Java 正则表达式

Java 正则表达式

一. 神马是正则表达式？

1.     概念: 符合一定规律一定规则的表达式

2.     作用: 专门用里操作字符串的，用一些特定的符号集来表示一些代码操作，简化代码中的书写。

3.     弊端: 符号定义越多，正则越长，阅读性极差。

二. 正则表达式中常用的一些正则符号
            字符

构造                                  匹配

\\                                  反斜线字符

\t                                  制表符

\n                                  回车符

\f                                   换页符

          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或A到Z

[a-d[m-p]]                       a到d或m-p：[a-dm-p]（并集）

[a-z&&[^bc]]                a到z，除了b和c

[a-z&&[^m-p]]              a到z，而非 m到p

        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]

         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

          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

            组和捕获

捕获组可通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1	((A)(B(C)))
2	\A
3	(B(C))
4	(C)

组零始终代表整个表达式

          非捕获组

1.     (?:X)      X,作为非捕获组

2.      (?=X)	X，通过零宽度的正 lookahead
3.      (?!X)	X，通过零宽度的负 lookahead
4.      (?<=X)	X，通过零宽度的正 lookbehind
5.      (?<!X)	X，通过零宽度的负 lookbehind
6.      (?>X)	X，作为独立的非捕获组

三.  具体操作和实例
分匹配、切割、替换、获取四个功能部分。

1.     匹配(String 中的方法matches(String regex)，该方法返回一个boolean类型，加入匹配成功返回true否则返回false)

public class CheckNumber
{

	/**
	 * @param args
	 */
	public static void main(String[] args)
	{
		  /* 
		 * 1、对qq号进行校验 
		* 要求：5~15  0不能开头，只能是数字 
		*/  
         //checkQQ1("631150873");
		//checkQQ2("0631150873");
		   /* 
		    * 匹配电话号码 
		     * 1、手机号段只有 13xxx 15xxx 18xxxx 
			 * 2、座机号：010-65784236,0316-3312617,022-12465647,03123312336 
		     */ 
		
		//手机号只能是1开头，第二码必须是3\5\8，剩余8位全是数字
		  String mobileRegex = "1[358]\\d{9}";
		  //-?表示没有或者一个“-”符号出现，“|”使用逻辑或，匹配其中一种都可
		  String telphoneRegex = "0\\d{2}-?\\d{8}} |0\\d{3}-?\\d{7}";
		checkPhone("18896989554",mobileRegex);
		checkPhone("0796-8531711",telphoneRegex);

	}
	//校验QQ号码正确性，不采用正则表达式(缺点明显，复杂)
	public static void checkQQ1(String qq)
	{
		  if( ! qq.startsWith("0"))
		  {
			    if( qq.length() >= 5 && qq.length() <= 15)
			    {
			    	try
			    	{
			    			long  n = Long.parseLong(qq);
			    	}
			    	catch(Exception e)
			    	{
			    		    System.out.println("错误！输入的QQ号码中含有非法字符，只能是数字。");
			    		    System.exit(-1);
			    	}
			    	/*
			    	 char[] ch = qq.toCharArray();
			    	 for(int i=0 ; i < ch.length ; i++)
			    	 {
			    		   boolean flag = Character.isDigit(ch[i]);
	    				   if(! flag)
	    				   {
	    			           System.out.println("输入的QQ号码中含有非法字符，只能是数字。");
	    			           System.exit(-1);
	    				   } 	 
			    	 }
			    	 */
			    	 System.out.println("恭喜你！输入正确，正在为你登入!");
			    	 
			    }
			    else
			    {
			    	 System.out.println("输入的QQ号码长度不符合要求。");
			    	 System.exit(-1);
			    }
		  }
		  else
		  {
			   System.out.println("输入的QQ不能以0为开头。");
			   System.exit(-1);
		  }
	}
   public static void checkQQ2(String qq)
   {
	 //[1-9]表示必须是1-9不能是0，\\d{4,14}表示剩下的4位或15位必须也是数字
	    String reg = "[1-9]\\d{4,14}";
	    if(qq.matches(reg))
	    {
	    	System.out.println("恭喜你！输入正确，正在为你登入!");
	    }
	    else
	    {
	    	System.out.println("你输入的QQ号码不合法！");
	    	System.exit(-1);
	    } 	
   }
 //匹配电话号码  
   /* 
     * 1、手机号段只有 13xxx 15xxx 18xxxx 
	 * 2、座机号：010-65784236,0316-3312617,022-12465647,03123312336 
     */  
   public static void checkPhone(String number,String regex)
   {
	    if( number.matches(regex))
	    {
	    	  System.out.println(number);
	    }
	    else
	    {
	    	System.out.println("此号码不存在!");
	    	System.exit(-1);
	    }
   }
}

2.     分隔(使用String类中的方法split(String regex) 根据给定的正则表达式的匹配来拆分此字符串，该方法返回一个字符串数组，存放符合规则的子字符串)

public class RegexSplit
{
	public static void main(String[] args)
	{
		// ========切割=======
		String str1 = "Ansen Jack Hank    Alvin";
		String str2 = "A.B.C.D";
		System.out.println("切割str1的结果:");
		//" +"表示一个或多个空格(X+),"\\."以点为分隔符号，
		//用逻辑或来连接，表示符合其中一个正则就可以
		splitDemo1(str1," +|\\.");
		System.out.println("切割str2的结果:");
		splitDemo1(str2," +|\\.");
		
		////按照连续出现2个以上重复的字符来切割，例如KK
		String str3 = "erkktyqqquizzzzzo";
		System.out.println("切割str3的结果:");
		splitDemo1(str3 , "(.)\\1+");
	}
	public static void splitDemo1(String str , String regex)
	{
		  String[] arrs = str.split(regex);
		  System.out.println("长度为: "+ arrs.length);
		  for(String s : arrs)
		  {
			  System.out.println(s);
		  }
	}

}

3.     替换（String replaceAll(regex,str);如果regex中有定义组，可以在第二参数中通过$符号获取正则表达式中的已有的组，返回替换后的新字符串）

package com.regex;

public class ReplaceRegex
{
	public static void main(String[] args)
	{
		    //========替换======
		   System.out.println("=======替换=====");
		   //将数字，将数字替换成*
		   String strNum= "fjdskf234234jqw444567slfj3290uwsdfs";
		   replaceDemo(strNum,"*","\\d+");
		  String strs = "erkktyqqquizzzzzo";
		  replaceDemo(strs, "$1","(.)\\1+");

	}
	public static void replaceDemo(String str ,String newStr , String regex)
	{
		  str = str.replaceAll(regex , 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。

String str = "ming tian jiu yao fang jia le ,da jia。"; 

String regex = "\\b[a-z]{3}\\b"‘;
    //将规则封装成对象 

Pattern p = Pattern.compile(regex);
 注意:Pattern是java.util.regex包中的一个final类，没有构造方法它是正则表达式的编译表现形式，可以通过它的一个静态的方法类获得该对象，
compile(String regex)，这个方法将规则封装成了Pattern对象，并返回这个对象。
2）让正则对象和要操作的字符串相关联。
   String str = "ming tian jiu yao fang jia le ,da jia。"; 

String regex = "\\b[a-z]{3}\\b"‘;

Pattern p = Pattern.compile(regex);
//让正则对象和要作用的字符集相关联，获取匹配器对象，即匹配引擎。
 Matcher m = p.matcher(str); 
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。

//boolean b = m.find()；//将规则作用到字符串上，并进行符合规则的子串查找 
 //m.group()；//用于获取匹配后结果，m.group(0)代表的是整个字符串
while(m.find())
{ 
System.out.print(m.group()); 
System.out.println("-->位置为：" + m.start() + "---" + m.end());
} 

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

public class RegexGetMathod {

	public static void main(String[] args) {
		String str = "ming tian jiu yao fang jia le ,da jia。";
		getSub(str, "\\b[a-z]{3}\\b");

	}
	//获取子串
	public static void getSub(String str, String regex){
		//将规则封装成对象
		Pattern p = Pattern.compile(regex);
		//让正则对象和要作用的字符集相关联，获取匹配器对象
		Matcher m = p.matcher(str);
		//boolean b = m.find()；//将规则作用到字符串上，并进行符合规则的子串查找
		//m.group()；//用于获取匹配后结果
		while(m.find()){
			System.out.print(m.group());
			System.out.println("-->位置为：" + m.start() + "---" + m.end());
		}
		
	}

}

说明：
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。

四.  如何确定自己需要那一种功能？

思路方式：
1、如果只想知道该字符是否对是错，使用匹配。
2、想要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。

五. 代码练习

     1. 替换

public static void replaceStr()
	{
		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";
		/*
		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。
		*/
		
		str = str.replaceAll("\\.+", "");
		System.out.println(str);
		
		str = str.replaceAll("(.)\\1+", "$1");
		System.out.println(str);

	}

      2. ip地址的排序

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。

方法一:

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");
		System.out.println(ip);
		
		ip = ip.replaceAll("0*(\\d{3})", "$1");
		System.out.println(ip);
		String[] strs = ip.split(" ");
		Arrays.sort(strs);
		for(String str : strs){
			str = str.replaceAll("0*(\\d+)", "$1");
			System.out.println(str);
		}
	}	

方法二：

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");
		System.out.println(ip);
		ip = ip.replaceAll("0*(\\d{3})","$1");	
     	System.out.println(ip);
		String[] arr = ip.split(" ");
		TreeSet<String> ts = new TreeSet<String>();
		for(String s : arr)		
         {			
            ts.add(s);		
         }		
       for(String s : ts)	
  	  {			
        System.out.println(s.replaceAll("0*(\\d+)","$1"));		}	
       }

3.对邮箱地址进行校验

public static void checkMail()
	{
		String mail = "[email protected]";
		//mail = "[email protected]";
		
		String reg = "[a-zA-Z_0-9]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";//较为精确的匹配。
		//reg = "\\w+@\\w+(\\.\\w+){1,2}";//相对不太精确的匹配。
		//mail.indexOf("@")!=-1
		
		System.out.println(mail.matches(reg));
	}

5.     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

需求：可用于收集邮箱，qq号等之类的信息。

应用：如通过关键字搜索blog，实际就是使用的“蜘蛛”，通过查找关键字获取相关的blog

示例：

/*
网页爬虫(蜘蛛)
*/
import java.io.*;
import java.util.regex.*;
import java.net.*;
import java.util.*;
class RegexTest2 
{
public static void main(String[] args) throws Exception
{
    getMails_1();
}


public static void getMails_1()throws Exception
{
URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");

URLConnection conn = url.openConnection();

BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));

String line = null;

String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);
while((line=bufIn.readLine())!=null)
{
Matcher m = p.matcher(line);
while(m.find())
{
System.out.println(m.group());
}
}
}

/*
获取指定文档中的邮件地址。
使用获取功能。Pattern Matcher
*/
public static void getMails()throws Exception
{
BufferedReader bufr = 
new BufferedReader(new FileReader("mail.txt"));

String line = null;

String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);



while((line=bufr.readLine())!=null)
{
Matcher m = p.matcher(line);
while(m.find())
{
System.out.println(m.group());
}
}
}
}