正则表达式
1.概述
在Java中，我们经常需要验证一些字符串，例如：年龄必须是2位的数字、用户名必须是8位长度而且只能包含大小写字母、数字等。正则表达式就是用来验证各种字符串的规则。它内部描述了一些规则，我们可以验证用户输入的字符串是否匹配这个规则。
2.字符类
语法示例：
[acbc]：匹配a，b，c其中一个字符。[^abc]：匹配除a，b，c以外的任何一个字符。[a-z]：匹配a-z中的任何一个字符。[A-Z]：匹配A-Z中的任何一个字符。[0-9]：匹配0-9中的任何一个字符。[a-zA-Z0-9]：匹配a-z或者A-Z或者0-9中的任何一个字符。[a-dm-p]匹配a-d或者m-p中的任何一个字符。
3.逻辑运算符
语法示例：
&&：并且|：或者\：转义字符
4.预定义字符
语法示例：
.：匹配任意字符。\d：匹配任意数字（等同于[0-9]）。\D：匹配任意非数字（等同于[^0-9]）。\s：匹配空白字符（等同于[\t\n\x0B\f\r]）。\S：匹配非空白字符（等同于[^\s]）。\w：匹配单词字符（等同于[a-zA-Z_0-9]）。\W：匹配非单词字符（等同于[^\w]）。
5.数量词
语法示例：
x?：匹配0次或1次（最多一次）。x*：匹配0次或多次（任意次）。x+：匹配1次或多次（至少一次）。x{n}：匹配n次（恰好n次）。x{n,}：匹配至少n次。x{n,m}：匹配n到m次（至少n次，最多m次）。
6.汇总
| 符号 | 含义 | 举例 |
|---|---|---|
| [] | 里面的内容的其中之一出现一次 | [1-9] |
| () | 分组 | a(bc)+ |
| ^ | 取反 | [^abc] |
| && | 交集 | [a-z&&m-p] |
| | | 写在方括号外表示并集（方括号内可以省略） | x|X |
| . | 任意字符（\n除外） | a.b |
| \ | 转义符 | \\d |
| \d | 数字（[0-9]） | \\d+ |
| \D | 非数字 | \\D+ |
| \s | 空白字符（[\t\n\x0B\f\r]） | \\s+ |
| \S | 非空白字符 | \\S+ |
| \w | 单词字符（[a-zA-Z_0-9]） | \\w+ |
| \W | 非单词字符 | \\W+ |
| ? | 0次或1次（最多1次） | \\d? |
| * | 0次或多次（任意次） | \\d* |
| + | 1次或多次（至少1次） | \\d+ |
| {} | 指定次数 | \\d |
| (?i) | 忽略后面字符的大小写 | a((?i)b)c |
7.爬虫
7.1 本地数据爬取
Pattern：表示正则表达式。
Matcher：文本匹配器，按照正则表达式的规则去读取字符串。
代码示例：
String str = "Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
// 获取正则表达式对象
Pattern p = Pattern.compile("Java\\d{0,2}");
// 获取文本匹配器对象
Matcher m = p.matcher(str);
// 利用循环获取
while (m.find()) {
System.out.println(m.group());
}
7.2 网络数据爬取（了解）
需求：
把该网页中所有的身份证号码爬取出来。
代码示例：
URL url = new URL("http://list.chineseidcard.com/");
URLConnection connection = url.openConnection();
BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(connection.getInputStream()));
String line;
String regex = "[1-9]\\d{16}(\\d|x|X)";
Pattern pattern = Pattern.compile(regex);
while ((line = bufferedReader.readLine()) != null) {
Matcher matcher = pattern.matcher(line);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
7.3 按要求爬取
需求：
有如下文本，按要求爬取数据。
Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台。
需求1：
爬取版本号为8，11.17的Java文本，但是只要Java，不显示版本号。
需求2：
爬取版本号为8，11，17的Java文本。正确爬取结果为：Java8 Java11 Java17 Java17
需求3：
爬取除了版本号为8，11，17的Java文本。
代码示例：
// 需求1：爬取版本号为8，11.17的Java文本，但是只要Java，不显示版本号。
String regex1 = "Java(?=8|11|17)";
// 需求2：爬取版本号为8，11，17的Java文本。正确爬取结果为：Java8 Java11 Java17 Java17
String regex2 = "Java(?:8|11|17)";
String regex3 = "Java(8|11|17)";
// 需求3：爬取除了版本号为8，11，17的Java文本。
String regex4 = "Java(?!8|11|17)";
7.4 贪婪爬取和非贪婪爬取
- 贪婪爬取：尽可能多地爬取数据。
- 非贪婪爬取：尽可能少地爬取数据。
使用方法：
- 贪婪爬取：只写
+或* - 非贪婪爬取：在
+或*后面加?
示例：
String text = "abbbbbbbbbbb";
String regex1 = "ab+"; // 结果：abbbbbbbbbbb
String regex2 = "ab+?"; // 结果：ab
String regex3 = "ab*";// 结果：abbbbbbbbbbb
String regex4 = "ab*?";// 结果：ab
8.String类中的相关方法
8.1 split
-
方法原型：
public String[] split(String regex) -
代码示例：
String s = "小诗诗dqwefqwfqwfwq12312小丹丹dqwefqwfqwfwq12312小惠惠"; String[] arr = s.split("[\\w&&[^_]]+"); for (int i = 0; i < arr.length; i++) { System.out.println(arr[i]); } /*输出： 小诗诗 小丹丹 小惠惠 */
8.2 replaceAll
-
方法原型：
public String replaceAll(String regex,String newStr) -
代码示例：
String s = "小诗诗dqwefqwfqwfwq12312小丹丹dqwefqwfqwfwq12312小惠惠"; String result1 = s.replaceAll("[\\w&&[^_]]+", "vs"); System.out.println(result1); // 输出：小诗诗vs小丹丹vs小惠惠
9.捕获分组
规则：
只看左括号，不看右括号，按照左括号的顺序，从左往右，依次为第一组，第二组，第三组......
正则表达式内用\\组号的形式使用，表达式外用$组号的形式。
代码示例1：
//需求1:判断一个字符串的开始字符和结束字符是否一致?只考虑一个字符
//举例: a123a b456b 17891 &abc& a123b(false)
// \\组号:表示把第X组的内容再出来用一次
String regex1 = "(.).+\\1";
System.out.println("a123a".matches(regex1));
System.out.println("b456b".matches(regex1));
System.out.println("17891".matches(regex1));
System.out.println("&abc&".matches(regex1));
System.out.println("a123b".matches(regex1));
System.out.println("--------------------------");
//需求2:判断一个字符串的开始部分和结束部分是否一致?可以有多个字符
//举例: abc123abc b456b 123789123 &!@abc&!@ abc123abd(false)
String regex2 = "(.+).+\\1";
System.out.println("abc123abc".matches(regex2));
System.out.println("b456b".matches(regex2));
System.out.println("123789123".matches(regex2));
System.out.println("&!@abc&!@".matches(regex2));
System.out.println("abc123abd".matches(regex2));
System.out.println("---------------------");
//需求3:判断一个字符串的开始部分和结束部分是否一致?开始部分内部每个字符也需要一致
//举例: aaa123aaa bbb456bbb 111789111 &&abc&&
//(.):把首字母看做一组
// \\2:把首字母拿出来再次使用
// *:作用于\\2,表示后面重复的内容出现日次或多次
String regex3 = "((.)\\2*).+\\1";
System.out.println("aaa123aaa".matches(regex3));
System.out.println("bbb456bbb".matches(regex3));
System.out.println("111789111".matches(regex3));
System.out.println("&&abc&&".matches(regex3));
System.out.println("aaa123aab".matches(regex3));
代码示例2：
String str = "我要学学编编编编程程程程程程";
//需求:把重复的内容 替换为 单个的
//学学 学
//编编编编 编
//程程程程程程 程
// (.)表示把重复内容的第一个字符看做一组
// \\1表示第一字符再次出现
// + 至少一次
// $1 表示把正则表达式中第一组的内容，再拿出来用
String result = str.replaceAll("(.)\\1+", "$1");
System.out.println(result);
10.非捕获分组
分组之后不需要再用本组数据，仅仅是把数据括起来，非捕获分组不占用组号。
代码示例：
String regex = "[1-9]\\d{16}(?:\\d|x|X)";