JAVA：正则表达式（入门）

JAVA：正则表达式(入门)

前言

字符串中的 **pubic boolean matches(String regex)**方法可以判断字符串是否满足正则的规则

正则的作用

正则表达式主要有两个作用：

一：更简单的校验字符串是否满足规则
二：更简单的在一段文本中查找满足要求的内容

比如：校验门牌号是否符合规则
不用正则的写法：

public static void main(String[] args) {
        String s1 = "13#607";
        System.out.println(Check(s1));
    }
    public static boolean Check(String s){
        //前两位的楼号检验
        for (int i = 0; i < 1; i++) {
            if (s.charAt(i) < '0' || s.charAt(i) > '9'){
                return false;
            }
        }
        //中间的#检验
        if (s.charAt(2) != '#'){
            return false;
        }
        //门牌号检验
        for (int i = 3; i < 6; i++) {
            if (s.charAt(i) < '0' || s.charAt(i) > '9'){
                return false;
            }
        }
        //若都满足 返回true
        return true;

    }

用正则的写法：

public static void main(String[] args) {
        String s1 = "13#607";
        String regex = "\\d{2}#\\d{3}";
        System.out.println(s1.matches(regex));
    }

可见正则是十分方便简单的。

正则的符号含义

常用的正则符号有：

|。。。。。。。。。。。。。。或者的意思
&&。。。。。。。。。。。。。而且的意思

字符类(只匹配一个字符)

[ abc ]…………………………………该字符只能是abc其中一个
[ ^abc ]………………………………该字符是除了abc的一个字符
[ a-zA-Z ]………………………………该字符是a-z和A-Z范围中的一个字符
[ a-d [ m-p ] ]…………………………该字符是a-d或m-p范围中的一个字符
[ a-z&& [ def ] ]………………………该字符是a-z范围和def三个字符的交集 等同于[ def ]
[ a-z&& [ ^bc ] ]………………………该字符是a-z范围和非bc的交集 等同于[ ad-z ]
[ a-z&& [ ^m-p ] ]…………………该字符是a-z范围和除了m-p范围的交集 等同于[ a-lq-z ]

String s1 = "a";
String regex = "[abc]";
System.out.println(s1.matches(regex));//true

预定义字符(只匹配一个字符)
注意：在java中 “ \ ”为转义字符 所以要使用 " \ "来区分正则表达式

. —————————————— 任何一个字符
\d ————————————— 一个数字 等同于[ 0-9 ]
\D——————————————非数字
\s——————————————空白字符 [ \t \n \x0B \f \r ]
\S——————————————非空白字符
\w——————————————英文，数字，下划线 [ a-zA-Z_0-9 ]
\W——————————————非\w

String s1 = "12";//有两个字符
String regex = "\\d";//正则只有一个字符
System.out.println(s1.matches(regex));//false----只匹配一个字符 所以不符合正则

数量词(可匹配多个字符)

X?————————————————X,一次或0次
X*————————————————X,0次或多次
X+————————————————X,一次或多次
X{ n }————————————————X,正好n次
X{ n, }————————————————X,至少n次
X{ n,m }————————————————X,至少n次但不超m次

 String s1 = "123456789";
 String regex = "\\d{9}";//数字出现九次
 System.out.println(s1.matches(regex));//true

正则表达式在字符串中的常用方法

一， public boolean matches(String regex) ------------------- 判断字符串是否满足正则的规则

---

二，public String replaceAll(String regex,String newStr) -------------- 按照正则的规则进行字符串的替换

String s1 = "张三123456789李四asdfjlkvajd王五";//要把字符串替换为 张三和李四和王五
//查找符合 数字 和 字母的正则
String regex = "\\w+";//（英文，数字，下划线）可以出现1次或多次
String result = s1.replaceAll(regex,"和");
System.out.println(result);//张三和李四和王五

三，public String[ ] split(String regex)---------------按照正则的规则切割字符串

String s1 = "张三123456789李四asdfjlkvajd王五";//要把字符串切割成【张三，李四，王五】
//查找符合 数字 和 字母的正则
String regex = "\\w+";//（英文，数字，下划线）可以出现1次或多次
String[] result = s1.split(regex);
for (int i = 0; i < result.length; i++) {
    System.out.println(result[i]);//张三  李四  王五
}

正则表达式对象Pattern（爬虫）

在JDK API文档中官方说法是：

正则表达式的编译表示形式。

指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建 Matcher 对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。

因此，典型的调用顺序是

Pattern p = Pattern.compile(“a*b”); //创建Pattern对象p，调用静态方法compile存放regex正则表达式
Matcher m = p.matcher(“aaaaab”); //获取文本匹配器对象m，用p调用matcher方法匹配目标字符串
boolean b = m.matches(); //m调用matches方法，判断目标字符串是否满足正则

补充：m.find（） boolean类型，若m匹配到符合要求的内容，底层会记录该内容的起始索引 和 末尾索引+1‘
m.group（） String类型，会按照find方法记录的索引进行截取，截取的方式等同于 subString

---

我的理解是：

这是固定格式，比如我们要从一段文字中爬取固定文字，可以套用
我要从

”移动端开发者专属APP： CSDN APP、CSDN学院APP；新媒体矩阵微信公众号：CSDN资讯、程序人生、GitChat、CSDN学院、AI科技大本营、区块链大本营、CSDN云计算、GitChat精品课、人工智能头条、CSDN企业招聘。”

这一段文字中爬取“CSDN”

String s1 = "移动端开发者专属APP： CSDN APP、CSDN学院APP；新媒体矩阵微信公众号：CSDN资讯、程序人生、GitChat、CSDN学院、AI科技大本营、区块链大本营、CSDN云计算、GitChat精品课、人工智能头条、CSDN企业招聘。";
Pattern p = Pattern.compile("CSDN");
Matcher m = p.matcher(s1);
while (m.find()){//若能找到，则循环继续
    String s = m.group();
    System.out.println(s);
}

贪婪爬取与非贪婪爬取

比如一个字符串“abbbbbbbbcccccccc”
使用regex为ab+ 进行爬取
贪婪爬取：abbbbbbbb
非贪婪爬取：ab

String s1 = "abbbbbbbbcccccccc";
Pattern p = Pattern.compile("ab+");
Matcher m = p.matcher(s1);
while (m.find()){
    String s = m.group();
    System.out.println(s);//结果abbbbbbbb
}

JAVA默认的是贪婪爬取
若要变成非贪婪爬取，需要在数量词后面加上？

String s1 = "abbbbbbbbcccccccc";
Pattern p = Pattern.compile("ab+?");
Matcher m = p.matcher(s1);
while (m.find()){
    String s = m.group();
    System.out.println(s);//结果ab
}

捕获分组与非捕获分组

什么是分组？
简单来说，一个括号就是一个组，按左括号，从左到右，一次为1组，2组，3组······

例如 “( \\d ( \\w ) )（ \\s ）”~~~~~~~~~d所在的组为第一组，w所在的组为第二组，s所在的组为第三组

捕获分组：就是把一组的数据捕获出来，再用一次（相同的数据）
【正则的内部】\\组号：把第x组的内容再用一次

String s1 = "a123a";
boolean f1 = s1.matches("(.).+\\1");//true
//第一位可以是任意字符，第二位及后面代表任意字符可以出现一次或多次，最后一位\\1表示第一位的数据再次出现

String s1 = "a123b";
boolean f1 = s1.matches("(.).+\\1");//false

【正则的外部】$组号：把第x组的内容再用一次

String s1 = "我要学学学学学习！";
String result = s1.replaceAll("(.)\\1+","$1");
//正则的含义：任意字符 获取出来的数据可以出现一次或多次，之后用获取出来的数据替换之前的重复的数据
System.out.println(result);//我要学习！

非捕获分组：分组之后不需要本组数据，仅仅是括起来，括号不占用组号

★正则表达式1（?:正则表达式2）·····获取正则1和2（正则1后面的内容是正则2）
正则表达式1（?=正则表达式2）·····获取正则1（正则1后面的内容是正则2）
正则表达式1（?！正则表达式2）·····获取正则1（正则1后面的的内容是正则2取反）

小结

写稿不易，麻烦各位看官给个赞叭！！！