首页 > 其他分享 >正则表达式(下)

正则表达式(下)

时间：2022-11-09 14:45:22浏览次数：47  
标签：regex Java String 正则表达式 Pattern println public

正则表达式

作用二：在一段文本中查找满足要求的内容

本地爬虫和网络爬虫

这一段我仅仅使用案列进行演示

在此之前我们需要用到两个类：

pattern，他是属于java.util.regex.Pattern包下的类

用于定义正则表达式的典型的调用顺序是

 Pattern p = Pattern.compile("a*b");
 Matcher m = p.matcher("aaaaab");
 boolean b = m.matches();

Matcher，文本匹配器，也是属于java.util.regex.Matcher包下的类,按照正则表达式的规则去读取字符串，从头开始读取。

话不多说开撸

  • 本地爬虫

    import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo2 {
    public static void main(String[] args) {
        //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，下个长期
        //支持的版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台
        //要求：找到文本中JavaXX

        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，" +
                "下个长期支持的版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
        //获取正则表达式的对象
        Pattern p=Pattern.compile("Java\\d{0,2}");
        //获取文本匹配器的对象
        //m：文本匹配的对象
        //str:大串
        //p:规则
        //m要在str中找复合p规则的小串
        Matcher m=p.matcher(str);
        //拿着文本匹配器从头开始读取，寻找是否右满足规则的子串
        //如果没有，方法返回false
        //如果有，返回true，再记录子串的起始索引和结束索引+1
        //为什么是+1呢，可以思考String截取字符串的方法subSring
        //boolean flag=m.find();
        while (m.find()){
            String s=m.group();
            System.out.println(s);
        }
    }
}

  • 网络爬虫

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo3 {
    public static void main(String[] args) throws IOException {
        /*需求：把下面网址中属于身份证的内容爬取出来
    http://liaocheng.dzwww.com/lcxw/202009/t20200902_6516416.htm*/
        URL url=new URL("http://liaocheng.dzwww.com/lcxw/202009/t20200902_6516416.htm");
        URLConnection conn=url.openConnection();
        BufferedReader br=new BufferedReader(new InputStreamReader(conn.getInputStream()));
        String line;
        String regex="[1-9]\\d{17}";
        Pattern pattern=Pattern.compile(regex);

        while ((line=br.readLine())!=null){
            System.out.println(line);
            Matcher matcher= pattern.matcher(line);
            while (matcher.find()){
                System.out.println(matcher.group());
            }
        }
        br.close();
    }
}

这段代码不建议练习，因为网页编码问题

题目练习

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test1 {
    public static void main(String[] args) {
        /*需求：把下面文本中的电话，邮箱，手机号，热线都爬取出来。
        * 来学习Java,
        * 电话：15196768904  18881104189,
        * 或者联系邮箱：[email protected],
        * 座机号码：01036517895，010-98951256
        * 邮箱：[email protected],
        * 热线电话：400-618-9090.400-618-4000，4006184000，4006189090
        * */

        //手机的正则：1[3-9]\\d{9}
        //邮箱的正则: \\w+@[\\w&&[^_]]{2,6}(\.[a-zA-Z]{2,3}){1,2}
        //座机的正则:0\\d{2,3}-?[1-9]\\d{4,9}
        //热线的正则:400-?[1-9]\\d{2}-?[1-9]\\d{3}

        String s="来学习Java,\n" +
                "电话：15196768904  18881104189,\n" +
                "或者联系邮箱：[email protected],\n" +
                "座机号码：01036517895，010-98951256\n" +
                "邮箱：[email protected],\n" +
                "热线电话：400-618-9090.400-618-4000，4006184000，4006189090";

        String regex="(1[3-9]\\d{9})|(\\w+@[\\w&&[^_]]{2,6}(\\.[a-zA-Z]{2,3}){1,2})|(0\\d{2,3}-?[1-9]\\d{4,9})|(400-?[1-9]\\d{2}-?[1-9]\\d{3})";

        //获取正则表达式的对象
        Pattern p=Pattern.compile(regex);
        //获取文本匹配器的对象
        //用m取读取s，会按照p的规则找里面的小串
        Matcher m=p.matcher(s);

        //利用循环获取每一个数据
        while (m.find()){
            System.out.println(m.group());
        }
    }
}

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo4 {
    public static void main(String[] args) {
        //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，下个长期
        //支持的版本是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,但是只要Java，显示版本号
        //需求2：爬取除了版本号为8,11,17的Java文本

        String s="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，下个长期\n" +
                "支持的版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
        //1.书写正则表达式
        //?理解为前面的数据Java
        //=表示在Java后面要跟随的数据
        //但是在获取的时候，只获取前半部分
        //需求1
        String regex1="((?i)Java)(?=8|7|11|17)";
        //需求2
        String regex2="((?i)Java)(8|7|11|17)";
        //需求3
        String regex3="((?i)Java)(?!8|7|11|17)";

        Pattern p=Pattern.compile(regex3);
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }
    }
}

条件爬取

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo4 {
    public static void main(String[] args) {
        //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，下个长期
        //支持的版本是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,但是只要Java，显示版本号
        //需求2：爬取除了版本号为8,11,17的Java文本

        String s="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，下个长期\n" +
                "支持的版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
        //1.书写正则表达式
        //?理解为前面的数据Java
        //=表示在Java后面要跟随的数据
        //但是在获取的时候，只获取前半部分
        //需求1
        String regex1="((?i)Java)(?=8|7|11|17)";
        //需求2
        String regex2="((?i)Java)(8|7|11|17)";
        //需求3
        String regex3="((?i)Java)(?!8|7|11|17)";

        Pattern p=Pattern.compile(regex3);
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }
    }
}

贪婪爬取和非贪婪爬取

abbbbbbbbbbbbbbbbbb

贪婪爬取：ab+

非贪婪爬取：ab

Java中，默认的是贪婪爬取，如果我们在数量词+*后面加上问号，就是非贪婪爬取

识别正则的方法两个方法

方法名 说明

public String[] matches(String regex) 判断字符串是否满足正则表达式的规则

public String replaceAll(String regex，String newStr) 按照正则表达式的规则替换

public String[] split(String regex) 按照正则表达hi的规则切割字符串

演示

public class Demo5 {
    public static void main(String[] args) {
        //有一段字符串：小明dasdasdqwd小刚dfakfdhgui小智
        //要求1：把字符串中三个姓名之间的字母替换为vs
        //要求2：把字符串中的姓名切割出来
        String s="小明dasdasdqwd小刚dfakfdhgui小智";
        /*String result=s.replaceAll("[\\w&&[^_]]+","vs");
        System.out.println(result);*/

        String [] arr=s.split("[\\w&&[^_]]+");
        for (int i = 0; i < arr.length; i++) {
            System.out.println(arr[i]);
        }
    }
}

捕获和非捕获

分组

分组就是一个小括号，每组是有组号的，也就是序号

  • 规则1：从1开始，连续不间断

  • 规则2：以左括号为基准，最左边是第一组，其次是第二组，依次类推

    (\\d+)(\\d+)(\\d)

    (\\d+(\\d+))(\\d)

public class Demo6 {
    public static void main(String[] args) {
        //捕获分组的练习
        //捕获分组就是把这一组的数据捕获出来，再用一次
        //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      b4556b     12314
        //拆分成三部分，第一部分是任意字符(.),第二部分也是任意的多个.+,第三部分就复用第一组的//1
        String regex1="(.).+\\1";
        System.out.println("a123a".matches(regex1));
        System.out.println("b4556b".matches(regex1));
        System.out.println("12314".matches(regex1));
        //需求2：判断一个字符串的开始字符和结束字符是否一致，可以有多个字符
        //举例：abc123abc      bc4556bc     12314
        String regex2="(.+).+\\1";
        System.out.println("abc123abc".matches(regex2));
        System.out.println("bc4556bc".matches(regex2));
        System.out.println("12314".matches(regex2));
        //需求3：判断一个字符串的开始字符和结束字符是否一致，开始部分内部每个字符也需要一致
        //举例：abc1212abc      bc4556bc     123123
        String regex3="(.+)\\1";
        System.out.println("abc1212abc".matches(regex3));
        System.out.println("bc4556bc".matches(regex3));
        System.out.println("123123".matches(regex3));
    }
}

public class Demo7 {
    public static void main(String[] args) {
        //题目：解决口吃
        //将字符串：我要学学学编编编编编编编程程程程程程
        //改为：我要学编程

        String str="我要学学学编编编编编编编程程程程程程";
        //分析replaceAll()方法作用就是替换掉正则表达式的内容
        //(.)\1+    +代表至少一次
        //$1    表示把正则表达式中的第一组的内容，再拿出来用
        String new_str= str.replaceAll("(.)\\1+","$1");
        System.out.println(new_str);
    }
}

小结

  • 组号的特点：即上文规则

  • 捕获分组：

如果后续还要使用本组的数据

​ 正则内部使用:\\组号

​ 正则外部是同：$组号

  • 非捕获分组

    分组之后不需要再使用本组数据，仅仅是把数据括起来

符号 含义 举例

(？：正则) 获取所有 Java(?:8|11|17)

(？=正则) 获取前面部分 Java(?=8|11|17)

(？！正则) 获取不是指定内容的前面部分 Java(?!8|11|17)

标签：regex,Java,String,正则表达式,Pattern,println,public
From： https://www.cnblogs.com/lovedong/p/16873622.html

相关文章

  • MySQL 正则表达式
    一.介绍正则表达式用来描述或者匹配符合规则的字符串。它的用法和like比较相似，但是它又比like更强大，能够实现一些很特殊的规则匹配；正则表达式需要使用REGEXP命令，匹配上返回"......
  • re模块和正则表达式
    一、re模块和正则表达式先来看一个例子：​​https://reg.jd.com/reg/person?ReturnUrl=https%3A//www.jd.com/​​这是京东的注册页面，打开页面我们就看到这些要求输入个人信......
  • Linux学习笔记（8）——正则表达式与文件格式化处理
    正则表达式与文件格式化处理正则表达式与文件格式化处理一、什么是正则表达式？二、基础正则表达式2.1语系对正则表达式的影响2.2grep的一些高级选项2.3基础正则......
  • 10. 正则表达式匹配
    题目描述给了一个字符串s和字符规律p其中p可能含有"."和"","."可以匹配任何单个字符，""需要和前面字符结合，表示匹配0-任意个前面字符问给定的p能不能匹配sf1-序列dp基......
  • 10.正则表达式匹配
    思路动态规划状态转移：第一个就不解释了当p[j]=='*'时，*可以表示任意个p[j-1]字符，如果表示0个p[j-1]，那就是F(i,j)=F(i,j-2)，即s[1~i]和p[1~j-2]匹配......
  • python Tips ----- 类型转换String、写入/追加文件、正则表达式字符、yield关键字
      类型转换String写入/追加文件 正则表达式字符  yield关键字  ......
  • 验证用户名的正则表达式
    varreg=/^[0-9a-zA-Z\u4E00-\u9FA5\_]/;//验证中文、数字、字母、下划线正则^([\u4e00-\u9fa5]{1,20}|[a-zA-Z\.\s]{1,20})$1、不能有特殊字符和数字；2、可以输入......
  • 常用正则表达式
    Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?InternetURL：[a-zA-z]+://[^\s]*......
  • python 正则表达式各种符号代表意义
    表达式全集字符描述\将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行......
  • 正则表达式
    快速入门底层实现底层分析分组正则表达式语法字符匹配符选择匹配符限定符定位符捕获分组非捕获分组非贪婪匹配实例正则表达式......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99