学步园

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

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());
			}
		}
	}
}