java中的正则表达式

正则表达式：符合一定规则的表达式

作用：专门用于操作字符串

用一些特定的符号来表示一些代码操作，这样就简化书写，所以学习正则表达式就是在学习一些特殊符号的使用。

好处：可以简化对字符串的复杂操作

弊端:符号定义越多，正则越长，阅读性越差

具体操作功能：

1、            匹配：String matches方法，用规则匹配整个字符串，只要有一处不符合，就匹配结束，返回false

2、        切割：按照叠词完成切割，为了可以让规则的结果可以被重用，可以将规则封装成一个组，用（）完成，组的出现都有编号，从一开始，想要使用已有的组可以通过\n（n就是租的编号）如：“（.）\\1+” 
------按照任意多的叠词切

3、            替换：String  replaceAll（）

将重叠的字符替换成单个字符，$获取组的元素！

4、           获取：将字符串中符合规则的子串取出

操作步骤：

A、将正则表达式封装成对象

B、让正则对象和要操作的字符串相关联

C、关联后，获取正则匹配引擎

D、通过引擎对符合规则的子串进行操作，比如取出

获取的实例：

import java.util.regex.*;

class RegexDemo2

{

       public static void main(String[] args)

       {

              getDemo();

       }

       public static void getDemo()

       {

              String str="ni hao ma ye xu ceng jing de ni yao hao yi xie !";

              System.out.println(str);

              String regex="\\b[a-zA-Z]{3}\\b";

              Pattern p=Pattern.compile(regex);//将正则表达式封装成对象

              Matcher m=p.matcher(str);//将正则对象和要操作的字符串相关联

              while(m.find())

              {

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

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

              }

       }

}

 
正则表达式的构造摘要

构造	匹配
字符
x	字符 x
\\	反斜线字符
\0n	带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn	带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh	带有十六进制值 0x 的字符 hh
\uhhhh	带有十六进制值 0x 的字符 hhhh
\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')
\e	转义符 ('\u001B')
\cx	对应于 x 的控制符
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]
POSIX 字符类（仅 US-ASCII）
\p{Lower}	小写字母字符：[a-z]
\p{Upper}	大写字母字符：[A-Z]
\p{ASCII}	所有 ASCII：[\x00-\x7F]
\p{Alpha}	字母字符：[\p{Lower}\p{Upper}]
\p{Digit}	十进制数字：[0-9]
\p{Alnum}	字母数字字符：[\p{Alpha}\p{Digit}]
\p{Punct}	标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph}	可见字符：[\p{Alnum}\p{Punct}]
\p{Print}	可打印字符：[\p{Graph}\x20]
\p{Blank}	空格或制表符：[ \t]
\p{Cntrl}	控制字符：[\x00-\x1F\x7F]
\p{XDigit}	十六进制数字：[0-9a-fA-F]
\p{Space}	空白字符：[ \t\n\x0B\f\r]
java.lang.Character 类（简单的 java 字符类型）
\p{javaLowerCase}	等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase}	等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace}	等效于 java.lang.Character.isWhitespace()
\p{javaMirrored}	等效于 java.lang.Character.isMirrored()
Unicode 块和类别的类
\p{InGreek}	Greek 块（简单块）中的字符
\p{Lu}	大写字母（简单类别）
\p{Sc}	货币符号
\P{InGreek}	所有字符，Greek 块中的除外（否定）
[\p{L}&&[^\p{Lu}]]	所有字母，大写字母除外（减去）
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
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
Reluctant 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
Possessive 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
Logical 运算符
XY	X 后跟 Y
X|Y	X 或 Y
(X)	X，作为捕获组
Back 引用
\n	任何匹配的 nth 捕获组
引用
\	Nothing，但是引用以下字符
\Q	Nothing，但是引用所有字符，直到 \E
\E	Nothing，但是结束从 \Q 开始的引用
特殊构造（非捕获）
(?:X)	X，作为非捕获组
(?idmsux-idmsux)	Nothing，但是将匹配标志idmsux on - off
(?idmsux-idmsux:X)	X，作为带有给定标志 idmsux on - off的非捕获组
(?=X)	X，通过零宽度的正 lookahead
(?!X)	X，通过零宽度的负 lookahead
(?<=X)	X，通过零宽度的正 lookbehind
(?<!X)	X，通过零宽度的负 lookbehind
(?>X)	X，作为独立的非捕获组

反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为Unicode
转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被
Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "hello"
是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1	字面值转义	\x
2	分组	[...]
3	范围	a-z
4	并集	[a-e][i-u]
5	交集	[a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
新行（换行）符 ('\n')、
后面紧跟新行符的回车符 ("\r\n")、
单独的回车符 ('\r')、
下一行字符 ('\u0085')、
行分隔符 ('\u2028') 或
段落分隔符 ('\u2029)。
如果激活 UNIX_LINES 模式，则新行符是唯一识别的行结束符。
如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活MULTILINE
模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于MULTILINE 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。
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。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数
 
实例：校验QQ号

class RegexDemo

{

       public static void main(String[] args)

       {

              checkQQ();

       }

       public static void checkQQ()

       {

              String qq="534946o910";

              String regex="[1-9][0-9]{4,14}";

              boolean flag=qq.matches(regex);

              if(flag)

              {

                     System.out.println("qq="+qq+" is ok!");

              }

              else

              {

                     System.out.println("您所输入的qq："+qq+"不合法");

              }

       }

}

/*

 *需求：

 *将下列字符串转成：我要学编程

 *到底用四种功能中的哪一个呢？或者哪几个呢？

 *思路方式：

 *1、如果只想知道该字符串是对是错，使用匹配

 *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

 **/

 class RegexTest1

 {

      public static void main(String[] args)

      {

             test_1();

      }

      public static void test_1()

      {

             String str="我我......要要要要......学学...编编编编编编...程程";

             String regex="\\.+";

             str=str.replaceAll(regex,"");

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

             System.out.println(str);

      }

 }

       /*

      
需求：对邮件地址进行校验。

       */

       public static void checkMail()

       {

              String mail = "abc12@sina.com";

              mail = "1@1.1";

              String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配。

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

              //mail.indexOf("@")!=-1

              System.out.println(mail.matches(reg));

       }

网页爬虫（蜘蛛）：

import java.io.*;

import java.util.regex.*;

import java.net.*;

import java.util.*;

class RegexTest2

{

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

       {

              getMails_1();

       }

       public static void getMails_1()throws Exception

       {

              URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");

              URLConnection conn = url.openConnection();

              BufferedReaded bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));

      

              String line = null;

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

              Pattern p = Pattern.compile(mailreg);

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

              {

                     Matcher m = p.matcher(line);

                     while(m.find())

                     {

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

                     }

              }

       }

       /*

      
获取指定文档中的邮件地址。

      
使用获取功能。Pattern  Matcher

       */

       public static void getMails()throws Exception

       {

              BufferedReader bufr =

                     new BufferedReader(new FileReader("mail.txt"));

              String line = null;

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

              Pattern p = Pattern.compile(mailreg);

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

              {

                     Matcher m = p.matcher(line);

                     while(m.find())

                     {

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

                     }

              }

       }

}