黑马程序员——第四篇_正则表达式

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流！ -------

一、概述：
　　正则表达式：符合一定规则的表达式。
　　作用：用于专门操作字符串。可以简化对只付出的复杂操作。
　　特点：用于一些特定的符号来表示一些代码操作。简化书写。
　　弊端：符号定义越多，正则越长，阅读性越差。
　　例如：对QQ号进行校验，要求5~15位，0不能开头，只能是数字。
　　如果用String 类中的组合方法进行校验：

1 //    String类中的方法组合：
2     public static void checkQQ_1(String qq) {
3         int len = qq.length() ;
4
5         if (len > 15 || len < 5) {
6             System.out.println("长度错误。");
7         }
8         else {
9             if (qq.startsWith("0")){
10                 System.out.println("不能以0开头。");
11             }
12             else {
13
14                 try {
15                     long q = Long.parseLong(qq) ;
16                     System.out.println("qq:"+q);
17                 }
18                 catch(NumberFormatException e ) {
19                     System.out.println("出现非法字符。");
20                 }
21             }
22         }
23     }

　　但是如果使用正则表达式：

1 //    正则表达式：
2     public static void checkQQ(String qq) {
3 //        定义正则表达式规则：第一位是1-9中的一个，然后0-9中的数字出现4-14次。
4         String regex = "[1-9][0-9]{4,14}" ;
5         boolean flag = qq.matches(regex) ;
6         if (flag)
7             System.out.println(qq+":ok");
8         else
9             System.out.println(qq+":不合法");
10     }

　　总结：使用正则表达式操作字符串。可以简化对只付出的复杂操作。
二、常用正则表达式规则
　　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） 

 

　　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] 

 

　　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 

 

　　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
三、正则表达式具体操作
　　1、匹配： boolean matches(String regex)  用规则匹配整个字符串，只要有一处不符合规则就返回false。
　　总结：如果只想知道该字符串是对是错，使用匹配。
　　练习：匹配手机号码：通常手机号码是11位，而开头一般是13、15、18。

1 public static void checkPhone(){
2         String phone = "13821918343" ;
3         String regex = "1[358]\\d{9}" ;
4         System.out.println(phone.matches(regex));
5     }

　　regex 的规则是：第一个数字为1，第二个数字是3、5和8中的其中一个，后面由9个0~9中的数字组成。
　　
　　2、切割： String[] split(String regex) ; 按照切割规则将字符串切割成多个子串。
　　总结：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。
　　
　　3、替换：boolean replaceAll(String regex, String replacement) 使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。
　　总结：想要将已有的字符串变成另一个字符串，则使用替换。
　　练习：将下列字符串转成：我要学编程。
　　 "我我我我...我要...要要要...学学..学编..编编编编编编编....编程.程...程程程..程"
　　思路：先去掉"."，然后将重叠字替换。

1     public static void test_1() {
2         String str = "我我我我...我要...要要要...学学..学编..编编编编编编编....编程.程...程程程..程" ;
3 //        将正则表达式封装成对象：
4         String regex_1 = "\\.+" ;
5         String regex_2 = "(.)\\1+" ;
6         String str_r = str.replaceAll(regex_1, "") ;
7         System.out.println(str_r);
8         System.out.println(str_r.replaceAll(regex_2, "$1"));
9     }<
b04c
/pre>

　　总结：“(.)” 表示将任意字符封装成组，“\1”表示取第1组。“$1”，也是相当于取第一组的意思。
　　
　　4、获取：将字符串中符合规则的子串取出 
　　步骤：

     　　1、将正则表达式封装成对象。Pattern p = Pattern.complite(regex) ;

     　　2、让正则对象和要操作的字符串相关联，获取正则匹配引擎。Matcher m = p.matcher(string) ; 

     　　3、通过引擎对符合规则的子串进行操作。
四、练习
　　练习：将IP地址进行地址段顺序的排序。 192.223.1.234 102.49.23.13 10.10.10.10 1.1.1.1 8.109.90.30
　　思路：按照字符串的顺序排序。但是前提是要让它们每一位都是3位。则是在前面补0。
　　1、按照每一段需要的最多的0进行补齐，所以每一位至少有3位。
　　2、然后将每一段只保留3位。
　　3、切割出每一个IP地址，去掉0开头。

 1 public static void test_1() {
2         String str = "192.223.1.234 102.49.23.13 10.10.10.10 1.1.1.1 8.109.90.30" ;
3 //        补齐:最多补2个0；
4         str = str.replaceAll("(\\d+)", "00$1");
5         System.out.println("补0后："+str);
6 //        每一段只保留3位；
7         str = str.replaceAll("0*(\\d{3})", "$1") ;
8         System.out.println("去0后："+str);
9 //        切割
10         String[] ips = str.split(" ") ;
11 //        排序
12         TreeSet<String> ipSet = new TreeSet<String>() ;
13
14         for(String ip : ips) {
15             ipSet.add(ip) ;
16         }
17 //        去掉开头的0;
18         for(String ip : ipSet) {
19             System.out.println(ip.replaceAll("0*(\\d+)", "$1"));
20         }
21     }


　　
　　练习：网页爬虫：获取网页上的邮箱。
　　即按照自己的规则，去获取网页上面的数据：网页爬虫。
　　获取邮箱则要定义邮箱的正则表达式：
　　较为精确的匹配：\w+@[\w&&[^_]]+(\.[a-zA-z]+)+
　　相对不太精确的匹配：\w+@\w+(\.\w+)+

1 import java.net.*;
2 import java.util.regex.*;
3 import java.io.*;
4 public class RegexTest2 {
5     public static void main(String[] args)throws Exception {
6         getEmail() ;
7     }
8     public static void getEmail() throws Exception {
9         URL url = new URL("http://tieba.baidu.com/p/2358578408") ;
10         URLConnection conn = url.openConnection() ;
11         BufferedReader bufr =
12             new BufferedReader(new InputStreamReader(conn.getInputStream())) ;
13 //        定义正则规则,将正则表达式封装成对象。
14         String regex = "\\w+@[\\w&&[^_]]+(\\.[a-zA-z]+)+" ;
15         Pattern p = Pattern.compile(regex) ;
16
17         String line = null ;
18         while((line=bufr.readLine())!=null) {
19             Matcher m = p.matcher(line) ;
20             while(m.find()) {
21                 System.out.println(m.group());
22             }
23         }
24     }
25 }


　　总结：Matcher 类中封装了许多对匹配字符的操作。