正则表达式基础知识及常用案例学习笔记

程序员文章站 2022-04-21 10:32:45

...

本文查阅方法：
    1、查阅目录 —— 查阅本文目录，确定想要查阅的目录标题
    2、快捷“查找” —— 在当前浏览器页面，按键 “Ctrl+F” 按键组合，开启浏览器的查找功能，
             在查找搜索框中输入需要查阅的目录标题，便可以直接到达标题内容的位置。
    3、学习小结 —— 文中的学习小结内容，是笔者在学习之后总结出的，开发时可直接参考其进行应用开发的内容，进一步加快了本文的查阅速度。（水平有限，仅供参考。）

本文目录

学习小结

1、正则表达式介绍

2、正则表达式的常用符号及其意义。

3、正则表达式的功能-- 匹配

4、正则表达式的功能-- 切割

5、正则表达式的功能-- 替换

6、正则表达式的功能-- 获取

7、综合Demo样例-- 去除重复叠词

8、综合Demo样例-- 对邮件地址进行校验

9、综合Demo样例-- 将ip地址进行地址段顺序的排序。

10、综合Demo样例-- 网页爬虫(蜘蛛)

11、《正则表达式帮助文档》中部分摘抄（未加整理，仅供参考）

学习小结

正则表达式：是一种专门用于操作字符串的规则。通过一些符号来表示，简化对字符串的复杂操作。

弊端：阅读性较差。

常见的操作：

(1)匹配：boolean matches(regex)

     (2)切割：String[] split(regex);
   (3)替换：String replaceAll(regex,str);
   (4)获取：（查找） :Pattern , Matcher
           Pattern p=Pattern.compile(regex);
           Matcher m=p.matcher(String);

           while(m.find())
           {
               System.out.println(m.group());
           }

       示例：
           String str="55555562334444577777756666666666";
           String regex="\\d{5,}";
           Pattern p =Pattern.compile(regex);
           Matcher m=p.matcher(str);
           while(m.find())
           {
               String s=m.group();
               s.replaceAll(regex,"#");
           }

1、正则表达式介绍

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。

特点：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。

2、正则表达式的常用符号及其意义。

下表是元字符及其在正则表达式上下文中的行为的列表：

字符描述

(1) \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。

(2) ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。

(3) $ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。

(4) * 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。

(5) + 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。

(6) ? 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。

(7) {n} n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。

(8) {n,} n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。

(9) {n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

(10) ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。

(11) . 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。

(12) x|y 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

(13) [xyz] 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。

(14) [^xyz] 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。

(15) [a-z] 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。

(16) [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

(17) \b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。

(18) \B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。

(19) \d 匹配一个数字字符。等价于 [0-9]。

(20) \D 匹配一个非数字字符。等价于 [^0-9]。

(21) \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

(22) \w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。

(23) \W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

(24)正则表达式中组的含义：将部分匹配结果进行封装以便重用。\\num 和 $num 反向引用制定组.

(25) \num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。

3、正则表达式的功能-- 匹配

匹配：String matches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。

Demo样例：

//匹配手机号段：只有 13xxx 15xxx 18xxxx

public static void checkTel()

{

String tel = "16900001111";

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

System.out.println(tel.matches(telReg));

}

//匹配字符串

public static void demo()

{

String str = "b23a23456789";

String reg = "[a-zA-Z]\\d*";

boolean b= str.matches(reg);

System.out.println(b);

}

//匹配QQ号码

public static void checkQQ()

{

String qq = "123a454";

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

boolean flag = qq.matches(regex);

if(flag)

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

else

System.out.println(qq+"... 不合法");

}

4、正则表达式的功能-- 切割

切割：String[] split();

Demo样例：

class RegexDemo

{

public static void main(String[] args)

{

splitDemo("zhangsan.lisi.wangwu","\\.");

splitDemo("c:\\abc\\a.txt","\\\\");

splitDemo("erkktyqqquizzzzzo","(.)\\1+");

//按照叠词完成切割。为了可以让规则的结果被重用

//可以将规则封装成一个组。用()完成。组的出现都有编号。

//从1开始。想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。

}

public static void splitDemo(String str,String reg)

{

//String reg = " +";//按照多个空格来进行切割

String[] arr = str.split(reg);

System.out.println(arr.length);

for(String s : arr)

{

System.out.println(s);

}

5、正则表达式的功能-- 替换

替换：String replaceAll(regex,str);

如果regex中有定义组，可以在第二参数中通过$符号获取正则表达式中的已有的组。

Demo样例：

class RegexDemo

{

public static void main(String[] args)

{

String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数组替换成#。

//replaceAllDemo(str,"\\d{5,}","#");

String str1 = "erkktyqqquizzzzzo";//将叠词替换成$. //将重叠的字符替换成单个字母。zzzz->z

replaceAllDemo(str1,"(.)\\1+","$1");

}

public static void replaceAllDemo(String str,String reg,String newStr)

{

str = str.replaceAll(reg,newStr);

System.out.println(str);

}

6、正则表达式的功能-- 获取

获取:将字符串中的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。

典型的调用顺序是

Pattern p = Pattern.compile("a*b");

Matcher m = p.matcher("aaaaab");

boolean b = m.matches();

Demo样例：

import java.util.regex.*;

class RegexDemo2

{

public static void main(String[] args)

{

getDemo();

}

public static void getDemo()

{

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

System.out.println(str);

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

//将规则封装成对象。

Pattern p = Pattern.compile(reg);

//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(str);

//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。

// boolean b = m.find();//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(b);

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

//System.out.println("matches:"+m.matches());

while(m.find())

{

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

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

}

7、综合Demo样例-- 去除重复叠词

到底用四种功能中的哪一个呢？或者哪几个呢？

思路方式：

a，如果只想知道该字符是否对是错，使用匹配。

b，想要将已有的字符串变成另一个字符串，替换。

c，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。

d，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。

字符串：“我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程”；

将上面的字符串转成：我要学编程.

public static void test_1()

{

String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";

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，在将多个重复的内容变成单个内容。

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

System.out.println(str);

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

System.out.println(str);

}

8、综合Demo样例-- 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));

}

9、综合Demo样例-- 将ip地址进行地址段顺序的排序。

ip地址：192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30

将上面的ip地址进行地址段顺序的排序。

思路：还按照字符串自然顺序，只要让它们每一段都是3位即可。

a，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。

b，将每一段只保留3位。这样，所有的ip地址都是每一段3位。

public static void ipSort()

{

String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";

ip = ip.replaceAll("(\\d+)","00$1");

System.out.println(ip);

ip = ip.replaceAll("0*(\\d{3})","$1");

System.out.println(ip);

String[] arr = ip.split(" ");

//或者使用 Array.sort().方法也可以。

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

for(String s : arr)

{

ts.add(s);

}

for(String s : ts)

{

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

}

10、综合Demo样例-- 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();

BufferedReader 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());

}

素材资料：mail.txt文件

skdajflksadjflk> abc0@sina.com<djfsa;lkdfjksa;ljfs;alfjsa;lkjfsa;lkfjska;ljfsafsd;