基本语法

正则表达式：校验字符串是否满足一定的规则，用来校验数据格式的合法性

作用：校验字符串是否满足规则，在一段文本中查询满足要求的内容。

• 使用方式（java中）

String str="123456";
str.matches("正则表达式内容");

使用规则

1. 字符类型（只匹配一个字符）

字符类表示比如说：

"abc"然后[abc]这个是对第一个字符a进行匹配！后面的bc如果也需要匹配就写成[abc][abc][abc]这样的形式

2. 预定义字符（只匹配一个字符！）

注意：在java当中 \是代表转义字符，如果想写正则表达式需要写 \\d这种，意思就是把 \d转义成\\d

如果不写就代表把字符d转义！

3. 数量词

小细节：X可以是单个字符也可以是一组

ab+表示的是第一个字符必须为a，第二个字符可以是b并且可以在后面出现1次或多次，这里的X代表字符

a(bc)+表示的是第一个字符必须为a，后面进行了分组，这里的X是bc，且bc在后面要出现1次或多次

4. 符号

java使用正则表达式

• Pattern：表示正则表达式类
• Matcher：文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取

使用方法：

Pattern p=Pattern.compile("正则表达式");//获取Pattern对象
Matcher m=p.matcher(str);//str里面是文本内容，字符串格式的
//m:文本匹配器
//p:规则
//str:文本
//m要在str中找到符合p规则的小串
m.find();//拿着文本匹配器，从头开始找满足规则的字串，如果有返回true，没有返回false
//找到后会在底层记录小串的起始索引和结束索引+1，之所以+1是因为调用的是substring这个方法剪切的小串！
String s1=m.group();//这个方法会把找到的小串获取出来


//总体来写：
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,因为这两个版本是长期支持版本,下一个长期支持版本是Java17,相信在未来不久Java17也会登上历史的舞台";
Pattern p=Pattern.compile("java\\d{0,2}");
Matcher m=p.matcher(str);
while(m.find()){
    String s=m.group();
    sout(s);
}

带条件的爬取数据

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,因为这两个版本是长期支持版本,下一个长期支持版本是Java17,相信在未来不久Java17也会登上历史的舞台";
//需求1：爬取版本号为8,11,17的java文本，但是只要java文本不要版本号
String regex="Java(?=8|11|17)"//这里是?=
Pattern p=Pattern.compile(regex);
Matcher m=p.matchers(s);
while(m.find()){
	System.out.println(m.group());
}
//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 java 17 
String regex="Java(?:8|11|17)"//这里是?:
Pattern p=Pattern.compile(regex);
Matcher m=p.matchers(s);
while(m.find()){
	System.out.println(m.group());
}
//需求3:爬取除了版本号为8,11,17的文本
String regex="Java(?!8|11|17)"//这里是!
Pattern p=Pattern.compile(regex);
Matcher m=p.matchers(s);
while(m.find()){
	System.out.println(m.group());
}

Java(?=8|11|17)解释：?相当于前面的J数据ava，=代表Java后面要跟随8或11或17，但是在获取的时候只获取前半部分Java

Java(?:8|11|17)解释：?相当于前面的数据java，:代表Java后面要跟随8或11或17，并且在获取的时候后面要跟随数字8或11或17

Java(?!8|11|17)解释：?相当于前面的数据java，!代表爬取Java后面跟随的除了8或11或17的java文本

贪婪爬取和非贪婪爬取

贪婪爬取：在爬取的时候尽可能多的爬取数据

非贪婪爬取：在爬取的时候尽可能少的爬取数据

Java默认使用贪婪爬取，但是在数量词+，*后面加上?就是非贪婪爬取

String str="<h1>hello world</h1>";
//贪婪爬取
String regex="<.*>"
Pattern p=Pattern.compile(regex);
Matcher m=p.matchers(s);
while(m.find()){
	System.out.println(m.group());
}
//结果：<h1>hello world</h1>		
//分析：贪婪爬取<,*>	其中.*代表所有字符	<代表头部的<		>代表尾部的>
//在正则表达式看来是：<h1	hello world	/h1>这样的匹配形式
//非贪婪爬取
String regex="<.*?>?"
Pattern p=Pattern.compile(regex);
Matcher m=p.matchers(s);
while(m.find()){
	System.out.println(m.group());
}
//结果：<h1>	
//		</h1>

正则表达式在字符串中的使用

• 常用的，还有其他的可以在API帮助文档中查。。。

捕获分组和非捕获分组

正则表达式当中，每一组都是有组号的，也就是序号。

小括号代表的就是分组

• 规则1：从1开始，连续不间断

• 规则2：以左括号为基准，最左边的是第一组，其次为第二组，依次递推

(\\d+)(\\d+)(\\d+)就代表第一组，第二组，第三组

(\\d+(\\d+))(\\d+)这里第二个\\d+是第二组！因为规则2

• 捕获分组：把这一组比如说第二组中的数据，拿出来再用依次

//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	b123b	122241	&a3fsfes&
正则表达式：(.).+(.)\\1
    \\1表示把第一组的数据(.)拿出来再用一次
    \\X	表示把第X组的数据拿出来再用一次
//判断一个字符串的开始和结束字符是否一致，可以有多个字符
举例：abc123abc	bbdb123bdbb
正则表达式：(.+).+\\1
//判断一个字符串的开始和结束部分是否一致，开始部分内部的每个字符也需要一致
举例：aaa123aaa	bbb123bbb
正则表达式：((.)\\2*).+\\1*
(.)表示把首字母看做一组
//2表示把首字母拿出再次使用
*作用于\\2表示后面重复的内容出现0次或多
.+表示中间任意字符出现1次或多次
\\1表示((.)\\2*)
*表示\\1出现0次或多次
//需求：将字符串：我要学学学编编编编程程程程程程
//    替换为：我要学编程
String str="我要学学学编编编编程程程程程程";
String result=str.replaceAll("(.)\\1+","$1");
replaceAll是String自带的方法，第一个是正则表达式，第二个$1表示在正则表达式中使用第一个分组的内容

在正则表达式中调用分组用 \组号 在正则表达式外用分组是用$组号

• 非捕获分组：分组之后不需要在使用本组数据，仅仅只是把数据括起来（不占用组号）