正则表达式入门(java,python版本)
目录
本文目标
正则表达式到底是什么
正则表达式可以用来做什么
基本语法
元字符
实例
本文目标
快速让你知道真这个表达式是什么，对正则表达式的概念有基本的了解，并且能够在不同的编程语言中使用它。
正则表达式到底是什么
正则表达式,（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
注意上文加粗的‘概念’，即用英文来说，叫做concept。显然，正则表达式是跟编程语言无关的，因此，我们可以使用任何编程语言去实现和使用它。幸运的是，绝大多数编程语言都已经实现了正则表达式，并且提供了相应的类或者API接口，我们可以在程序中直接使用它，而无需去考虑底层是如何实现的。
正则表达式可以用来做什么
1 验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。
2 用来查找字符串，从一个长的文本中查找符合指定特征的字符串
3 用来替换，比普通的替换更强大
4 等等…
基本语法
一个正则表达式通常被称为一个模式（pattern），为用来描述或者匹配一系列匹配某个句法规则的字符串。
语法很简单，就是一个“字符串”。
例如： "hello Regular Expression" 这个字符串:
我们可以用下面语法来筛选出来：
1"hello Regular Expression"
2 "hello*"
3 "hello.+"
4 "hello .+n"
...
这些**描述**筛选出来，这里我们可以先不用管里面的"*",".","+"是什么意思，我们只需知道这个可以作为一个正则表达式的表示形式(基本语法)。
元字符
上面的".","*","+"等字符都是正则表达式中的元字符，关于元字符的讲述，可以再新开一篇文章来讲解，这里提供一个正则表达式元字符含义的讲解链接，**请认真浏览完此页面再查看本文章的后面的内容。**
为了避免转载侵权和防止和谐，这里提供百度的地址：
正则表达式元字符说明
字符转义：
这里仍然有一个问题：如果我们需要匹配元字符本身，该如何处理？
那么就需要用到字符转义符号：'\'。
例如，如果我们需要从"test * test"匹配出 "*"这个符号，
那么正则表达式就要写成： "\*"，而不是"*",
值得注意的是转义字符本身：
如果我们需要从"test \ test"匹配出 "\"这个符号，
那么正则表达式就要写成： "\\\\"，而不是"\\"。
实例
上面看了这么多，接下来我们来看看具体的应用实例吧，以加深我们的印象。
下面的例子只提供了Python和Java版本，其它语言类似，可自行参考相应语言的API文档。
- 匹配出网页中的title标签和其中的内容
python 代码：
#!/usr/bin/python
# coding=utf-8
import re
reg_str = """
我是title
"""
reg1 = u".+ "
reg2 = u".* "
rst1 = re.search(reg1, reg_str)
rst2 = re.search(reg2, reg_str)
print rst1 and rst1.group()
print rst2 and rst2.group()
结果:
我是title
我是title
[Finished in 0.0s]
java 代码：
package regular_expression;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Chapter1 {
public static void main(String []args) {
String reg_str = "<html><head> <title>我是titletitle>head><body>body>html>";
String reg1 = "<title>.+title>";
String reg2 = "<title>.*title>";
Pattern p1=Pattern.compile(reg1);
Matcher m1=p1.matcher(reg_str);
Pattern p2=Pattern.compile(reg2);
Matcher m2=p2.matcher(reg_str);
if (m1.find()) {
System.out.println(m1.group());
}
if (m2.find()) {
System.out.println(m2.group());
}
}
}
结果：
<title>我是titletitle>
<title>我是titletitle>结果解释：
"<title>.+title>"
# . 是正则表达式里面的元字符，查看元字符的文档可知，.表示 “匹配除换行符以外的任意字符”，因此他会匹配出
# <title>和title>之间的任何非换行符。
# +也是正则表达式中的元字符，+表示匹配一次或者多次(即至少匹配一次，同{1,})
# 因此这个正则最终的意思就是 匹配<title>和title>之间的任何非换行符，并且至少匹配一次
# 同理 *表示0次或多次，即匹配<title>和title>之间的任何非换行符，并且至少匹配0次。
两个的差别就是：
+不能匹配出 “<title>title>”字符串
*可以匹配出 “<title>title>”字符串
因为<title>和title>之间一个字符也没有，所以需要*才能匹配。统计字符串中所有词的词性的个数
Python代码：
#!/usr/bin/python
# coding=utf-8
import re
reg_str = """
词语1 \q
词语2 \w
词语3 \ee
词语1 \q
词语5 \w
词语6 \e
词语7 \c
"""
reg = u"\\\\[a-z]{1,2}"
rst2 = re.finditer(reg, reg_str)
# 词性个数
count_map = {}
for m in rst2:
value = m.group()
if (count_map.get(value)):
count_map[value] = count_map[value] + 1
else:
count_map[value] = 1
for k,v in count_map.items():
print '词性{}的个数为{}'.format(k,v)结果：
词性\c的个数为1
词性\w的个数为2
词性\e的个数为1
词性\ee的个数为1
词性\q的个数为2
[Finished in 0.0s]
java代码：
package regular_expression;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.HashMap;
import java.util.Map.Entry;
public class Chapter1 {
public static void main(String []args) {
String reg_str = "词语1 \\q词语2 \\w词语3 \\ee词语1 \\q词语5 \\w词语6 \\e词语7 \\c";
String reg ="\\\\[a-z]{1,2}";
Pattern p=Pattern.compile(reg);
Matcher m=p.matcher(reg_str);
// 词性个数
HashMap count_map = new HashMap();
String value = "";
while (m.find()) {
value = m.group();
if (count_map.get(value) != null) {
count_map.put(value, count_map.get(value) + 1);
} else {
count_map.put(value,1);
}
}
for (Entry entry: count_map.entrySet()){
System.out.println("词性"+entry.getKey()+"的个数为"+ Integer.toString(entry.getValue()));
}
}
}
结果：
词性\q的个数为2
词性\c的个数为1
词性\e的个数为1
词性\w的个数为2
词性\ee的个数为1
结果解释：
“\\[a-z]{1,2} 表示匹配 ‘\’符号加上后面的任意1-2个英文小写字母。
即：\字母 表示词性的话，那么这个正则就已经把所有词的词性的个数都已经筛选出来。最后再经过词性的map操作，就把所有词性的个数计算出来了。
PS：至于为什么是\\\\，文章前面已经提到。
参考链接：
1 https://zh.wikipedia.org/wiki/正则表达式