黑马程序员__正则表达式总结
---------------------- android培训、java培训、期待与您交流！ ----------------------
正则表达式：符合一定规则的表达式
作用：专门用于操作字符串
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
具体操作功能：
1、 匹配：String matches方法，用规则匹配整个字符串，只要有一处不符合，就匹配结束，返回false
2、 切割：按照叠词完成切割，为了可以让规则的结果可以被重用，可以将规则封装成一个组，用（）完成，组的出现都有编号，从一开始，想要使用已有的组可以通过\n（n就是租的编号）如：“（.）\\1+” ------按照任意多的叠词切
3、 替换：String replaceAll（）
将重叠的字符替换成单个字符，$获取组的元素！
4、 获取：将字符串中符合规则的子串取出
操作步骤：
A、将正则表达式封装成对象
B、 让正则对象和要操作的字符串相关联
C、 关联后，获取正则匹配引擎
D、通过引擎对符合规则的子串进行操作，比如取出
获取的实例：
import java.util.regex.*;
class RegexDemo2
{
public static void main(String[] args)
{
getDemo();
}
public static void getDemo()
{
String str="ni hao ma ye xu ceng jing de ni yao hao yi xie !";
System.out.println(str);
String regex="\\b[a-zA-Z]{3}\\b";
Pattern p=Pattern.compile(regex);//将正则表达式封装成对象
Matcher m=p.matcher(str);//将正则对象和要操作的字符串相关联
while(m.find())
{
System.out.println(m.group());
System.out.println(m.start()+"----"+m.end());
}
}
}
正则表达式的构造摘要
| 构造 |
匹配 |
|
|
|
| 字符 |
|
| x |
字符 x |
| \\ |
反斜线字符 |
| \0n |
带有八进制值 0 的字符 n (0<=n<=7) |
| \0nn |
带有八进制值 0 的字符 nn (0<=n<=7) |
| \0mnn |
带有八进制值 0 的字符 mnn（0<=m<=3、0<=n<=7） |
| \xhh |
带有十六进制值0x 的字符 hh |
| \uhhhh |
带有十六进制值0x 的字符 hhhh |
| \t |
制表符 ('\u0009') |
| \n |
新行（换行）符 ('\u000A') |
| \r |
回车符 ('\u000D') |
| \f |
换页符 ('\u000C') |
| \a |
报警 (bell) 符 ('\u0007') |
| \e |
转义符 ('\u001B') |
| \cx |
对应于 x 的控制符 |
|
|
|
| 字符类 |
|
| [abc] |
a、b 或 c（简单类） |
| [^abc] |
任何字符，除了 a、b 或 c（否定） |
| [a-zA-Z] |
a 到 z 或 A 到 Z，两头的字母包括在内（范围） |
| [a-d[m-p]] |
a 到 d 或 m 到 p：[a-dm-p]（并集） |
| [a-z&&[def]] |
d、e 或 f（交集） |
| [a-z&&[^bc]] |
a 到 z，除了 b 和 c：[ad-z]（减去） |
| [a-z&&[^m-p]] |
a 到 z，而非 m 到 p：[a-lq-z]（减去） |
|
|
|
| 预定义字符类 |
|
| . |
任何字符（与行结束符可能匹配也可能不匹配） |
| \d |
数字：[0-9] |
| \D |
非数字： [^0-9] |
| \s |
空白字符：[ \t\n\x0B\f\r] |
| \S |
非空白字符：[^\s] |
| \w |
单词字符：[a-zA-Z_0-9] |
| \W |
非单词字符：[^\w] |
|
|
|
| POSIX 字符类（仅 US-ASCII） |
|
| \p{Lower} |
小写字母字符：[a-z] |
| \p{Upper} |
大写字母字符：[A-Z] |
| \p{ASCII} |
所有 ASCII：[\x00-\x7F] |
| \p{Alpha} |
字母字符：[\p{Lower}\p{Upper}] |
| \p{Digit} |
十进制数字：[0-9] |
| \p{Alnum} |
字母数字字符：[\p{Alpha}\p{Digit}] |
| \p{Punct} |
标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ |
| \p{Graph} |
可见字符：[\p{Alnum}\p{Punct}] |
| \p{Print} |
可打印字符：[\p{Graph}\x20] |
| \p{Blank} |
空格或制表符：[ \t] |
| \p{Cntrl} |
控制字符：[\x00-\x1F\x7F] |
| \p{XDigit} |
十六进制数字：[0-9a-fA-F] |
| \p{Space} |
空白字符：[ \t\n\x0B\f\r] |
|
|
|
| java.lang.Character 类（简单的 java 字符类型） |
|
| \p{javaLowerCase} |
等效于 java.lang.Character.isLowerCase() |
| \p{javaUpperCase} |
等效于 java.lang.Character.isUpperCase() |
| \p{javaWhitespace} |
等效于 java.lang.Character.isWhitespace() |
| \p{javaMirrored} |
等效于 java.lang.Character.isMirrored() |
|
|
|
| Unicode 块和类别的类 |
|
| \p{InGreek} |
Greek块（简单块）中的字符 |
| \p{Lu} |
大写字母（简单类别） |
| \p{Sc} |
货币符号 |
| \P{InGreek} |
所有字符，Greek 块中的除外（否定） |
| [\p{L}&&[^\p{Lu}]] |
所有字母，大写字母除外（减去） |
|
|
|
| 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 |
|
|
|
| Back 引用 |
|
| \n |
任何匹配的 nth 捕获组 |
|
|
|
| 引用 |
|
| \ |
Nothing，但是引用以下字符 |
| \Q |
Nothing，但是引用所有字符，直到 \E |
| \E |
Nothing，但是结束从 \Q 开始的引用 |
|
|
|
| 特殊构造（非捕获） |
|
| (?:X) |
X，作为非捕获组 |
| (?idmsux-idmsux) |
Nothing，但是将匹配标志i d m s u x on - off |
| (?idmsux-idmsux:X) |
X，作为带有给定标志 i d m s u x on - off的非捕获组 |
| (?=X) |
X，通过零宽度的正 lookahead |
| (?!X) |
X，通过零宽度的负 lookahead |
| (?<=X) |
X，通过零宽度的正 lookbehind |
| (?X) |
X，通过零宽度的负 lookbehind |
| (?>X) |
X，作为独立的非捕获组 |
反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：
| 1 |
字面值转义 |
\x |
| 2 |
分组 |
[...] |
| 3 |
范围 |
a-z |
| 4 |
并集 |
[a-e][i-u] |
| 5 |
交集 |
[a-z&&[aeiou]] |
注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
- 新行（换行）符 ('\n')、
- 后面紧跟新行符的回车符 ("\r\n")、
- 单独的回车符 ('\r')、
- 下一行字符 ('\u0085')、
- 行分隔符 ('\u2028') 或
- 段落分隔符 ('\u2029)。
如果激活 UNIX_LINES 模式，则新行符是唯一识别的行结束符。
如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 MULTILINE 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：
| 1 |
((A)(B(C))) |
| 2 |
\A |
| 3 |
(B(C)) |
| 4 |
(C) |
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数
实例：校验QQ号
class RegexDemo
{
public static void main(String[] args)
{
checkQQ();
}
public static void checkQQ()
{
String qq="534946o910";
String regex="[1-9][0-9]{4,14}";
boolean flag=qq.matches(regex);
if(flag)
{
System.out.println("qq="+qq+" is ok!");
}
else
{
System.out.println("您所输入的qq："+qq+"不合法");
}
}
}
/*
*需求：
*将下列字符串转成：我要学编程
*到底用四种功能中的哪一个呢？或者哪几个呢？
*思路方式：
*1、如果只想知道该字符串是对是错，使用匹配
*2、想要将已有的字符串变成另一个字符串，替换
*3、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
*4、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
**/
class RegexTest1
{
public static void main(String[] args)
{
test_1();
}
public static void test_1()
{
String str="我我......要要要要......学学...编编编编编编...程程";
String regex="\\.+";
str=str.replaceAll(regex,"");
str=str.replaceAll("(.)\\1+","$1");
System.out.println(str);
}
}
/*
需求：对邮件地址进行校验。
*/
public static void checkMail()
{
String mail = "[email protected]";
mail = "[email protected]";
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));
}
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();
BufferedReaded 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());
}
}
}
}
---------------------- android培训、java培训、期待与您交流！ ----------------------详细请查看：http://edu.csdn.net/heima