正则表达式(下)

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：zongjie@itcast.cn,
        * 座机号码：01036517895，010-98951256
        * 邮箱：bozai@itcast.cn,
        * 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：zongjie@itcast.cn,\n" +
                "座机号码：01036517895，010-98951256\n" +
                "邮箱：bozai@itcast.cn,\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)

__EOF__

本文作者：七岁就很浪
本文链接：https://www.cnblogs.com/qisui/p/16873622.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！