Java正则表达式

一、Java正则表达式

   正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它用以描述在查找文字主体时待匹配的一个或多个字符串。

   先来了解一下正则表达式的部分构造摘要：

构造	匹配
字符
x	字符 x
\\	反斜线字符
\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')
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]
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

正则表达式对字符串的常见操作:

1、 匹配 （其实使用的就是String类中的matches方法）

//匹配手机号码是否正确。 
	String str = "15158041079";
	boolean b = str.matches("1[358]\\d{9}");//1[358][0-9]{9}
	System.out.println(b);

2、切割 （主要用到String类的split方法）
2.1  根据一个或多个点来拆分字符串

public static void main(String[] args) {
		String str = "zhangsan...lisi..wangwu";
		// 根据一个或多个点来拆分字符串
		String[] names = str.split("\\.+");
		for (String name : names) {
			System.out.println(name);
		}
	}

输出结果：

zhangsan
lisi
wangwu

2.2 删除叠词

public static void main(String[] args) {
		String str = "zhangsan666lisitttwangwu";
		// "."代表任意字符，（.）把它封装为组，编号为1...n,调用它直接用编号，
		//1由于代 表的是正常的 1，用\1将它转义为组编号，由于是在字符串中，再用\\1来转义
		String[] names = str.split("(.)\\1+");
		for (String name : names) {
			System.out.println(name);
		}
	}

输出结果：

zhangsan
lisi
wangwu

3、替换（使用到了String类中的replaceAll()方法）

public static void main(String[] args) {
		String str = "zhangsanttttlisimmmwangwu";
		str = str.replaceAll("(.)\\1+", "$1");// $符号调用了前面参数中的第1组
		System.out.println(str);
		String tel = "15158041079";
		// 括号表示 组 被替换的部分 $n 表示 第n组的内容
		tel = tel.replaceAll("(\\d{4})\\d{3}(\\d{4})", "$1****$2");
		System.out.println(tel);// 1382****1111
	}

输出结果：

zhangsantlisimwangwu
1382****1111
4、获取

public static void main(String[] args) {

		String str = "da asdf sdf,sdkfh,sdk sdhh jtt!";
		String regex = "\\b[a-z]{3}\\b";
		// 1,将正则规则进行对象的封装
		Pattern p = Pattern.compile(regex);
		// 2, 通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher 。
		Matcher m = p.matcher(str);
		// 使用Matcher对象的方法对字符串进行操作。
		// 既然要获取三个字母组成的单词
		// 查找 find();
		System.out.println(str);
		while (m.find()) {
			System.out.println(m.group());// 获取匹配的子序列
		}
	}

输出结果：

da asdf sdf,sdkfh,sdk sdhh jtt!
sdf
sdk
jtt

正则表达式练习：

网页爬虫：

/*
	 * 网页爬虫：其实就一个程序用于在互联网中获取符合指定规则的数据。 爬取邮箱地址。
	 */
	public static void main(String[] args) throws IOException {
		List list = getMails();
		for (String mail : list) {
			System.out.println(mail);
		}
	}

	public static List getMails() throws IOException {
		// 1,读取源文件。
		BufferedReader bufr = new BufferedReader(
				new FileReader("D:\\mail.html"));
		// 2,对读取的数据进行规则的匹配。从中获取符合规则的数据.
		String mail_regex = "\\w+@\\w+(\\.\\w+)+";
		List list = new ArrayList();
		Pattern p = Pattern.compile(mail_regex);
		String line = null;
		while ((line = bufr.readLine()) != null) {
			Matcher m = p.matcher(line);
			while (m.find()) {
				// 3,将符合规则的数据存储到集合中。
				list.add(m.group());
			}
		}
		bufr.close();
		return list;
	}