黑马程序员__正则表达式__【匹配、切割、替换】【获取:Pattern & Matcher】【网页爬虫（蜘蛛）】
浏览数：42 /
时间：2015年06月09日
---------------------------------------- android培训、java培训、期待与您交流！ ------------------------------------
概念：
正则表达式：即符合一定规则的表达式
作用：专门用于操作字符串
特点：用一些特定的符号来替代一些代码操作，简化书写
学习正则表达式就是在学习指定其规则的符号的使用,即如何定义规则，详细方法参见API文档Pattern中正则表达式的规则组成
优点：简化字符串操作步骤
弊端：符号定义多时，正则越长，阅读性越差
具体操作功能：
1，匹配：String matches()方法；设定regex规则，只要有一处不匹配，就返回false2，切割：String split()方法就是 将regex作为参数传入，可以定义regex实现复杂的切割
3，替换：String replaceAll()方法
class RegexDemo
{
public static void main(String[] args)
{
// checkQQ_1();String类传统方法
//一、匹配 qq号验证
// checkQQ_2("667788","[1-9][0-9]{4,9}");定义规则:[0-9]首位1~9；[0-9]{4,9}其它位为数字，出现次数范围
//手机号验证
// checkTel("18688888888","1[358]\\d{9}");定义规则首位1，第二位为3/5/8,后面9位数字，正则表达式的构造字符\d要加转义字符//二、切割
// splitDemo("zhangsan lisi wangwu"," +");//一个或多空格切割
//"."切割
// splitDemo("zhangsan.lisi.wangwu","\\.");//"."表示任意字符;"\."表示正则表达式中的"."，前面要加转义字符>>"\\."
//双"\\"切割
// splitDemo("d:\\java\\demo.java","\\\\");//四个"\\\\"来表示两个\\;因为要加转义// 按照叠词切割；"组"的概念
// splitDemo("hssbkkdaa","(.)\\1+");//规则：叠词重复一次或多次
//三、替换
String str = "tel:18688886666QQ22876686MM548434";//将字符串中数字替换成#
replaceAllDemo(str,"\\d{5,}","#");//规则：数字，出现5次以上
String str2 = "hdsdsdddggvmmmop";//将叠词替换成单个字母（ddd>>d）
replaceAllDemo(str2,"(.)\\1+","$1");
}
public static void replaceAllDemo(String str, String reg, String newStr ){
str = str.replaceAll(reg,newStr); //String类方法，正则表达式的复杂替换
System.out.println(str);
}
public static void splitDemo(String str, String reg){
String[] arr = str.split(reg);//根据规则来切割
System.out.println(arr.length);
for (String s : arr )
{
System.out.println(s);
}
}
//匹配手机号：只是能以13 15 18 开头的11位数字
public static void checkTel(String tel, String telReg){ //匹配
System.out.println(tel.matches(telReg));
}
public static void checkQQ_2(String qq, String regex) //二、String类的matches方法
{
boolean flag = qq.matches(regex); //判断输入的qq与规则是否匹配，返回值为boolean型
if (flag)
System.out.println("QQ: "+qq);
else
System.out.println("QQ号有误，请重新输入！");
}
public static void checkQQ_1()//一、使用String类中方法组合完成需求，比较复杂
{
String qq = "286345";
int len = qq.length();
if (len>=5 && len<=10) //1，号码长度
{
if (!(qq.startsWith("0")))//2，String类方法，判断字符串是否以0开头
{
try
{
long l = Long.parseLong(qq);//将数字字符串转成数字
System.out.println("QQ: "+qq);
}
catch (NumberFormatException e)//会如果不是纯数字字符串，会抛出数字转换异常
{
System.out.println("QQ号为0~9的数字");
}
/* char[] arr = qq.toCharArray();//将字符串转成字节数组
boolean flag = true;//设置标记
for (int x=0; x<arr.length; x++ ){
if (! (arr[x]>=‘0‘ && arr[x]<=‘9‘)){//3,判断字符数组是否为数字字符
flag = false;
break;
}
}
if (flag){
System.out.println("QQ: "+qq);
}
else{
} */
System.out.println("QQ号为0~9的数字");//3,
}
else{
System.out.println("不能以0开头");//2,
}
}
else{
System.out.println("号码长度为5~10位"); //1,
}
}
}使用String类中方法组合完成需求，比较复杂，使用正则表达式，用“符号”替换代码，可以大大简化书写
组的概念：
按照叠词完成切割，为了可以让叠词的结果可以被重用，可以将规则用()封装成一个组，组的出现都有编号\n(编号n)
想要使用已有的组可以通过\n的形式来获取；有几个()就有几个组
正则表达式第四个功能：获取
将字符串中符合规则的子串取出；切割得到的是规则以外的，获取得到的是符合规则的
操作步骤：
1，将正则表达式封装成对象
2，将正则对象和要操作的字符串相关联
3，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，如取出
获取涉及到两个类对象：
Pattern类和Matcher类
Pattern类没有构造方法
通过其compile()方法将正则封装成对象
通过其matcher()方法获取匹配引擎，返回此模式的新匹配器
matcher();将正则对象和要操作的字符串相关联，获取匹配器对象
charSequence接口，字符序列
要分清楚matcher()方法与matches()方法的区别，前者返回对象，后者返回boolean
Matcher类，匹配器
方法：
find();find方法将规则作用到字符串上，进行符合规则的子串查找
group();group方法获取匹配结果
import java.util.regex.*;
class RegexDemo2
{
public static void main(String[] args)
{
getDemo();
}
public static void getDemo()
{
String str = "jin tian hui jia le ,haha. ";
String reg = "\\b[a-z]{3}\\b"; //\\b表示字符边界
Pattern p = Pattern.compile(reg);//将正则封装成对象
Matcher m = p.matcher(str); //将正则对象和要操作的字符串相关联，获取匹配器对象
// System.out.println("Matcher: "+m.matches());//
while (m.find())//find方法将规则作用到字符串上，进行符合规则的子串查找
{
System.out.println(m.group());//group方法获取匹配结果
}
}
}
运行结果：
如：在获取之前先对该字符串进行判断，获取位置就会从该判断结束的位置开始
运行结果如图：
分析：规则为三个字符，方法natcher判断"jin"之后返回false,此时索引停留在“tian"上，下面的fand()方法就从"tian"开始查找；所以就获取不到“jin”
正则表达式的操作思路：
1，如果只想知道该字符是否符合标准，使用匹配2，就要将已有的字符串改成另一个字符串，替换
3，想要按照指定的方式将字符串转成多个子串。切割
4，想要拿到符合需求的字符串子串，获取
练习：
import java.util.*;
class RegexTest
{
public static void main(String[] args)
{
// test_1();
// ipSort();
checkMail();
}
//一、需求：将字符串转成：我要进黑马！
public static void test_1()
{
String str = "我我...我我我...我...要要...要要...进进...进进进..进..黑...黑黑...马..！";;
str = str.replaceAll("\\.+",""); //1,先将"."去掉
System.out.println(str);
str = str.replaceAll("(.)\\1+","$1");//2,然后将多个重复的内容转成单个内容
System.out.println(str);
}
/*
二、需求:将ip地址进行地址段顺序的排序
192.168.1.100 110.56.89.13 2.2.2.2 10.10.10.10
要处理的问题：地址段数字直接比较时由于位数不同会导致“110<2”的情况
解决思路：还按照字符串自然顺序，将不足三位的数字补足三位
1，按照每一段需要的0补齐，保证每一段至少有位
2，将每一段只保留三位，将多余的0去除
*/
public static void ipSort()
{
String ip = "192.168.1.100 110.56.89.13 2.2.2.2 10.10.10.10";
//补两个0，每一段至少三位
ip = ip.replaceAll("(\\d+)","00$1");//规则：连续的数字()，规则被重用，都在前面加两个0
System.out.println(ip);
//将多余的0去除，只留下三位
ip = ip.replaceAll("0*(\\d{3})","$1");//规则：0出现0次或多次（后面跟三个数字）$1取结尾
System.out.println(ip); //$N 表示匹配后，被正则中第N个括号所获取的内容
String[] arr = ip.split(" +");//切割
TreeSet<String> ts = new TreeSet<String>();
for (String s : arr ){ //将地址中ip存入TreeSet集合，自动排序
ts.add(s);
}
for (String s : ts ){ //遍历获取;定义规则，去除前面的0
System.out.println(s.replaceAll("0*(\\d+)","$1"));
}
}
/*
三、需求：对邮件地址进行校验
规则：邮箱名:[字母数字下划线]{6~12位} @ [字母数字如qq/163等] . [后缀名,子母com/cn等]
*/
public static void checkMail()
{
String mail = "[email protected]";
String reg = "[a-zA-z0-9_]{6,12}@[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（[email protected]）
// mail.indexOf("@") !=-1; //简陋的匹配(@)
System.out.println(mail.matches(reg));
}
}
运行结果：
1，去重复
2，ip管理：
获取练习：网页爬虫(蜘蛛)
获取指定页面中符合规则的信息，如邮箱
定义正则，扫描网页，获取页面中的所有邮箱地址
实现：
import java.io.*; //io包
import java.util.regex.*;//正则包
import java.net.*; //URL
class RegexTest2
{
public static void main(String[] args) throws Exception
{
// getMails_1();
getMails_2();
}
//二、获取互联网上网页中的邮箱
public static void getMails_2() throws Exception
{
URL url = new URL("http://tieba.baidu.com/p/2314539885");
URLConnection con = url.openConnection();
BufferedReader bufIn = new BufferedReader(new InputStreamReader(con.getInputStream()));
myRegex(bufIn);
}
//一、获取指定文档中邮件地址
//使用获取功能，用到Pattern 和Matcher类
public static void getMails_1() throws Exception
{
BufferedReader bufr = new BufferedReader(new FileReader("1.txt"));//读取文档
myRegex(bufr);
}
public static void myRegex(BufferedReader buf) throws Exception
{
String regex = "\\w+@\\w+(\\.\\w+)+";//邮箱规则
Pattern p = Pattern.compile(regex); //1,将规则封装成对象
String line = null;
while ((line=buf.readLine()) !=null)
{
Matcher m = p.matcher(line); //2,获取匹配器
while (m.find()) //匹配器方法，查找符合规则子串
{
System.out.println(m.group());//获取字串
}
}
}
}这个执行获取操作的网页爬虫真正体现了正则表达式的威力，随便试了一个贴吧里资源帝留邮箱的帖子页面，轻易就抓取了几十个邮箱地址
运行结果：
小结：
正则表达式的强大之处在于在定义regex正则时,寥寥几个符号就能取代大量的String 字符串操作，大大的简化了书写，提高开发效率；缺点是规则较多时阅读性较差，站在开发的角度来讲，其好处是远远大于弊端的。
获取操作要重点掌握，Pattern类和Matcher类
---------------------------------------- android培训、java培训、期待与您交流！ ------------------------------------
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
