 将重叠的字符替换成单个字母。
(.)代表任意字符的组.\\1+代表获取上一个组,$1.是将组替换成一个.比如zzzz->z这个样子的意思
public static void replaceAllDemo(String str, String reg, String newStr) { str = str.replaceAll(reg, newStr); System.out.println(str); }
4.获取
import java.util.regex.*; class RegexDemo2 { public static void main(String[] args) { getDemo(); } public static void getDemo() { String str = "ming tian jiu yao fang jia le ,da jia。"; System.out.println(str); // 定义规则.\\b单词边界...[a-z]{4}是字母a-z并且连续出现4次 String reg = "\\b[a-z]{4}\\b"; // 将规则封装成对象。 Pattern p = Pattern.compile(reg); // 让正则对象和要作用的字符串相关联。获取匹配器对象。 Matcher m = p.matcher(str); while (m.find())// 因为查找方法类似于迭代器.可以循环 { System.out.println(m.group());// 用于获取匹配后结果。 System.out.println(m.start() + "...." + m.end());// 长度.比如ming就是0-4,tian就是5-9 } } }
5.网页爬虫
/* 网页爬虫(蜘蛛) */ import java.io.*; import java.util.regex.*; import java.net.*; import java.util.*; class RegexTest2 { public static void main(String[] args) throws Exception { getMails_1(); } // 获取网页上的邮件信息 public static void getMails_1() throws Exception { URL url = new URL("http://192.168.1.254:8080/myweb/mail.html"); URLConnection conn = url.openConnection(); BufferedReader bufIn = new BufferedReader(new InputStreamReader( conn.getInputStream())); String line = null; String mailreg = "\\w+@\\w+(\\.\\w+)+"; Pattern p = Pattern.compile(mailreg); while ((line = bufIn.readLine()) != null) { Matcher m = p.matcher(line); while (m.find()) { System.out.println(m.group()); } } } /* * 获取指定文档中的邮件地址。 使用获取功能。Pattern Matcher */ public static void getMails() throws Exception { BufferedReader bufr = new BufferedReader(new FileReader("mail.txt")); String line = null; String mailreg = "\\w+@\\w+(\\.\\w+)+"; Pattern p = Pattern.compile(mailreg); while ((line = bufr.readLine()) != null) { Matcher m = p.matcher(line); while (m.find()) { System.out.println(m.group()); } } } }