黑马程序员 ---> 正则表达式
正则表达式
一、概述：
1、概念：符合一定规则的表达式。
2、作用：用于专门操作字符串。
3、特点：用于一些特定的符号来表示一些代码操作，这样就可以简化代码书写。
4、好处：可简化对字符串的基本操作。
5、弊端：符号定义越多，正则越长，阅读性越差。
二、常用符号：
1、字符
构造 匹配
\\ 反斜线字符
\t 制表符
\n 回车符
\f 换页符
2、字符类
[abc] a、b或c（简单类）
[^abc] 任何字符，除了a、b或c（否定）
[a-zA-Z] a到z货A到Z
[a-d[m-p]] a到d或m-p：[a-dm-p]（并集）
3、预定义字符类
. 任何字符（与行结束符可能匹配也可能不匹配）
\d 数字： [0-9]
\D 非数字： |^[0-9]
\s 空白字符：[ \t\n\x0B\f\r]
\S 非空白字符：[^ \t\n\x0B\f\r]
\w 单词字符：[a-zA-Z_0-9]
\W 非单词字符：[^\w]
4、边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\B 非单词边界
\A 输入的开头
5、Greedy数词量---->匹配整个字符串
X? X，一次或一次也没有
X* X，零次或多次
X+ X，一次或多次
X{n} X，恰好n次
X{n,} X，至少n次
X{n,m} X，至少n次，但不超过m次
6、组和捕获
组：在正则中用()来表示，作用是结果可以被重用，如(.)\\1+，代表的是任意字符出现了多次，就业是叠词
捕获：在正则中可以使用$加上组的编号来完成捕获的，如："(.)\\1+", "$1"这个$1就代表组代表的元素
三、正则表达式主要有四种具体功能：匹配、切割、替换和获取
1、匹配：用规则匹配整个字符串，只要有一处不符合，就匹配结束，返回false
/*
* 匹配：String的matches方法，用规则匹配字符串，只有有一处不符合规则就匹配结束，返回false
*/
public static void match_method() {
// 匹配手机号只有13***，15***，18****
String tel = "15900001111";
String teiReg = "1[358]\\d{9}";
System.out.println(tel.matches(teiReg));
// 匹配多位
String str = "a5656";
String reg = "[a-zA-Z]\\d*";
System.out.println(str.matches(reg));
// 校验QQ号码，5~15，不能0开头，不能有字母
String qq = "545454545";
String qqReg = "[1-9]\\d{4,14}";
System.out.println(qq.matches(qqReg));
}
// 按照叠词完成切割。为了可以让规则的结果被重用,可以将规则封装成一个组。用()完成。
// 组的出现都有编号。从1开始。 想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。
split_method("ghghhjhhgkaaalkood", "(.)\\1+");
// 按照“.”切，.在正则中是代表任意字符，所以需要转译，然而\.在双引号中也需要转译
split_method("zhang.li.wang", "\\.");
// 按照“\\”切
split_method("c:\\abc\\a.txt", "\\\\");
// 按照空格切
split_method("abc a.txt hhhh", " +");
/*
* 切割 split
*/
public static void split_method(String str, String reg) {
String[] arr = str.split(reg);
System.out.println(arr.length);
for (String s : arr) {
System.out.println(s);
}
}
3、替换：
replaceAll(String regex, String replacement)
String str = "wer1389980000ty1234uiod234345675f";//将字符串中的数组替换成#。
replaceAllDemo(str, "\\d{5,}", "*");
//将叠词替换成#. //将重叠的字符替换成单个字母。zzzz->z
str = "erkktyqqquizzzzzo";
replaceAllDemo(str,"(.)\\1+","$1");//$获取组
/*
* 替换
*/
public static void replaceAllDemo(String str,String reg,String newStr){
str = str.replaceAll(reg, newStr);
System.out.println(str);
}
4、获取：
获取:将字符串中的符合规则的子串取出。
操作步骤：
1）将正则表达式封装成对象。
2）让正则对象和要操作的字符串相关联。
3）关联后，获取正则匹配引擎。
4）通过引擎对符合规则的子串进行操作，比如取出。
/*
* 正则表达式第四个功能：获取，将字符串中符合规则的字串获取出来
*
* 操作步骤：
* 1、将正则表达式封装成对象
* 2、让正则对象和要操作的字符串相关联
* 3、关联之后，获取正则匹配引擎
* 4、通过引擎对符合规则的字符串进行操作，比如取出
*/
public class RegexDemo2 {
public static void main(String[] args) {
getDemo();
}
public static void getDemo(){
String str = "hahahaha hui jia guo nian la";
String reg = "\\b[a-z]{3}\\b";// \b单词分隔符//取出str中有三个字母组成的单词
// str = "415454d51";
// reg = "[1-9]{4,14}";
//将正则表达式封装成对象
Pattern p = Pattern.compile(reg);
//将要操作的字符串和正则对象相关联，获取匹配器对象
Matcher m = p.matcher(str);
//其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。
//只不过被String的方法封装后，用起来较为简单。但是功能却单一。
// System.out.println(m.matches());
// boolean b = m.find();//将规则作用到字符串上，并进行符合规则的查找
// System.out.println(m.group());
// boolean b1 = m.find();//将规则作用到字符串上，并进行符合规则的查找
// System.out.println(m.group());
while(m.find()){
System.out.println(m.group());
System.out.println(m.start() + "......" + m.end());
}
}
}
练习：
/*
* 正则练习
*
* 思路方式：
* 1、如果只想知道该字符串是对是错使用匹配
* 2、要想将已有的字符串变成另一个字符串，替换
* 3、想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
* 4、想要拿到符合需求的字符串子串，获取。获取符合规则的子串。
*/
public class RegexTest {
public static void main(String[] args) {
test_1();
// ipSort();
// checkMail();
}
/*
* 需求：将下列字符串转成：我要学编程. 到底用四种功能中的哪一个呢？或者哪几个呢？
*
* 将已有字符串变成另一个字符串。使用 替换功能。 1,可以先将 . 去掉。 2，在将多个重复的内容变成单个内容。
*/
public static void test_1() {
String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";
str = str.replaceAll("\\.+", "");
str = str.replaceAll("(.)\\1+", "$1");
System.out.println(str);
}
/*
* 192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
* 将ip地址进行地址段顺序的排序。
*
* 还按照字符串自然顺序，只要让它们每一段都是3位即可。
* 1，按照每一段需要的最多的0进行补齐，那么每一段就会至少保证有3位。
* 2，将每一段只保留3位。这样，所有的ip地址都是每一段3位。
*/
public static void ipSort(){
String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
ip = ip.replaceAll("(\\d+)", "00$1");//给每一段都不上0，按照最少位数的需要进行补
ip = ip.replaceAll("0*(\\d{3})", "$1");//只保留三位数字的字段
System.out.println(ip);
String[] arrs = ip.split(" +");
TreeSet<String> ts = new TreeSet<String>();
for(String s : arrs){
ts.add(s);
}
for(String s : ts){
System.out.println(s.replaceAll("0*(\\d+)", "$1"));
}
}
/*
* 需求：对邮件地址进行校验。
*/
public static void checkMail(){
String mail = "abc12@sina.com";
String reg = "[a-zA-Z_0-9]+@[a-zA-Z_0-9]+(\\.[a-zA-Z]+)+";//较为精确
// reg = "\\w+@\\w+(\\.\\w)+";//相对不太精确的匹配。
System.out.println(mail.matches(reg));
}
}
2、网页爬虫（蜘蛛）：
实际上是一个功能，用于搜集网络上的指定信息，例如百度就在应用这项技术获取各种关键字，可供搜索，简单的说你要在百度上搜索一个“春节”的关键字，它就会找到跟关键字相关联的文章列出来。其实百度事先就在各个网页上获取了相关资源，这个获取资源就是通过网页爬虫技术来完成的。
需求：可用于收集邮箱等之类的信息。
/*
* 网页爬虫(蜘蛛)获取网页数据工具
*/
public class RegexTest2 {
public static void main(String[] args) throws IOException {
// getMail();
getMailByNet();
}
/*
* 获取网页数据，获取网页上有关邮箱的数据
*/
public static void getMailByNet() throws IOException {
URL url = new URL("http://192.168.229.1:8080/myweb/mail.html");
URLConnection conn = url.openConnection();
BufferedReader bfrin = new BufferedReader(new InputStreamReader(
conn.getInputStream()));
String mailReg = "\\w+@\\w+(\\.[a-zA-Z])+";
Pattern p = Pattern.compile(mailReg);
String line = null;
while ((line = bfrin.readLine()) != null) {
Matcher m = p.matcher(line);
while (m.find()) {
System.out.println(m.group());
}
}
bfrin.close();
}
/*
* 获取指定文档中的邮件地址。 使用获取功能。Pattern Matcher
*/
public static void getMail() throws IOException {
BufferedReader bfr = new BufferedReader(new FileReader("mail.txt"));
String mailReg = "\\w+@\\w+(\\.[a-zA-Z])+";
Pattern p = Pattern.compile(mailReg);
String line = null;
while ((line = bfr.readLine()) != null) {
Matcher m = p.matcher(line);
while (m.find()) {
System.out.println(m.group());
}
}
bfr.close();
}
}
