马士兵 正则表达式的学习(上)
天气预报系统六天的面向对象的写法已经完成，代码也比较完善了。下一个任务就是获取7,8,9三天的天气情况，数据源来自http://www.haotq.com/d_anqing.html。
中国天气网的信息由于有JSON接口，所以直接用JSON解析即可，这个新数据源只能采用写个爬虫，抓取网页，进行解析才行。由于我需要的数据信息锁在DIV之中，所以我打算使用正则表达式进行解析，现在需要做的是好好学习一下正则表达式。
01正则表达式简介：
一个点对应一个字母：
package com.zzk.cn;
public class Test {
public static void main(String[] args) {
//简单认识正则表达式的概念
System.out.println("abc".matches("..."));//一个点对应一个字母，字符匹配
}
}
输出：
true
02初步认识正则表达式
所有的字母替换成 -
匹配字符
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//简单认识正则表达式的概念
p("abc".matches("..."));//一个点对应一个字母，字符匹配 true
p("a8729a".replaceAll("\\d", "-"));//所有的数字替换成一条横线 a----a
// \d代表一列数组，敲1一个反斜杠是不对的，在java里，1个反斜杠和后面的是转义字符，\d再加一个\，两个反斜杠代表一个反斜杠
Pattern p=Pattern.compile("[a-z]{3}");
Matcher m=p.matcher("fgh");//去匹配一个字符串 true
p(m.matches());//true
p("fgh".matches("[a-z]{3}"));//true
p("fgha".matches("[a-z]{3}"));//false
p("f".matches("[a-z]"));//匹配一个字符 true
p("fgha".matches("[a-z]"));//false,只是匹配一个字符
p("fg4".matches("[a-z]{3}"));//false
}
public static void p(Object o) {
System.out.println(o);
}
}
03_认识MetaCharacters
认识. * +
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//初步认识. * +
p("a".matches("."));//true
p("aa".matches("aa"));//true
p("aaaa".matches("a*"));//true a 零次或多次
p("aaaa".matches("a+"));//true a 一次或多次
p("".matches("a?"));//true 一次或一次也没有
p("aaaa".matches("a?"));//false
p("a".matches("a?"));//true
p("214523145234532".matches("\\d{3,100}"));//true 至少出现3次，不超过100次
p("192.168.0.101".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));//true \\.代表. 1到3位的数字 最简单的检验IP地址的方法、可能有不对的
p("192".matches("[0-2][0-9][0-9]"));//true
}
public static void p(Object o) {
System.out.println(o);
}
}
04 范围
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//熟悉范围
p("a".matches("[aaa]"));//true a、b 或 c（简单类） 匹配一个字符
p("a".matches("[^abc]"));//false 任何字符，除了 a、b 或 c（否定）
p("A".matches("[a-zA-z]"));//true a 到 z 或 A 到 Z，两头的字母包括在内（范围）
p("A".matches("[a-z]|[A-z]"));//true
p("A".matches("[a-z[A-z]]"));//true 和上面意思差不多 a 到 d 或 m 到 p：[a-dm-p]（并集）
p("R".matches("[A-Z&&[RFG]]"));//true A-Z之中的并且是RFG三者之一的 [a-z&&[def]] d、e 或 f（交集）
}
public static void p(Object o) {
System.out.println(o);
}
}
05.其他MetaCharacters
认识\s \w \d \
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//认识\s \w \d \
p(" \n\r\t".matches("\\s{4}"));//代表4个空白字符
p(" ".matches("\\S"));//false \\S非空白字符
p("a_8".matches("\\w{3}"));//true 单词字符：[a-zA-Z_0-9]
p("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));//true a-z出现1-3次 \\d+数字出现一次或者多次 [&^#%]+代表&^#%这四种符号出现一次或者多次
p("\\".matches("\\\\"));//true 正则表达式里匹配一个反斜线需要2个反斜线表示
}
public static void p(Object o) {
System.out.println(o);
}
}
06
POSIX STYLE
边界匹配 开头和结尾
空白行
小练习
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//POSIX Style
p("a".matches("\\p{Lower}"));//true 小写字母字符：[a-z]
//边界匹配 开头和结尾
p("hello sir".matches("^h.*"));// true一行的开头 .代表一个字符 *代表后面跟着0个或多个字符
p("hello sir".matches(".*ir$));//true 以ir结尾，前面带有0个或多个字符
p("hello sir".matches("^h[a-z]{1,3}o\\b.*"));//true以h开头 ,a-z出现1-3次 一个o 后面紧跟一个单词边界\\b
p("hellosir".matches("^h[a-z]{1,3}o\\b.*"));//false 无单词边界
//空白行
p(" \n".matches("^[\\s&&[^\\n]]*\\n{1}quot;)); //true
//空格 换行符 不是 开头是一个空白字符并且不是换行符 结束是换行符 并且结束是这行的末尾
//练习
p("aaa 8888c".matches(".*\\d{4}."));//true .* 0个或者多个字母 \\d{4}后面跟着四位数字 .四位数字后还有一个字母
p("aaa 8888c".matches(".*\\b\\d{4}."));//true .*0个或者多个字母 \\b单词边界 \\d{4}后面跟着四位数字 四位数字后还有一个字母
p("aaa8888c".matches(".*\\d{4}."));//true .*0个或者多个字母 \\d{4}后面跟着四位数字 .后面还有1个字母
p("aaa8888c".matches(".*\\b\\d{4}."));//false .*0个或者多个字母 \\b单词边界 \\d{4}后面跟着四位数字 四位数字后面还有1个字母 错误 没有单词边界！
}
public static void p(Object o) {
System.out.println(o);
}
}
07 email正则匹配
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
//email地址匹配
p("[email protected]".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));
//构成单词的字符，或者是.或者是- +代表出现一次或多次 @符号 单词字符 后面跟着.号 跟着单词字符 +代表出现一次或者多次
}
public static void p(Object o) {
System.out.println(o);
}
}
08 matches find lookingat
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Pattern p=Pattern.compile("\\d{3,5}");//数字出现3次到5次
String s="123-34345-234-00";
Matcher m=p.matcher(s);
p(m.matches());//false matches永远匹配整个字符串 不匹配 字符串超过5位
m.reset();
p(m.find());//找一个和这个模式一样的淄川，找到则输出true,用完find 删除字串，重新再找 123 true
p(m.find());//34345 true
p(m.find());//234 true
p(m.find());//00 false
}
public static void p(Object o) {
System.out.println(o);
}
}
RESET的作用是吐出吃进的字符串
对比DEMO如下：
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Pattern p=Pattern.compile("\\d{3,5}");//数字出现3次到5次
String s="123-34345-234-00";
Matcher m=p.matcher(s);
//m.reset(); m.reset的作用是吃掉的字符吐出来
p(m.find());//true 123- 全部吃进
p(m.find());//true 34345-全部吃进
p(m.find());//false 234-全部吃进
p(m.find());//false 00
}
public static void p(Object o) {
System.out.println(o);
}
}
输出：
true
true
true
false
第二个DEMO如下：
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Pattern p=Pattern.compile("\\d{3,5}");//数字出现3次到5次
String s="123-34345-234-00";
Matcher m=p.matcher(s);
p(m.matches());//false matches永远匹配整个字符串 不匹配 字符串超过5位 吃进123-
//m.reset(); m.reset的作用是吃掉的字符吐出来
p(m.find());//true 34345-全部吃进
p(m.find());//true 234-全部吃进
p(m.find());//false 00 报错
p(m.find());//false 报错
}
public static void p(Object o) {
System.out.println(o);
}
}
输出;
false
true
true
false
false
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Pattern p=Pattern.compile("\\d{3,5}");//数字出现3次到5次
String s="123-34345-234-00";
Matcher m=p.matcher(s);
p(m.matches());//false matches永远匹配整个字符串 不匹配 字符串超过5位 吃进123-
//m.reset(); m.reset的作用是吃掉的字符吐出来
p(m.find());//true 34345-全部吃进
p(m.find());//true 234-全部吃进
p(m.find());//false 00 报错
p(m.find());//false 报错
p(m.lookingAt());//每次从头开始找 true
p(m.lookingAt()); //true
p(m.lookingAt()); //true
p(m.lookingAt()); //true
}
public static void p(Object o) {
System.out.println(o);
}
}
输出：
false
true
true
false
false
true
true
true
true
09 start_end
package com.zzk.cn;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
/**
* @param args
*/
public static void main(String[] args) {
Pattern p=Pattern.compile("\\d{3,5}");//数字出现3次到5次
String s="123-34345-234-00";
Matcher m=p.matcher(s);
p(m.matches());//false matches永远匹配整个字符串 不匹配 字符串超过5位 吃进123-
m.reset(); //m.reset的作用是吃掉的字符吐出来
p(m.find());//true 123
p(m.start() + "-" + m.end());//从第0位到第3位 end是找到字符的后一个位置
p(m.find());//true
p(m.start() + "-" + m.end());// 34345 4到9位
p(m.find());//true
p(m.start() + "-" + m.end());// 234 11到13位
p(m.find());//false 报错
p(m.lookingAt());//每次从头开始找
p(m.lookingAt());
p(m.lookingAt());
p(m.lookingAt());
}
public static void p(Object o) {
System.out.println(o);
}
}
输出：
false
true
0-3
true
4-9
true
10-13
false
true
true
true
true
总结：matches永远匹配整个字符串 ，find找子串，lookingat每次从头开始找.start是开始的字符串位置（从0,1,2……开始计数），end是结束字符串的后一位位置。