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
(?<!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<String> getMatherSubstrs(String destStr,String regexStr){
//Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");//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<String> result =new ArrayList<String>();
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<String> result = getMatherSubstrs(destStr, "href=\"([\\w\\s./:]+?)\""); for(String temp : result){
System.out.println(temp);
}
}
}

最新文章

  1. powershell读写磁盘变量(对象序列化)
  2. Scrum Meeting---Seven(2015-11-2)
  3. 利用PHP生成二维码(转)
  4. 使用VirtualBox SDK之初步编译
  5. css3实现图片旋转效果
  6. Android逆向分析(2) APK的打包与安装背后的故事
  7. BZOJ4962 : 简单的字符串
  8. QT开发环境安装配置教程
  9. [NOIP2018]保卫王国(树形dp+倍增)
  10. Drupal错误:drupal Maximum execution time of 30 seconds exceeded database in解决方法
  11. Python3基础 list 推导式 生成与已知列表等长度+元素为0的列表
  12. php中的释放语句unset和释放函数mysql_free_result()
  13. Scrum Meeting 10.28
  14. 从volatile说到i++的线程安全问题
  15. asp.net web 应用站点支持域账户登录
  16. DAO,SERVICE
  17. Eclipse 连接真实机器调试
  18. BZOJ2738:矩阵乘法——题解
  19. iOS网络访问之使用AFNetworking
  20. Android(java)学习笔记24:自定义异常类

热门文章

  1. MySQL8.0.20安装教程图文详解,MySQL8.0.20安装教程winodws10
  2. 数据库的高可用MHA实验步骤
  3. 11.5.1 LVS-DR 实验
  4. Spatial Statistics Tools(空间统计工具)
  5. redis学习笔记-02 list列表类型命令
  6. Vulnstack内网靶场2
  7. Winform同步调用异步函数死锁原因分析、为什么要用异步
  8. javascript-jquery插件
  9. 学习笔记-React的简单介绍&amp;工作原理
  10. JavaScript之原型与原型链