欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Java提取文本文档中的所有网址(小案例介绍正则基础知识)

程序员文章站 2023-08-12 10:18:01
正则表达式基础以及Java中使用正则查找 定义: 正则表达式是一些用来匹配和处理文本的字符串 正则的基础(先大致了解下) 1. 正则表达式的作用 1. 查找特定的信息(搜索) 2. 替换一些文本(替换) 2. 正则基础知识 1. 元字符 . 匹配除换行符(\n)以外的任何单个字符 w 匹配字母、数字 ......

正则表达式基础以及java中使用正则查找

定义: 正则表达式是一些用来匹配和处理文本的字符串

正则的基础(先大致了解下)

1. 正则表达式的作用

  1. 查找特定的信息(搜索)

  2. 替换一些文本(替换)

2. 正则基础知识

1. 元字符

  • . 匹配除换行符(\n)以外的任何单个字符
  • w 匹配字母、数字、下划线、汉字
  • s 匹配任意空白字符(包括空格、制表符、换页符等)
  • d 匹配数字,匹配单词的开始或结束
  • ^ 匹配字符串的开始
  • $ 匹配字符串的结束

例子:

#匹配abc开头的字符串  
^abd

#匹配8位数字的qq号
^dddddddd$

#匹配以153开头的11位数字手机号  
^153dddddddd$  

2. 重复限定符

  • * 重复0次或更多次
  • + 重复1次或更多次
  • ? 重复0次或1次
  • {n} 重复n次
  • {n,} 重复n次或更多次
  • {n,m} 重复n到m次
#匹配8位数字qq号    
^d{8}$

#匹配153开头11位手机号  
^(153)d{8}$

#匹配身份证号第7到14位(出生日期)    
^d{7,14}$  

#匹配以a开头的,0个或者多个以b结尾的字符串
^ab*$

3. 分组

#匹配字符串中包含0到多个ab开头
^(ab)*$

4. 条件或

正则用【|】表示或,当满足分支里任何一种条件时,就会匹配成功

#匹配手机号中联通的手机(联通号段130/131/132等)
^(130|131|132)d{8}$

5. 区间

正则提供‘[]’表示区间条件

  • [0-9] 限定0到9
  • [a-z] 限定a-z
  • [165] 限定某些数字

java中使用正则表达式

这里会说一个例子:在一段txt文档中找出所有的网址

java与正则

1. 这里有一段100000000(自己数,我也不知道几个0)行的文本,如图

Java提取文本文档中的所有网址(小案例介绍正则基础知识)

2. 高手写好的匹配url的正则(https?|ftp|file)://[-a-za-z0-9+&@#/%?=~_|!:,.;]+[-a-za-z0-9+&@#/%=~_|]当然还有n多种方式

3. java代码献上

正则表达式匹配使用方式

/**
 * 参数1 regex:我们的正则字符串
 * 参数2 就是一大段文本,这里用data表示
 */
private string filterspecialstr(string regex, string data) {
    //sb存放正则匹配的结果
    stringbuffer sb = new stringbuffer();
    //编译正则字符串
    pattern p = pattern.compile(regex);
    //利用正则去匹配
    matcher matcher = p.matcher(data);
    //如果找到了我们正则里要的东西
    while (matcher.find()) {
        //保存到sb中,"\r\n"表示找到一个放一行,就是换行
        sb.append(matcher.group() + "\r\n");
    }
    return sb.tostring();
}

4. 这里增加两个文件的读写

java读取文本文件

private string readfile(string pathname) {
    //读取到的文件内容放到这个sb里
    stringbuffer sb = new stringbuffer();
    //the java 7 try-with-resources syntax (automatic resource management) is nice (这种写法是java7的一种语法,自动管理资源,不理解自行百度)
    try (bufferedreader br = new bufferedreader(new filereader(pathname))) {
        string line;
        while ((line = br.readline()) != null) {
            sb.append(line + "\r\n");
        }
        system.out.println("读取文件完成");
    } catch (ioexception e) {
        e.printstacktrace();
    }
    return sb.tostring();
    }

java写入文本文件

private void writefile(string pathname, string data) {
    try {
        //文件不存在的话新建,存在覆盖
        file file = new file(pathname);
        file.createnewfile();
        //the java 7 try-with-resources syntax (automatic resource management) is nice
        try (bufferedwriter bw = new bufferedwriter(new filewriter(file))) {
            bw.write(data);
            bw.flush();
            system.out.println("文件写入完成");
        } catch (ioexception e) {
            e.printstacktrace();
        }
    } catch (ioexception e) {
        e.printstacktrace();
    }
}

5. 执行结果

测试代码

把文档.txt读取到java中,然后处理完,最后写到我指定的文件中

public static void main(string[] args) {
    //0. 准备好正则
    string regex = "(https?|ftp|file)://[-a-za-z0-9+&@#/%?=~_|!:,.;]+[-a-za-z0-9+&@#/%=~_|]";
    //1. 读取文档
    string data = readfile("f:\\test\\文档.txt");
    //2. 正则查找
    string needdata = filterspecialstr(regex, data);
    //3. 写到某个文件中
    writefile("f:\\test\\needdata.txt", needdata);
}

结果

Java提取文本文档中的所有网址(小案例介绍正则基础知识)