正则表达式在工作中的应用
文章目录
-
- 写在前面
- 字符串匹配
- 字符串替换
-
- Java代码中的字符串替换
- 在idea中替换
- 内容提取
- 结束语
写在前面
正则表达式是字符串匹配、替换和提取时经常用到的一种技术，但由于它的语法晦涩（尤其像上面对比较复杂的场景时），初学者不容易读，更不容易写，所以并不是所有人都熟悉它的用法。现在网络上已经有很多正则表达式的教程了，这里不打算照抄一遍，而是换一个角度，从实用的场景出发，来介绍正则表达式的用法。
为什么这样学呢？这就好像我们学语言一样，如果拿着一本字典去学，可能几天就放弃了，因为语法是枯燥的，而且可能只有20%的内容经常使用，剩下80%的内容极少使用，我们如果一上来就从头到尾顺序地学习语法，坚持下来很难，也很容易学过就忘了，最后白白浪费时间，通过场景的学习，更容易让人联系到平时的工作之中，更容易产生大脑的连接，从而印象更深刻。相信通过这些场景的学习，你会对正则表达式有一个新的认识，它不但是某些场景的必备，还是你平时工作提效的利器！
下面的三个场景，分别是匹配、替换、提取。匹配是最常用的，判断一下输入的内容是不是手机号，这就是个匹配，替换使用的略少，一般在文本编译器中，我们想把一个内容，替换为另一个内容，用的就是替换。提取相对来说用的就是特定场景了，经常在网络爬虫中使用，在一篇文章中，找到所有的超链接。
接下来开始我们的学习。
字符串匹配
你是否还记得，当注册一个网站时，会让你使用一个邮箱，来确定你的真实性，然后往邮箱里发个验证码，如何证明你输入字符串符号邮箱的规则呢？这里用到的就是正则表达式匹配。
- 邮箱匹配
例如我们常用的邮箱有以下几种（如果你是这个用户系统的开发者，支持的邮箱可能会更多）：
| 邮箱类型 | 邮箱示例 |
|---|---|
| 网易邮箱 | [email protected] |
| QQ邮箱 | [email protected] |
| 新浪邮箱 | [email protected] |
| 谷歌邮箱 | [email protected] |
首先观察，每个邮箱都有个@符号，第一个网易163邮箱，比较简单，@前面都是英文字母，@后面是3个数字，加一个.com：
因此我们可以写为：[a-z]{10}@[1-9]{3}\.com
我们拆开来看，第一部分是@前面的，[a-z]{10}，什么意思呢？[a-z]表示范围，即a直到z之间的字母，{10}表示有10个字母。其中，方括号和大括号在正则中有特殊的含义：
字符的集合：[abcd]。表示的就是abcd任意字母出现都会匹配到
字符集合的反集合，即不包含指定字符集合：[^abcd]。表示的是只匹配不包含abcd的字符
字符的范围集合：[a-z]。表示的只要是a到z之间的字符都会匹配。
字符范围集合的反集合，即不包含指定字符范围的反集合：[^a-g]。表示只匹配a-g之外的那些集合
同样的，如果方括号中不是字母，而是数字，也是同样的道理，例如[0-9]表示的就是匹配0到9的数字。
表示匹配的次数：{10}表示精确匹配10次
表示匹配最少次数：{1,}表示至少匹配1次，多了不限制
表示匹配最多次数：{,10}表示最多匹配10次，少了不限制
表示匹配次数范围：{1,10}表示匹配1到10次。
@之后呢，[0-9]{3}表示有3个数字，[0-9]还是表示数字范围，{3}表示匹配的次数，.com中的.为什么用.来表示呢？因为.在正则中有特殊的含义，因此前面要加一个\用来转义。
我们可以找一个在线正则验证工具试一下。
除了.之外还有别的需要转义吗？事实上在正则表达式中有特殊含义的词，如果想匹配都要转义。例如.、[、{、?…
以上[a-z]{10}@[1-9]{3}\.com能匹配 [email protected] 了，但是如果前缀和后缀换了呢？肯定就匹配不上了，因此我们要把精确匹配换成范围匹配，我们假设前缀的长度必须大于1,小于100，可以包含数字、字母和下划线，后缀也可以是字母和数字，没有下划线，长度是1到10个，同时域名除了.com还可能是.cn，我们看看这个正则怎么写[a-z0-9_]{1,100}@[a-z0-9]{1,10}\.[a-z]{1,3}
我们再来测试一下
- 手机号匹配
现在早已是移动互联网时代，在App注册时，经常是通过手机验证码来验伪的，如何判断一个字符串是一个手机号呢？手机号相比邮箱相对简单，只有数字，但数字是有规则的，并不是任何一个11个数字的集合就是手机号，例如1231231231就不是一个有效的手机号。同样我们在互联网上找一下手机号的相关组成规则：
我国使用的号码为11位，其中各段有不同的编码方向：第1-3位—网络识别号；第4-7位—地区编码；第8-11位—用户号码。
| 运营商 | 号段 |
|---|---|
| 中国电信 | 133、149、153、173、177、180、181、189、190、191、193、199 |
| 中国联通 | 130、131、132、145、155、156、166、167、171、175、176、185、186、196 |
| 中国移动 | 134(0-8)、135、136、137、138、139、1440、147、148、150、151、152、157、158、159、172、178、182、183、184、187、188、195 [1] 、197、198 |
| 中国广电号段 | 192 |
参考 ：百度百科-手机号码
根据以上的资料，我们分析下手机号的组织规则，知道了组织规则后，写正则就不麻烦了。
- 第1位：永远是1
- 第2位：3~9
- 第3位：0~9
- 后续位：不限制
因此我们的正则可以写为：1[3-9][0-9][\d]{8}，接下来验证一下是否正确。
上面的正则对输入格式限制的很宽泛，我们经常还会看到一些做法是，将号码段进行穷举，例如：(133|149|153|173)[\d]{8}
需要指出的是，虽然上面这种穷举的方式更为准确，但也有一定的缺点，一是比较难维护，模式串比较长；二是不知道什么时候出现新的手机号码段时，系统就会提示错误，给用户不好的体验。因此还是建议不要用穷举的方式去做手机号验证。
- 身份证号匹配
与前面的步骤一样，我们先看一下我国关于身份证号码相关的资料。
如上图所示，我国公民身份证号码，由18位组成（之前是15位），前6位为地区编码，分别为省市区，然后跟着8位是出生年月日，再跟着3位是顺序号，最后一位为验证码，校验码之前的10位，都是0-9的数字，最后一位不同，是验证码，值为0-9或者为x。
因此我们可以简单写正则为\d{17}[\d|X]{1}
参考：
公民身份号码
2020年11月中华人民共和国县以上行政区划代码
字符串替换
其实学会验证，再替换就不困难了，但是替换的场景其实很多，如果能灵活的使用的替换，可以在工作中产生事半功倍的效果。
Java代码中的字符串替换
String类的replaceAll方法，使用的就是正则匹配加替换的
public String replaceAll(String regex, String replacement) {
return Pattern.compile(regex).matcher(this).replaceAll(replacement);
}
于是，我们可以该方法来替换。比如公司安全部门经常要对日志进行扫描，防止程序员将手机号等敏感信息打到日志中，我们写个测试方法，将字符串中的手机号替换为***
public static void testReplaceAll(){
String text = "今天工作中，我向客户张三要到了手机号15212123430，向客户李四要到了手机号13923210384，同时和他们建立一定的合作意向";
String pattern = "1[3-9][0-9][\\d]{8}";
System.out.println(text.replaceAll(pattern,"***"));
}
输出：
今天工作中，我向客户张三要到了手机号***，向客户李四要到了手机号***，同时和他们建立一定的合作意向
在idea中替换
在项目重构过程中，经常会遇到将某些类定义进行修改的情况，例如将某个类的所有类型为String字段都加上一个注解，如果打开每个Java类对一行一行的添加，类文件少的时候还可以，一旦非常多，如几十个甚至上百个，这个工作量就不小了，这时我们就可以通过正则替换的方式来做，只需要简单几步就能完成小白一天的工作量。
示例：
public class UserInfo {
private String name;
private Integer age;
private String address;
private Date birthday;
private String country;
private String cityCode;
private String device;
private Double high;
private Double height;
}
现在我们在每个字段上，加上@Getter注解，如下，我们只替换UserInfo.java这个文件，使用(private.*;)筛选所有以private开头的字段，替换为@Getter注解\n$1\n，其中$1是提取的上面正则括号中内容，也即每个字段的行。
替换框使用快捷键cmd+shift+F，替换时选择正则，.图标表示正则。
如果我们有100个类文件，只需要选中相应的文件，如Entity.java选中所有的实体类，即可一键替换。
内容提取
内容提取，在写网络爬虫时使用最为广泛，例如我们下载下https://www.hao123.com/的页面，然后提取其中所有的标签。
内容：
<div class="user-common-sites" id="userCommonSites"><div class="js_manage site-manage" title="添加网址">div><ul class="js_bd cls_bd"><li class="js_site-item site-item" data-id="1" data-title="百度" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-3-5/baidulogo.png" data-status="1" title="百度"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://www.baidu.com/?tn=sitehao123_15" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-3-5/baidulogo.png)" data-title="百度">百度a>div>li><li class="js_site-item site-item" data-id="2" data-title="新浪" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/10597f220b047cee3e8ea50e91886d71.ico" data-status="1" title="新浪"><div class="inline-block-wrapper"><a class="sitelink icon-site main-site" href="http://www.sina.com.cn/" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/10597f220b047cee3e8ea50e91886d71.ico)" data-title="新浪">新浪a>•<a class="sitelink sub-site" href="https://weibo.com/" data-title="微博">微博a>div>li><li class="js_site-item site-item" data-id="3" data-title="搜狐" data-icon="https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/8d6d2c708fbf92d23e3852340d72f9ff" data-status="1" title="搜狐"><div class="inline-block-wrapper"><a class="sitelink icon-site main-site" href="http://www.sohu.com/" style="background-image: url(https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/8d6d2c708fbf92d23e3852340d72f9ff)" data-title="搜狐">搜狐a>•<a class="sitelink sub-site" href="http://tuijian.hao123.com/" data-title="热点">热点a>div>li><li class="js_site-item site-item" data-id="4" data-title="腾讯" data-icon="https://dgss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/5838ed1d6a3eef9f91341d9a8af16db8.ico" data-status="1" title="腾讯"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://www.qq.com/" style="background-image: url(https://dgss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/5838ed1d6a3eef9f91341d9a8af16db8.ico)" data-title="腾讯">腾讯a>div>li><li class="js_site-item site-item" data-id="5" data-title="网易" data-icon="https://dgss0.bdstatic.com/5bVSsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/0243171b97e12fd795285d6603b199bb.ico" data-status="1" title="网易"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://www.163.com/" style="background-image: url(https://dgss0.bdstatic.com/5bVSsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/0243171b97e12fd795285d6603b199bb.ico)" data-title="网易">网易a>div>li><li class="js_site-item site-item" data-id="6" data-title="百度地图" data-icon="https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/urlicon/bddt2018110949.png" data-status="1" title="百度地图"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://map.baidu.com/" style="background-image: url(https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/urlicon/bddt2018110949.png)" data-title="百度地图">百度地图a>div>li><li class="js_site-item site-item" data-id="7" data-title="游戏" data-icon="https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/urlicon/game0331.png" data-status="1" title="游戏"><div class="inline-block-wrapper"><a class="sitelink icon-site main-site" href="https://game.hao123.com?idfrom=4086" style="background-image: url(https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/urlicon/game0331.png)" data-title="游戏">游戏a>•<a class="sitelink sub-site" href="http://wan.baidu.com/home?idfrom=4087" data-title="页游大全">页游大全a>div>li><li class="js_site-item site-item" data-id="8" data-title="头条新闻" data-icon="https://dgss0.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/urlicon/1.1f32806366c6520864b669e487ec2ab8.png" data-status="1" title="头条新闻"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://tuijian.hao123.com/?type=rec" style="background-image: url(https://dgss0.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/urlicon/1.1f32806366c6520864b669e487ec2ab8.png)" data-title="hao123头条">hao123头条a>div>li><li class="js_site-item site-item" data-id="9" data-title="hao123影视" data-icon="https://dgss0.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/urlicon/1.1f32806366c6520864b669e487ec2ab8.png" data-status="1" title="hao123影视"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://v.hao123.baidu.com/" style="background-image: url(https://dgss0.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/urlicon/1.1f32806366c6520864b669e487ec2ab8.png)" data-title="hao123影视">hao123影视a>div>li><li class="js_site-item site-item" data-id="10" data-title="爱淘宝" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2017-07-10/16c593b3396fd2ed58ce6851ff76b2d0.png" data-status="1" title="爱淘宝"><div class="inline-block-wrapper"><a class="sitelink icon-site g-red" href="https://s.click.taobao.com/XvU7IXu" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2017-07-10/16c593b3396fd2ed58ce6851ff76b2d0.png)" data-title="爱淘宝">爱淘宝a>div>li><li class="js_site-item site-item" data-id="11" data-title="京东" data-icon="https://dgss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/aa0448bf686b54f648b869155388d64e.ico" data-status="1" title="京东"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://union-click.jd.com/jdc?d=iEZf6v" style="background-image: url(https://dgss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/qiusuo_icon/aa0448bf686b54f648b869155388d64e.ico)" data-title="京东">京东a>div>li><li class="js_site-item site-item" data-id="12" data-title="阿里1688" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/b7cf14241b120edffe1e65c79e4d48c5" data-status="1" title="阿里1688"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://p4psearch.1688.com/hamlet.html?scene=6&cosite=hao123daohang&location=mingzhan" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/b7cf14241b120edffe1e65c79e4d48c5)" data-title="阿里1688">阿里1688a>div>li><li class="js_site-item site-item" data-id="13" data-title="天猫国际" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2020-01-01/1bb44a4de355a70c26fb840ef31d3bfc.png" data-status="1" title="天猫国际"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://s.click.taobao.com/qA555bu" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2020-01-01/1bb44a4de355a70c26fb840ef31d3bfc.png)" data-title="天猫国际">天猫国际a>div>li><li class="js_site-item site-item" data-id="14" data-title="携程旅行网" data-icon="https://dss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/res/r/image/2022-6-18/PC.png" data-status="1" title="携程旅行网"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.ctrip.com/?allianceid=1630&sid=1911" style="background-image: url(https://dss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/res/r/image/2022-6-18/PC.png)" data-title="携程旅行网">携程旅行网a>div>li><li class="js_site-item site-item" data-id="15" data-title="好看视频" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-07-01/3a117368c5bcfaf958ee74b0aec56287.png" data-status="1" title="好看视频"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://haokan.baidu.com/ " style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-07-01/3a117368c5bcfaf958ee74b0aec56287.png)" data-title="好看视频">好看视频a>div>li><li class="js_site-item site-item" data-id="16" data-title="淘宝网" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2020-04-09/9a95d3783ba0e6dea8bd386e2d0ad67f.png" data-status="1" title="淘宝网"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.taobao.com" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2020-04-09/9a95d3783ba0e6dea8bd386e2d0ad67f.png)" data-title="淘宝网">淘宝网a>div>li><li class="js_site-item site-item" data-id="17" data-title="哔哩哔哩" data-icon="https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/b51544df631f5dd536ade159b09c1dcf" data-status="1" title="哔哩哔哩"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.bilibili.com/" style="background-image: url(https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/b51544df631f5dd536ade159b09c1dcf)" data-title="哔哩哔哩">哔哩哔哩a>div>li><li class="js_site-item site-item" data-id="18" data-title="爱奇艺" data-icon="https://dgss0.bdstatic.com/5bVSsj_p_tVS5dKfpU_Y_D3/data/b34fe8ac6be373fd96f301282e83c705" data-status="1" title="爱奇艺"><div class="inline-block-wrapper"><a class="sitelink icon-site main-site" href="http://www.iqiyi.com/" style="background-image: url(https://dgss0.bdstatic.com/5bVSsj_p_tVS5dKfpU_Y_D3/data/b34fe8ac6be373fd96f301282e83c705)" data-title="爱奇艺">爱奇艺a>•<a class="sitelink sub-site" href="http://v.hao123.baidu.com/dianshi" data-title="电视剧">电视剧a>div>li><li class="js_site-item site-item" data-id="19" data-title="聚划算" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/e35fd6daaa7116ba3a053a4ed3315977" data-status="1" title="聚划算"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://mos.m.taobao.com/union/jhsjx2020?pid=mm_43125636_4246598_109944300468" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/e35fd6daaa7116ba3a053a4ed3315977)" data-title="聚划算">聚划算a>div>li><li class="js_site-item site-item" data-id="20" data-title="今日特价" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-10-22/c7fe0c26b58db2ac470119bc12b377fd.png" data-status="1" title="今日特价"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://tejia.hao123.com/" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-10-22/c7fe0c26b58db2ac470119bc12b377fd.png)" data-title="今日特价">今日特价a>div>li><li class="js_site-item site-item" data-id="21" data-title="东方财富" data-icon="https://dgss0.bdstatic.com/5eR1dDebRNRTm2_p8IuM_a/res/r/image/2016-12-12/30d4143e18a36bed146bb7e92e5a2464.png" data-status="1" title="东方财富"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="http://www.eastmoney.com/" style="background-image: url(https://dgss0.bdstatic.com/5eR1dDebRNRTm2_p8IuM_a/res/r/image/2016-12-12/30d4143e18a36bed146bb7e92e5a2464.png)" data-title="东方财富">东方财富a>div>li><li class="js_site-item site-item" data-id="22" data-title="知乎" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-08-16/3c8835ab2cb0db921a8879952df3cac9.png" data-status="1" title="知乎"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.zhihu.com/explore" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2019-08-16/3c8835ab2cb0db921a8879952df3cac9.png)" data-title="知乎">知乎a>div>li><li class="js_site-item site-item" data-id="23" data-title="YY直播" data-icon="https://dss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/res/r/image/2022-9-1/pcming.png" data-status="1" title="YY直播"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.yy.com/" style="background-image: url(https://dss2.bdstatic.com/5bVYsj_p_tVS5dKfpU_Y_D3/res/r/image/2022-9-1/pcming.png)" data-title="YY直播">YY直播a><a monkey="tips_on" class="tips_link g_tips-r" alog-text="YY直播_音乐盛宴" href="https://www.yy.com/" cls="ds,y" alog-custom="ind:ds,sal:1"> <i class="g_icon">音乐盛宴i>a>div>li><li class="js_site-item site-item" data-id="24" data-title="12306" data-icon="https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/15561edb1bae1b2c6a54fd6b4df5d840" data-status="1" title="12306"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.12306.cn/" style="background-image: url(https://dgss1.bdstatic.com/5bVXsj_p_tVS5dKfpU_Y_D3/data/15561edb1bae1b2c6a54fd6b4df5d840)" data-title="12306">12306a>div>li><li class="js_site-item site-item" data-id="25" data-title="凤凰网" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/3321005414876972a6ccd92043996804" data-status="1" title="凤凰网"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.ifeng.com/" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/data/3321005414876972a6ccd92043996804)" data-title="凤凰网">凤凰网a>div>li><li class="js_site-item site-item" data-id="26" data-title="学信网" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-4-1/favicon.png" data-status="1" title="学信网"><div class="inline-block-wrapper"><a class="sitelink icon-site" href="https://www.chsi.com.cn/" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-4-1/favicon.png)" data-title="学信网">学信网a>div>li><li class="js_site-item site-item" data-id="27" data-title="彩票" data-icon="https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-4-1/cai.jpg" data-status="1" title="彩票"><div class="inline-block-wrapper"><a class="sitelink icon-site main-site" href="https://www.baidu.com/s?word=%E5%BD%A9%E7%A5%A8&tn=50000230_hao_pg&ie=utf-8" style="background-image: url(https://dgss0.bdstatic.com/5bVWsj_p_tVS5dKfpU_Y_D3/res/r/image/2021-4-1/cai.jpg)" data-title="彩票">彩票a>•<a class="sitelink sub-site" href="https://www.baidu.com/s?word=%E5%A4%A7%E4%B9%90%E9%80%8F%E8%B5%B0%E5%8A%BF%E5%9B%BE&tn=50000231_hao_pg&ie=utf-8" data-title="走势图">走势图a>div>li>ul>div>
代码如下
public class GetA {
public static void main(String[] args) {
String html = "";
String regex = "]*href=\"([^\"]*)\"[^>]*>(.*?)" ;
Pattern pattern = Pattern.compile(regex);
html.matches(regex);
Matcher matcher = pattern.matcher(html);
while (matcher.find()) {
String url = matcher.group(1);
String title = matcher.group(2);
System.out.println(title + "->" + url);
}
}
}
这里简单解释一下正则的含义：href=\"([^\"]*)\"[^>]*>之后先匹配双引号，然后再一直匹配，匹配除双引号之外的字符，直接遇到第一个双绰号为止。此时href的内容匹配完，后面可能还有class或其他a标签的属性，仍用[^>]*表示，最终直到>为止。a标签的开始匹配结束，仍然匹配标签中间的内容，直接用(.?)表示，匹配了所有字符，.表示任意字符，*表示0或多个，但是贪婪匹配，容易把后面的，因此加上?表示非贪婪模式。最后是表示a标签的结束。
输出如下：
百度->http://www.baidu.com/?tn=sitehao123_15
新浪->http://www.sina.com.cn/
微博->https://weibo.com/
搜狐->http://www.sohu.com/
热点->http://tuijian.hao123.com/
腾讯->http://www.qq.com/
网易->http://www.163.com/
百度地图->http://map.baidu.com/
...
结束语
好了，写到这里，不知道大家对正则有没有一个初步的了解，还是那句话，虽然有些正则表达式看起来很复杂，很难懂，但我们大多数情况下可能用不到那么复杂的正则，如果能把本篇文章中的场景、表达式的含义搞明白，相信也能应付工作中的大多数场景了，然后更多语法，比如\w表示匹配字母、数字、下划线，\s匹配任何空白字符，包括空格、制表符、换页符等等，什么时候用到再去查文档就行了。
网上有很多正则的教程，可以拿它当手册看，用不着从头到尾的学一遍。正则表达式 - 教程
最后，如果有正则相关的问题，可以私信联系我，一起学习。