黑马程序员_温习 正则表达式 (个人笔记)摘要（正则表达式-----网页爬虫）

---------------------- <a href="http://edu.csdn.net"target="blank">ASP.Net+Android+IOS开发</a>、<a href="http://edu.csdn.net"target="blank">.Net培训</a>、期待与您交流！ ----------------------

摘要（正则表达式-----网页爬虫）

正则表达式：(字符串判断方式String)

|--匹配：matches

|--切割: split

|--替换: replaceAll

|--获取 上边三则综合应用

正则表达式包：java.util.regex

例（匹配）

一：模拟QQ登陆（只能是数字，第一位不能是0，总长度是5-15位）：

String qq = "23567"; //模拟输入QQ

String regex = "[1-9][0-9]{4-14}";//建立正则：第一位开始，是1-9的数字，第二位开始，是0-9数字并且长度为（4-14）位。

//（加上第一位，总长 5 - 15位）

boolean flag = qq.matches(regex); //调用matches方法，判断，

二：

"[a-zA-Z]\\d"-->第一位开始，是大小写字母,第二位开始，是0-9数字 (总长 2 位)

"[a-zA-Z]\\d?"-->第一位开始，是大小写字母，第二位可能没有。也可能有一位。数字0-9 （总长 1 -2 位）

"[a-zA-Z]\\d*"-->第一位开始，是大小写字母，第二位可能没有，也可能有很多位，数字0-9 （总长 1-？ 位）

"1[358]\\d{9}"-->第一位开始，是数字1 ， 第二位开始，是数字3.5.8 ，第三位开始，是数字0-9且有9位 （总长 13 位）

例（切割）

一：

String str = "zhang,long,zhao,hu";

String reg = ","; -->正则： 按逗号“，”切

String[] arr = str.spilt(reg); -->调用spilt方法，实现对str字符串用reg正则 切割

二：

" +"-->切割一个或多个“空格” 如“yue hao tian” -->"yuehaotian"

"\\."-->切割点"."

"\\"-->切割单斜杠"\"

"\\\\"-->切割双斜杠"\\"

"(.)\\1"-->括号为组概念"."代表任意字符"\1"代表，使用第一组，

全意为：第一位开始，是任意字符，第二位开始，和第一位相同（即，切割一对相同字符）

如"abccde11a"-->"ab","de","a"

"(.)\\1+"--->全意为切割两个或两个以上相同字符

组演示:

((A)(B(C)))有四组:

|--((A)(B(C)))

|--\A

|--(B(C))

|--(C)

例（替换）：

一：

String str = "ab1cd22e333f4";

String reg = "\\d(2,)" ;-->替换方式：将两个或两个以上数字

String newstr = "#"; --->替换为警号"#"

str = str.replaceAll(reg,newstr);-->调用replaceAll方法，传入参数

结果为："ab1cd#e#f4"

二：

String reg = "(.)\\1+";-->将两个或两个以上相同字符

String newstr = "$1"; -->替换为组1的字符 $ 符合代表使用第几组

全意为： 将重复出现的字符，替换成一个

如："abbbbccd"--->"abcd"

例（获取）

正则表达式：调用正则的原理 Pattern(正则对象) Matcher(匹配器)

String 类中的匹配，切割，替换，获取，都源自 Pattern类(正则对象)，和 Matcher类(匹配器)

一（取出连续的4个字母）

String str = "ming tian yao fang jia";

String reg = "\\b[a-z]{4}\\b";-->"\b"是单词边界，全意为：只有4个字母时满足（第一位前和最后一位后，不能使字母）

Pattern p = Pattern.compile(reg); -->将规则封装成 正则对象

Matcher m = p.matcher(str); -->将正则对象和字符串str相关联，获取匹配器

while (m.find()) -->find方法：开始匹配，（即，执行）

{

System.out.println(m.group()); -->打印每次匹配的子串

System.out.println(m.start()+"--"+m.end()); -->打印子串的头角标位，和尾角标位

}

结果为： ming

0--4

tian

5--9

fang

14--18

注意：：

m.matches();

while (m.find())

{

System.out.println(m.group());

System.out.println(m.start()+"--"+m.end());

}

结果为: false -->matches方法：将全体字符串进行匹配（结果为false，因为ming后边还有内容，全体字符不等于4个，所以不匹配）

tian

5--9

fang

14--18

怎么没有打印 ：ming

0--4

因为：matches方法，执行后，角标位已经不再0了，而在第4角标位上

这时再执行find，则从第4角标位开始查找，故没有打印ming

0--4

练习：将下面字符串转为：我要学编程

String str = "我我...我我....我要..要.....要要..要学........学学....学编...编程...程....程程程"

第一步：去掉"."

Str = str.replaceAll("\\.+","");

结果:"我我我我我要要要要要学学学学编编程程程程程"

第二步:将多个重复字符编程单个

Str = str.replaceAll("(.)\\1+","$1");

结果：我要学编程

练习二：将IP按数字大小，从小到大排列

String str = "192.168.0.244 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";

第一步：将位数统一（如：192 2 -->192 002）这样才能比较

|--每串数字前都加两个零”00“：str = str.replaceAll("(\\d+)","00$1");

|--去除多余的零:str=str.replaceAll("0*(\\d{3})","$1");

第二步:按空格” “切割

String[] arr = str.split(" +"); -->一个或多个空格都切

第三部：排序

Tree<String> ts = new TreeSet<String>(); -->用Tree的自然排序

for(String s : arr)

{

ts.add(s);

}

第四步：去掉补位用的零

for(String s : ts)

{

s.replaceAll("0*(\\d+)","$1");

}

打印结果: 2.2.2.2

8.109.90.30

10.10.10

102.49.23.13

192.168.1.254

练习（对邮件地址进行校验）

String mail = "abc12@sina.com"

较为精确地匹配:

String reg = "[a-zA-Z_0-9]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+"

简写：

String reg = "\\w+@\\w+(\\.\\w+)+";

练习（网页爬虫）：资源获取器，如：获取某网页的邮箱地址

import java.io.*;

import java.util.regex.*;

import java.net.*;

class Demo

{

public static void main(String[] args)throws Exception

{

URL url = new URL("http://..网页.."); //将网页封装成URl对象

URLConnection conn = url.openConnection(); //获取服务端对象

BufferedReader bufin = new BufferedReader(new InputStreamReader(conn.getInputStream()));//获取网络输入流

String line = null;

String mailreg = "\\w+@\\w+(\\.\\w+)+";//建立规则

Pattern p = Pattern.compile(mailreg); //将规则封装成正则对象

while ((line = bufin.readLine())!=null) //一行一行读取网络输入流数据

{

Matcher m = p.matcher(line); //每行数据都和正则对象，建立成匹配器

while (m.find()) //再执行匹配器，搜索匹配

{

System.out.println(m.group()); //将匹配的子串打印到控制

}

}

}

}

---------------------- <a href="http://edu.csdn.net"target="blank">ASP.Net+Android+IOS开发</a>、<a href="http://edu.csdn.net"target="blank">.Net培训</a>、期待与您交流！ ----------------------