Java 正则表达式处理复杂文本，效率就是高！

Posted 2021-05-29 Java技术栈

一、正则表达式简介

1.为什么需要正则表达式?

• 文本的复杂处理

2.正则表达式的优势和用途?

• 一种强大而灵活的文本处理工具;
• 大部分编程语言,数据库,文本编辑器,开发环境都支持正则表达式

3.正则表达式定义:

• 正如它的名字一样是描述一个规则,通过这个规则可以匹配一类字符串
• 学习正则表达式很大程度上就是学习正则表达式的语法规则

二、开发中如何使用?

开发中使用正则表达式的流程:

• 分析所要匹配的数据,写出测试用的典型数据
• 在工具软件中进行匹配测试
• 在程序中调用通过测试的正则表达式

三、正则表达式语法

普通语法

字母,数字,汉字,下划线,以及没有特殊定义的标点符号,都是普通字符.

表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符

简单的转义字符

标准字符集合

能够与'多种字符'匹配的表达式

注意区分大小写,大写是相反的意思

自定义字符集合

[ ] 方括号匹配方式,能够匹配方括号中的任意一个字符

正则表达式的特殊符号,被包含到中括号中,则失去特殊意义,除了^和-之外

标准字符集合, 除了小数点外,如果被包含于中括号,自定义字符集合将包含该集合

比如: [\\d.- +]将匹配 数字,小数点,+ ,-

量词(Quantifier)

修饰匹配次数的特殊符号

\\d{6} 重复6次 \\d\\d{6}重复7次 (\\d\\d){6}重复12次

\\d{1,6} 匹配连续1~6次数字 ,从6开始匹配,贪婪模式

\\d{1,6}? 匹配连续1~6次数字 ,从1开始匹配,非贪婪模式

\\d{4,} 匹配连续 4个数字以上

匹配次数中的贪婪模式(匹配字符越多越好,默认)

匹配次数中的非贪婪模式(匹配字符越少越好,修饰匹配次数的特殊符号后加上一个"?"号)

字符边界

本组标记匹配的不是字符而是位置,符号某种条件的位置-----------零宽

\\b匹配这样一个位置: 前面的字符和后面的字符不全是\\w

正则表达式的匹配模式

IGNORECASE 忽略大小写模式

匹配时忽略大小写

默认情况下,正则表达式是要区分大小写的

SINGLELINE 单行模式

整个文本看作一个字符串,只有一个开头,一个结尾

使小数点"."可以匹配包含换行符(\\n)在内的任意字符

MULTILINE 多行模式

每行都是一个字符串,都有开头和结尾

在指定了MULTILINE之后,如果需要仅匹配字符串开始和结束位置,可以使用\\A和\\Z

选择符和分组

反向引用(\\nnn)

每一对()会分配一个编号,使用()的捕获根据左括号的顺序从1开始自动编号

通过反向引用,可以对分组已捕获的字符串进行引用

预搜索(零宽断言)

只进行子表达式的匹配,匹配内容不计入最终的匹配结果,是零宽度

这个位置应该符合某个条件.判断当前位置的前后字符,是否符合指定的条件,但不匹配前后的字符.是对位置的匹配

正则表达式匹配过程中,如果子表达式匹配到的是字符内容,而非位置,并被保存到最终的匹配结果中,那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置,或者匹配的内容并不保存到最终的匹配结果中,那么就认为这个子表达式是零宽的.占有字符还是零宽度,是针对匹配的内容是否保存到最终的匹配结果中而言的

四、电话号码验证

五、电子邮件地址验证

常用正则表达式列表

六、Java 使用正则表达式

• 相关类位于: java.util.regex包下
• 类Pattern:

正则表达式的编译表达形式

Pattern p = Patttern.compile(r,int); //建立正则表达式,并启动相应模式

• 类Matcher:

通过解释Pattern对character sequence 执行匹配操作的引擎

Matcher m = p.matcher(str); //匹配str字符串

/*
* 测试正则表达式的基本用法
* */
public class Demo01 {
    public static void main(String[] args) {
        //在这个字符串:asfsd23323,是否符合指定的正则表达式:\\w+
        //表达式对象
                   Pattern p = Pattern.compile("\\\\w+");
        //创建Matcher对象
                   Matcher m = p.matcher("asfsd&&23323");
        boolean result = m.matches(); //尝试将整个字符序列与该模式匹配
                  System.out.println(result);
        //该方法扫描输入的序列,查找与该模式匹配的下一个子序列
                 boolean result2 = m.find();
        System.out.println(result2);
        System.out.println(m.group());
        while (m.find()) {
            System.out.println(m.group());  //group(),group(0)匹配整个表达式的子字符串
                           System.out.println(m.group(0));
        }
    }
}
/*
* 测试正则表达式对象中分组的处理
* */
public class Demo02 {
    public static void main(String[] args) {
        //在这个字符串:asfsd23323,是否符合指定的正则表达式:\\w+
        //表达式对象
                    Pattern p = Pattern.compile("([a-z]+)([0-9]+)");
        //创建Matcher对象
                   Matcher m = p.matcher("aa232*ssd445*sds223");
        while (m.find()) {
            System.out.println(m.group(0));//匹配到整个表达式的子字符串内容
                           System.out.println(m.group(1));//匹配到第一个表达式的内容
                           System.out.println(m.group(2));//匹配到第二个表达式的内容
                   }
    }
}
/*
* 测试正则表达式对象的替换操作
* */
public class Demo03 {
    public static void main(String[] args) {
        //在这个字符串:asfsd23323,是否符合指定的正则表达式:\\w+
        //表达式对象
                   Pattern p = Pattern.compile("[0-9]");
        //创建Matcher对象
                    Matcher m = p.matcher("aa232*ssd445*sds223");
        //替换
                   String newStr =m.replaceAll("#");
        System.out.println(newStr);
    }
}
/*
* 测试正则表达式对象的分割字符串操作
* */
public class Demo04 {
    public static void main(String[] args) {
        String str = "a,b,c";
        String[] arrs = str.split(",");
        System.out.println(Arrays.toString(arrs));
        String str2 = "a232b4334c3434";
        String[] arrs2 = str2.split("\\\\d+");
        System.out.println(Arrays.toString(arrs2));
    }
}
/*
* 网络爬虫取链接
* */
public class WebSpiderTest {
    /*
    * 获得urlStr对应的网页的源码
    * */
    public static String getURLContent(String urlStr,String charset) {
        StringBuilder sb = new StringBuilder();
        try {
            URL url = new URL(urlStr);
            BufferedReader reader = new BufferedReader(
                    new InputStreamReader(
                            url.openStream(),Charset.forName(charset)
                    )
            );
            String temp = "";
            while ((temp = reader.readLine()) != null) {
                sb.append(temp);
            }
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return sb.toString();
    }
    public static List<String> getMatherSubstrs(String destStr, String regexStr) {
        Pattern p = Pattern.compile(regexStr);
        Matcher m = p.matcher(destStr);
        List<String> list = new ArrayList<>();
        while (m.find()) {
            list.add(m.group(1));
        }
        return list;
    }
    public static void main(String[] args) {
        String destStr = getURLContent("http://www.163.com/","gbk");
        //Pattern p = Pattern.compile("<a[\\\\s\\\\S]+?</a>"); //取到的超链接的整个内容
                 //Pattern p = Pattern.compile("href=\\"(.+?)\\""); //取到的超链接的地址
                   List<String> result = getMatherSubstrs(destStr, "href=\\"([\\\\w\\\\s./:]+?)\\"");
        for (String str:result) {
            System.out.println(str);
        }
    }
}

版权声明：本文为CSDN博主「yuyinghe0612」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/yuyinghe0612/article/details/80559979

近期热文推荐：

1.600+ 道 Java面试题及答案整理(2021最新版)

2.终于靠开源项目弄到 IntelliJ IDEA 激活码了，真香！

3.阿里 Mock 工具正式开源，干掉市面上所有 Mock 工具！

4.Spring Cloud 2020.0.0 正式发布，全新颠覆性版本！

5.《Java开发手册（嵩山版）》最新发布，速速下载！

觉得不错，别忘了随手点赞+转发哦！