Java基础---正则表达式

正则表达式

一、概述

1、 概念：符合一定规则的表达式。

2、 作用：用于专门操作字符串。

3、 特点：用于一些特定的符号来表示一些代码操作，这样可以简化书写。所以学习正则表达式，就是在学习一些特殊符号的使用。

4、 好处：可以简化对字符串的复杂操作。

5、 弊端：符合定义越多，正则越长，阅读性越差。

二、常见符号

说明：X表示字符X或者匹配的规则。

1、字符

x 字符 x

\\ 反斜线字符

\t 制表符 ('\u0009')

\n 新行（换行）符 ('\u000A')

\r 回车符 ('\u000D')

\f 换页符 ('\u000C')

\a 报警 (bell) 符 ('\u0007')

2、字符类

[abc] a、b或 c（简单类）

[^abc] 任何字符，除了 a、b或 c（否定）

[a-zA-Z] a到 z或 A 到 Z，两头的字母包括在内（范围）

[a-d[m-p]] a到 d或 m 到 p：[a-dm-p]（并集）

[a-z&&[def]] d、e或 f（交集）

[a-z&&[^bc]] a到 z，除了 b和 c：[ad-z]（减去）

[a-z&&[^m-p]] a到 z，而非 m到 p：[a-lq-z]（减去）

3、预定义字符类

. 任何字符（与行结束符可能匹配也可能不匹配）

\d 数字：[0-9]

\D 非数字： [^0-9]

\s 空白字符：[ \t\n\x0B\f\r]

\S 非空白字符：[^\s]

\w 单词字符：[a-zA-Z_0-9]

\W 非单词字符：[^\w]

4、边界匹配器

^ 行的开头

$ 行的结尾

\b 单词边界

\B 非单词边界

\A 输入的开头

\G 上一个匹配的结尾

\Z 输入的结尾，仅用于最后的结束符（如果有的话）

\z 输入的结尾

5、Greedy数量词

X? X，一次或一次也没有

X* X，零次或多次

X+ X，一次或多次

X{n} X，恰好 n次

X{n,} X，至少 n次

X{n,m} X，至少 n次，但是不超过 m 次

6、组和捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C)))中，存在四个这样的组：

1 ((A)(B(C)))

2 \A

3 (B(C))

4 (C)

组零始终代表整个表达式。在替换中常用$匹配组的内容。

三、正则表达式具体功能

主要有四种具体功能：匹配、切割、替换和获取

1、匹配：String类中的booleanmatches(String regex)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。

示例：

[java] view plaincopy

class MatchesDemo

{

/*

对QQ号码进行校验

要求：5~15 0不能开头，只能是数字

*/

//方式一，不用正则表达式

public static void qqCheck_1(String qq)

{

if (!qq.startsWith("0"))

{

if (qq.length()>=5&&qq.length()<=15)

{

try

{

Long l=Long.parseLong(qq);//利用封装基本数据类型出现非数字报异常的特点

System.out.println(qq);

}

catch (NumberFormatException e)

{

System.out.println("包含非法字符！");

}

}

else

System.out.println("你输入的长度非法！");

}

else

System.out.println("没有0开头的号码，请重输！");

}

//方式二，用正则来实现

public static void qqCheck_2(String qq)

{

String regex="[1-9]\\d{4,14}";

if (qq.matches(regex))//用String类中matches方法来匹配

{

System.out.println(qq);

}

else

System.out.println(qq+":是非法的号码！");

}

/*

匹配

手机号段只有 13xxx 15xxx 18xxxx

*/

public static void phoneCheck(String phone)

{

String regex="1[358]\\d{9}";

if (phone.matches(regex))

{

System.out.println(phone+":::is ok..");

}

else

System.out.println("手机号码输入有误！");

}

public static void main(String[] args)

{

String qq="125696";

qqCheck_1(qq);//不用正则的方式

qqCheck_2(qq);//用正则的方式

String phone="13345678910";

phoneCheck(phone);//匹配手机号码是否正确

}

}

2、切割：String类中的String[]split(String regex)方法。

示例：

[java] view plaincopy

class SplitDemo

{

public static void main(String[] args)

{

String regex1="\\.";//按 .切

String regex2=" +";//按空格切，可能有一个空格或者多个空格

String regex3="(.)\\1+";//按照出现两次或者以上的叠词切

String[] arr="192.168.1.62".split(regex1);//按 . 切

print(arr);

arr ="wo shi shui 545 21 3".split(regex2);//按空格切

print(arr);

arr="erkktyqqquizzzzzo".split(regex3);//按叠词切

print(arr);

}

//遍历

public static void print(String[] arr)

{

for (String s : arr)

{

System.out.println(s);

}

}

}

说明：

按叠词完成切割：为了让规则被重用，可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通过\n（n就是组的编号）的形式来获取。

对于组中所匹配的字符，可以用$n来获取。$在正则中表示行的结尾，所以出现在正则中不能用来表示组，一般用于替换中。如下面功能中。

3、替换： String replaceAll(String regex,String replacement)方法。

示例：

[java] view plaincopy

class ReplaceDemo

{

public static void main(String[] args)

{

String regex1="\\d{5,}";//将字符串中数字替换成#

String regex2="(.)\\1+";//将叠词替换为一个

String s1="erej569831217woshi2659810wosxs12356f";

s1=s1.replaceAll(regex1,"#");//将字符串中的数字替换成#

String s2="erkktyqqquizzzzzo";

s2=s2.replaceAll(regex2,"$1");//将叠词替换为一个,其中$1表示符合组中一个字符

System.out.println("s1:"+s1);

System.out.println("s2:"+s2);

}

}

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淘宝开店。

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。

示例：

[java] view plaincopy

import java .util.regex.*;

class PatternDemo

{

public static void main(String[] args)

{

String s= "ming tian jiu yao fang jia le ,da jia。";

String regex="\\b[a-z]{4}\\b";

get(s,regex);

}

public static void get(String s,String regex)

{

//将规则封装成对象。

Pattern p=Pattern.compile(regex);

//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(s);

//System.out.println(m.matches());

//其实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。

while(m.find())//find()方法是将规则作用到字符串上，并进行符合规则的子串查找。

{

System.out.println(m.group());//group()方法用于获取匹配后结果。

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

//start()和end()分别表示匹配字符的开始和结尾的索引

}

}

}

四、练习

四种功能的选择（思路方式）：

1）如果只想知道该字符是否对是错，使用匹配伤感的句子。

2）想要将已有的字符串变成另一个字符串，替换。

3）想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。

4）想要拿到符合需求的字符串子串，获取。获取符合规则的子串。

练习1

[java] view plaincopy

/*

练习：

需求：将下列字符串转成：我要学编程

"我我...我..我要...要...要要....学学....学学学......编编编...程...程程...."

思路：

将已有字符串变成另一个字符串。使用替换功能。

1、可以先将 . 去掉。

2、再将多个重复的内容变成单个内容。

*/

class ReplaceTest

{

public static void main(String[] args)

{

String s="我我...我..我要...要...要要....学学....学学学......编编编...程...程程....";

System.out.println(s);

String regex="\\.+";//先将 . 去掉

s=s.replaceAll(regex,"");//去掉 .

System.out.println(s);

regex="(.)\\1+";//将重复的内容变成单个内容

s=s.replaceAll(regex,"$1");//去重

System.out.println(s);

}

}

练习2

[java] view plaincopy

/*

需求：

将ip地址进行地址段顺序的排序。

192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301

思路：

还按照字符串自然顺序，只要让他们每一段都是3位即可。

1、按照每一段需要的最多的0进行补齐，那么每一段就会至少保证有3位。

2、将每一段只保留3位。这样，所有的ip地址都是每一段3位。

*/

import java.util.*;

class IPSortTest

{

public static void main(String[] args)

{

String ip="192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301";

System.out.println(ip);

String regex="(\\d+)";

ip=ip.replaceAll(regex,"00$1");//保证每段至少都有三位-------------

System.out.println(ip);

regex="0*(\\d{3})";

ip=ip.replaceAll(regex,"$1");//每段只保留三位

System.out.println(ip);

regex=" ";

String[] arr=ip.split(regex);//按照空格切

//定义一个TreeSet集合，利用元素自然排序

TreeSet<String > ts=new TreeSet<String>();

for (String str : arr )

{

ts.add(str);//添加

}

regex="0*(\\d)";//把每段前面多余的0替换掉

for (String s : ts)

{

System.out.println(s.replaceAll(regex,"$1"));//把每段前面多余的0替换掉

}

}

}

练习3

[java] view plaincopy

//需求：对邮件地址进行校验。

class CheckMail

{

public static void main(String[] args)

{

String mail="123a809bc@sina.com.cn";

String regex="\\w+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//较为精确

regex="\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。

boolean b=mail.matches(regex);

System.out.println(b);

}

}

练习4

[java] view plaincopy

/*

网络爬虫（蜘蛛）

实际上是一个功能，用于搜集网络上的指定信息

需求：可用于收集邮箱，qq号等之类的信息。

应用：如通过关键字搜索blog，实际就是使用的“蜘蛛”，通过查找关键字获取相关的blog

*/

import java.net.*;

import java.util.regex.*;

import java.io.*;

class Spider

{

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

{

//getFileMail();

getWebMail();

}

//获取网页中mail

public static void getWebMail()throws Exception

{

//封装网页地址

URL url=new URL("http://tieba.baidu.com/p/1390896758");

//连接服务器

URLConnection conn=url.openConnection();

//带缓冲区的网页读取流

BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));

String line=null;

//定义匹配邮件地址的正则表达式

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

Pattern p=Pattern.compile(regex);//封装正则表达式

//读取网页数据

while ((line=br.readLine())!=null)

{

//正则关联数据

Matcher m=p.matcher(line);

//寻找匹配邮箱

while (m.find())

{

System.out.println(m.group());//输出匹配邮箱

}

}

}

//获取指定文档中的邮件地址。使用获取功能。Pattern Matcher

public static void getFileMail()throws Exception

{

//将文件封装成对象

File file=new File("E:\\Java Study\\Practice\\day25\\mail.txt");

//创建带缓冲区的读取流

BufferedReader br=new BufferedReader(new FileReader(file));

String line=null;

//定义正则表达式

String regex="\\w+@[a-zA-Z]+(\\.[a-zA-z]+)+";

//创建Pattern对象，封装正则表达式

Pattern p=Pattern.compile(regex);

//读取文件中数据

while ((line=br.readLine())!=null)

{

//关流字符串

Matcher m=p.matcher(line);

while (m.find())//寻找匹配的字符串

{

System.out.println(m.group());//输出匹配的字符串

}

}

}

}