package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 体验正则表达式的威力,给我们文本处理带来哪些好处
*/
public class Regexp_ {
public static void main(String[] args) {
//假定,编写了爬虫,从百度页面得到如下文本
String content = "1995年,互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的" +
"静态网页能够“灵活”起来,急需一种软件技术来开发一种程序,这种程序可以通" +
"过网络传播并且能够跨平台运行。于是,世界各大IT企业为此纷纷投入了大量的" +
"人力、物力和财力。这个时候,Sun公司想起了那个被搁置起来很久的Oak,并且" +
"重新审视了那个用软件编写的试验平台,由于它是按照嵌入式系统硬件平台体系结" +
"构进行编写的,所以非常小,特别适用于网络上的传输系统,而Oak也是一种精简的" +
"语言,程序非常小,适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以" +
"随同网页在网络上传输的Applet(Applet是一种将小程序嵌入到网页中进行执行的技术)," +
"并将Oak更名为Java(在申请注册商标时,发现Oak已经被人使用了,再想了一系列" +
"名字之后,最终,使用了提议者在喝一杯Java咖啡时无意提到的Java词" +
"语)。5月23日,Sun公司在Sun world会议上正式发" +
"布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软" +
"等各大公司都纷纷停止了自己的相关开发项目,竞相购买了Java使用许可证,并为自己的产" +
"品开发了相应的Java平台";
//提取文章中的所有英文单词
//(1) 传统方法 使用遍历方式,代码量大,效率不高
//(2) 正则表达式技术
//1 先创建一个Pattern对象,模式对象,可以理解成就是一个正则表达式对象
Pattern pattern = Pattern.compile("[a-zA-z]+");
//Pattern pattern = Pattern.compile("[0-9]+");
//Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");
//2 创建一个匹配器对象
//理解 匹配器按照我们的模式去content文本中查找跟匹配
//找到就返回一个true,否则就返回一个false
Matcher matcher = pattern.matcher(content);
//3 开始循环匹配
while(matcher.find()){
//匹配的内容\文本,会放到m,group(0)
System.out.println("找到:"+matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 分析Java正则表达式的底层实现
*/
public class RegTheory {
public static void main(String[] args) {
String content = "1998 年 12 月 8 日,第二代 Java 平台的企业版 J2EE 发布。1999 年 6 月,Sun 公司发布了" +
"第二代 Java 平台(简称为 Java2)的 3 个版本:J2ME(Java2 Micro Edition,Java2 平台的微型" +
"版),应用于移动、无线及有限资源的环境;J2SE(Java 2 Standard Edition,Java 2 平台的" +
"标准版),应用于桌面环境;J2EE(Java 2Enterprise Edition,Java 2 平台的企业版),应" +
"用 3443 于基于 Java 的应用服务器。Java 2 平台的发布,是 Java 发展过程中最重要的一个" +
"里程碑,标志着 Java 的应用开始普及 9889 ";
//目标:匹配所有四个数字
//说明
//1 \\d表示任意一个数字
String regStr="(\\d\\d)(\\d\\d)";
//2 创建模式对象(正则表达式对象)
Pattern pattern=Pattern.compile(regStr);
//3 创建匹配器
//说明:创建匹配器matcher,按照正则表达式的规则去匹配
Matcher matcher=pattern.matcher(content);
//4 开始查找
/**
*matcher.find() 完成的任务 (考虑分组)
*
*
*
*
* matcher.find() 完成的任务 (考虑分组)
* * 什么是分组,比如 (\d\d)(\d\d) ,正则表达式中有() 表示分组,第 1 个()表示第 1 组,第 2 个()表示第 2 组...
* 1. 根据指定的规则,定位满足规则的子字符串(比如1999)
* 2. 找到后将子字符串的开始索引记录到matcher对象属性 int[] groups
* 2.1 groups[0] = 31 , 把该子字符串的结束的索引+1 的值记录到 groups[1] = 35 *
* 2.2 记录 1 组()匹配到的字符串 groups[2] = 0 groups[3] = 2
* 2.3 记录 2 组()匹配到的字符串 groups[4] = 2 groups[5] = 4
* 2.4.如果有更多的分组.....
* 3. 同时记录 oldLast 的值为 子字符串的结束的 索引+1 的值即 35, 即下次执行 find 时,
* 就从 35 开始匹配
*
*
*
*
*
* matcher.group(0) 分析
* *
* * 源码:
* * public String group(int group) {
* * if (first < 0)
* * throw new IllegalStateException("No match found");
* * if (group < 0 || group > groupCount())
* * throw new IndexOutOfBoundsException("No group " + group);
* * if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* * return null;
* * return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* * }
* * 1. 根据 groups[0]=31 和 groups[1]=35 的记录的位置,从 content 开始截取子字符串返回
* * 就是 [31,35) 包含 31 但是不包含索引为 35 的位置
* *
* * 如果再次指向 find 方法.仍然按照上面分析来执行
*/
while (matcher.find()){
//小结
//1. 如果正则表达式有() 即分组
//2. 取出匹配的字符串规则如下
//3. group(0) 表示匹配到的子字符串
//4. group(1) 表示匹配到的子字符串的第一组字串
//5. group(2) 表示匹配到的子字符串的第 2 组字串
//6. ... 但是分组的数不能越界
System.out.println("找到:"+matcher.group(1)+matcher.group(2));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class RegExp02 {
public static void main(String[] args) {
String content="abc$(a.bc(123( )";
//匹配( => \\(
String regStr="\\(";
//String regStr = "\\.";
//String regStr = "\\d\\d\\d";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示字符匹配符 的使用
*/
public class RegExp03 {
public static void main(String[] args) {
String content = "a11c8abc _ABCy @";
//String regStr="[a-z]";//匹配 a-z 之间任意一个字符
//String regStr = "[A-Z]";//匹配 A-Z 之间任意一个字符
//String regStr = "abc";//匹配 abc 字符串[默认区分大小写]
//String regStr = "(?i)abc";//匹配 abc 字符串[不区分大小写]
//String regStr = "[0-9]";//匹配 0-9 之间任意一个字符
//String regStr = "[^a-z]";//匹配 不在 a-z 之间任意一个字符
//String regStr = "[^0-9]";//匹配 不在 0-9 之间任意一个字符
//String regStr="[abcd]";
//String regStr="[\\D]";//匹配 不在 0-9 的任意一个字符
//String regStr = "\\w";//匹配 大小写英文字母, 数字,下划线
//String regStr = "\\W";//匹配 等价于 [^a-zA-Z0-9_]
//\\s 匹配任何空白字符(空格,制表符等)
//String regStr = "\\s";
//\\S 匹配任何非空白字符 ,和\\s 刚好相反
String regStr = "\\S";
//. 匹配出 \n 之外的所有字符,如果要匹配.本身则需要使用 \\.
//1. 当创建 Pattern 对象时,指定 Pattern.CASE_INSENSITIVE, 表示匹配是不区分字母大小写.
// Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println(matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 选择匹配符
*/
public class RegExp04 {
public static void main(String[] args) {
String content = "hanshunping 韩 寒冷";
String regStr = "han|韩|寒";
Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class RegExp05 {
public static void main(String[] args) {
String content = "a211111aaaaaahello";
//String regStr="a{3}";// 表示匹配 aaa
//String regStr="\\d{2}";// 表示匹配 两位的任意数字字符
//细节:java 匹配默认贪婪匹配,即尽可能匹配数位多的的
//String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa
//String regStr = "1{4,5}"; //表示匹配 1111 或者 11111
//String regStr = "\\d{2,5}"; //匹配 2 位数或者 3,4,5
//1+
//String regStr = "1+"; //匹配一个 1 或者多个 1
//String regStr = "\\d+"; //匹配一个数字或者多个数字
//1*
//String regStr = "1*"; //匹配 0 个 1 或者多个 1
//演示?的使用, 遵守贪婪匹配
String regStr = "a1?"; //匹配 a 或者 a1
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println(matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示定位符的使用
*/
public class RegExp06 {
public static void main(String[] args) {
String content = "hanshunping sphan nnhan";
//String content="123abc";
String regStr="^[0-9]+[a-z]*";//以至少 1 个数字开头,后接任意个小写字母的字符串
//String regStr = "^[0-9]+\\-[a-z]+$"//以至少 1 个数字开头, 必须以至少一个小写字母结束
//表示匹配边界的 han[这里的边界是指:被匹配的字符串最后, // 也可以是空格的子字符串的后面]
//String regStr = "han\\b";在这里会查找到两个han
//和\\b 的含义刚刚相反
//String regStr = "han\\B";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println(matcher.group(0));//123abc
}
}
}
【捕获分组】
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class RegExp07 {
public static void main(String[] args) {
String content="hanshunping s7789 nn1189han";
//下面就是非命名分组
//说明
// 1. matcher.group(0) 得到匹配到的字符串
// 2. matcher.group(1) 得到匹配到的字符串的第 1 个分组内容
// 3. matcher.group(2) 得到匹配到的字符串的第 2 个分组内容
//String regStr = "(\\d\\d)(\\d\\d)";//匹配 4 个数字的字符串
//命名分组: 即可以给分组取名
String regStr = "(?\\d\\d)(?\\d\\d)";//匹配 4 个数字的字符串
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println("找到=" + matcher.group(0));
System.out.println("第 1 个分组内容=" + matcher.group(1));
System.out.println("第 1 个分组内容[通过组名]=" + matcher.group("g1"));
System.out.println("第 2 个分组内容=" + matcher.group(2));
System.out.println("第 2 个分组内容[通过组名]=" + matcher.group("g2"));
}
}
}
【非捕获分组】
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示非捕获分组, 语法比较奇怪
*/
public class RegExp08 {
public static void main(String[] args) {
String content="hello 林然教育 jack 林然老师 林然同学 hello 林然学生";
// 找到 林然教育 、林然老师、林然同学 子字符串
//String regStr = "林然教育|林然老师|林然同学";
//上面的写法可以等价非捕获分组, 注意:不能 matcher.group(1)
String regStr="林然(?:教育|老师|同学)";
//找到 林然 这个关键字,但是要求只是查找林然教育和 林然老师 中包含有的林然
//下面也是非捕获分组,不能使用 matcher.group(1)
//String regStr = "林然(?=教育|老师)";
//找到 林然 这个关键字,但是要求只是查找 不是 (林然教育 和 林然老师) 中包含有林然
//下面也是非捕获分组,不能使用 matcher.group(1)
//String regStr = "林然(?!教育|老师)";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到: " + matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class RegExp10 {
public static void main(String[] args) {
String content="林然教育";
//汉字
String regStr = "^[\u0391-\uffe5]+$";//汉字的范围
// 邮政编码
// 要求:1.是 1-9 开头的一个六位数. 比如:123890
//String regStr="^[1-9]\\d{5}$"
// QQ 号码
// 要求: 是 1-9 开头的一个(5 位数-10 位数) 比如: 12389 , 1345687 , 187698765
//String regStr = "^[1-9]\\d{4,9}$";
// 手机号码
// 要求: 必须以 13,14,15,18 开头的 11 位数 , 比如 13588889999
//String regStr = "^1[3|4|5|8]\\d{9}$";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
if(matcher.find()) {
System.out.println("满足格式");
} else {
System.out.println("不满足格式");
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示正则表达式的使用
*/
public class RegExp11 {
public static void main(String[] args) {
String content = "https://www.bilibili.com/video/BV1fh411y7R8?from=search&seid=1831060912083761326";
/**
* 思路
* * 1. 先确定 url 的开始部分 https:// | http://
* 2.然后通过 ([\w-]+\.)+[\w-]+ 匹配 www.bilibili.com
* 3. /video/BV1fh411y7R8?from=sear 匹配(\/[\w-?=&/%.#]*)?
*/
String regStr="^((http|https)://)([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
if(matcher.find()) {
System.out.println("满足格式");
} else {
System.out.println("不满足格式");
}
//这里如果使用 Pattern 的 matches 整体匹配 比较简洁
//System.out.println(Pattern.matches(regStr, content));//
}
}
package com.hspedu.regexp;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示 matches 方法,用于整体匹配, 在验证输入的字符串是否满足条件使用
*/
public class PatternMethod {
public static void main(String[] args) {
String content = "hello abc hello, 韩顺平教育";
//String regStr = "hello";
String regStr = "hello.*";//判断匹配模式是否等于content的内容
boolean matches= Pattern.matches(regStr,content);
System.out.println("整体匹配= " + matches);
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* Matcher 类的常用方法
*/
public class MatcherMethod {
public static void main(String[] args) {
String content = "hello edu jack hspedutom hello smith hello hspedu hspedu";
String regStr = "hello";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()){
System.out.println("=================");
System.out.println(matcher.start());
System.out.println(matcher.end());
System.out.println("找到: " + content.substring(matcher.start(), matcher.end()));
}
//整体匹配方法,常用于,去校验某个字符串是否满足某个规则
System.out.println("整体匹配=" + matcher.matches());
//完成如果 content 有 hspedu 替换成 韩顺平教育
regStr = "hspedu";
pattern = Pattern.compile(regStr);
matcher = pattern.matcher(content);
//注意:返回的字符串才是替换后的字符串 原来的 content 不变化
String newContent = matcher.replaceAll("韩顺平教育");
System.out.println("newContent=" + newContent);
System.out.println("content=" + content);
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
* 演示反向引用
*/
public class RegExp12 {
public static void main(String[] args) {
String content="hello jack tom11 jack22 yyy xxx 33333 1221";
//String regStr="(\\d)\\1";
//String regStr="(\\d)\\1{4}";
String regStr="(\\d)(\\d)\\2\\1";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println(matcher.group(0));
}
}
}
package com.hspedu.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class RegExp13 {
public static void main(String[] args) {
String content = "我....我要....学学学学....编程 java!";
//1. 去掉所有的.
Pattern pattern = Pattern.compile("\\.");
Matcher matcher = pattern.matcher(content);
content=matcher.replaceAll("");
System.out.println(content);
// pattern=Pattern.compile("我+");
// matcher=pattern.matcher(content);
// content=matcher.replaceAll("我");
// System.out.println(content);
//
// pattern=Pattern.compile("学+");
// matcher=pattern.matcher(content);
// content=matcher.replaceAll("学");
// System.out.println(content);
//2. 去掉重复的字 我我要学学学学编程 java!
// 思路
//(1) 使用 (.)\\1+
//(2) 使用 反向引用$1 来替换匹配到的内容
pattern=Pattern.compile("(.)\\1+");//分组的捕获内容记录到$1
matcher=pattern.matcher(content);
while (matcher.find()){
System.out.println("找到=" + matcher.group(0));
}
content = matcher.replaceAll("$1");
System.out.println("content=" + content);
//3. 使用一条语句 去掉重复的字 我我要学学学学编程 java!
//content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1");
//System.out.println("content=" + content);
}
}
package com.hspedu.regexp;
/**
* @author 林然
* @version 1.0
*/
public class StringReg {
public static void main(String[] args) {
String content = "2000 年 5 月,JDK1.3、JDK1.4 和 J2SE1.3 相继发布,几周后其" +
"获得了 Apple 公司 Mac OS X 的工业标准的支持。2001 年 9 月 24 日,J2EE1.3 发" +
"布。" +
"2002 年 2 月 26 日,J2SE1.4 发布。自此 Java 的计算能力有了大幅提升";
//使用正则表达式方式,将 JDK1.3 和 JDK1.4 替换成 JDK
content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK");
System.out.println(content);
//要求 验证一个 手机号, 要求必须是以 138 139 开头的
content = "13888889999";
if (content.matches("1(38|39)\\d{8}")) {
System.out.println("验证成功");
} else {
System.out.println("验证失败");
}
//要求按照 # 或者 - 或者 ~ 或者 数字 来分割
System.out.println("===================");
content = "hello#abc-jack12smith~北京";
String[] split = content.split("#|-|~|\\d+");
for (String s : split) {
System.out.println(s);
}
}
}
package com.hspedu.homework;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class Homework01 {
public static void main(String[] args) {
Scanner sc=new Scanner(System.in);
String content=sc.nextLine();
String regStr="^[\\w-]+@([a-zA-z]+\\.)+[a-zA-Z]+$";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
if(matcher.matches()){
System.out.println("合法");
}else {
System.out.println("不合法");
}
}
}
package com.hspedu.homework;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class Homework02 {
public static void main(String[] args) {
String content="0.1";
String regStr="^[-+]?(([1-9]\\d*)|0)(\\.\\d+)?$";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
if(matcher.matches()){
System.out.println("匹配成功");
}else {
System.out.println("匹配失败");
}
}
}
package com.hspedu.homework;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* @author 林然
* @version 1.0
*/
public class Homework03 {
public static void main(String[] args) {
String content="https://www.sohu.com:8080/abc/index.htm";
String regStr="^([a-zA-Z]+)://([a-zA-Z.]+[a-zA-Z]+):(\\d+)[\\w-/]*/([\\w.]+)$";
Pattern pattern=Pattern.compile(regStr);
Matcher matcher=pattern.matcher(content);
if(matcher.matches()){
System.out.println(matcher.group(0));
System.out.println("协议:"+matcher.group(1));
System.out.println("域名:"+matcher.group(2));
System.out.println("端口:"+matcher.group(3));
System.out.println("文件名:"+matcher.group(4));
}else {
System.out.println("匹配失败");
}
}
}