java正则表达式

标签：line   static   exce   默认   strong   第一个   replace   app   启用   

正则表达式定义了字符串的模式。
正则表达式可以用来搜索、编辑或处理文本。
正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

java正则相关类

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

demo

package com.zgx.regex;

import org.junit.Before;
import org.junit.Test;

import java.util.Arrays;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * java正则表达式
 */
public class RegexTest {
    Matcher m;
    Matcher m2;
    @Before
    public void demo(){
        //在java中遇到转义字符\一个要写成两个
        //表达式对象
        Pattern p = Pattern.compile("\\w+");//匹配所有字符数字下划线
        //创建Matcher对象
        m = p.matcher("adsfads2452345");
        m2 = p.matcher("adsfads&&2452345");
    }

    @Test
    public void demo01(){
        //matches方法尝试将整个字符串与该模式匹配
        System.out.println(m.matches());//true
        System.out.println(m2.matches());//false
    }

    @Test
    public void demo02(){
        //find方法扫描输入的序列，查找与该模式匹配的下一个子序列
        System.out.println(m2.find());//true
        System.out.println(m2.find());//true
        System.out.println(m2.find());//false
    }

    //分组匹配
    @Test
    public void demo03(){
        //分组匹配
        Pattern p = Pattern.compile("([a-z]+)([0-9]+)");
        Matcher m3 = p.matcher("adf132**adf465**fjf13");
        //group(),group(0)表示匹配这个表达式的字字符串（返回find发现的字符串的所有值）
        while (m3.find()){
            //下面结果为第一次循环的值
            System.out.println(m3.group());//adf132  将find找的的内容全部返回
            System.out.println(m3.group(0));//adf132 将find找的的内容全部返回
            System.out.println(m3.group(1));//adf    将find找的的内容第一个分组内匹配到的数据
            System.out.println(m3.group(2));//132    将find找的的内容第二个分组匹配到的数据
        }
    }
    //替换
    @Test
    public void demo04(){
        //分组匹配
        Pattern p = Pattern.compile("([0-9])");
        Matcher m4 = p.matcher("adf132**adf465**fjf13");
        String newStr = m4.replaceAll("#");
        System.out.println(newStr);//adf###**adf###**fjf##
    }
    //分割
    @Test
    public void demo05(){
        String str = "adf132**adf465**fjf13";
        String[] strings = str.split("\\d+");
        System.out.println(Arrays.toString(strings));//[adf, **adf, **fjf]
    }
}

爬虫demo（获取网易首页全部URL）

package com.zgx.regex;

import org.junit.Test;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.nio.charset.Charset;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class CrawlerTest {

    /**
     * 获取urlStr对应的网页的源码内容
     * @param urlStr
     * @return
     */
    public static String getURLContent(String urlStr){
        StringBuilder str = new StringBuilder();
        try {
            URL url = new URL(urlStr);
            BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(), Charset.forName("gbk")));
            String temp="";
            while ((temp=reader.readLine())!=null){
                str.append(temp);
            }
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return str.toString();
    }

    @Test
    public void demo01(){
        String str = getURLContent("http://www.163.com");
        //表达式对象
        Pattern p = Pattern.compile("href=\"(.+?)\"");
        Matcher m = p.matcher(str);
        while (m.find()){
            System.out.println(m.group(1));
        }
    }
}

正则表达式语法

1、普通字符

字母、数字、汉字、下划线、以及没有特殊意义的标点符号都是“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

3、标准字符集合（注意区分大小写，大写是相反的意思）

注：\D是指一个非数字

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
| 字符 | 含义 |
| --- | --- |
| [ab5@] | 匹配“a”，“b”，“5”，“@” |
| [f-k] | 匹配“f”-“k”之间的任意一个字母 |
| [^ f-k] | ^在方括号里面表示取反 |

注：特殊符号被包含在中括号中就失去了特殊意义，除了^和-
标准字符集合除小数点外，如果被包含于中括号中，自定义字符集合就将包含该集合
[\d.-+]将匹配：数字、小数点、+-

5、量词

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）

6、字符边界（匹配的不是字符而是位置）

7、正则表达式的匹配模式

• 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
  • 真个文本看做一个字符串，只有一个开头，一个结尾。
  • 使用小数点“.”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，如果需要进匹配字符串开始和结束位置，可以使用\A和\Z

8、选择和分组

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。

9、预搜索（零宽断言）

java正则表达式

标签：line   static   exce   默认   strong   第一个   replace   app   启用   

原文地址：https://www.cnblogs.com/zhangguangxiang/p/11974282.html