Java正则表达式详解+练习

Posted 2020-10-12

一、导读

　　正则表达式，又称规则表达式。(英文名Regular Expression，所以代码中常以regex、regexp、RE表示)。正则表达式简单说就是用于操作文本数据的规则表达式，在Java中我们使用正则表达式来对字符串进行“有规则的操作”，没理解没关系，看下面的练习就懂了。

　　正则表达式对字符串的常见操作有：字符串的匹配、切割、替换、获取。下面我们就逐一进行练习：

二、正则表达式の规则

　　既然是表达式，就具有特定的规则，所以我们先看看jdk的工具类Pattern对正则表达式的规则的描述：(较多，简单浏览即可，当使用到对应的规则是来查阅即可。)

三、字符串の匹配：matches()

　　练习1：对输入的qq号进行匹配（qq匹配规则：长度为5-10位，纯数字组成，且不能以0开头。）

　　没有学习正则表示式之前，我们需要用各种if语句来进行判断，但现在我们可以使用则正表达式的规则来操作：

 1 package RegularExpression;
 2 
 3 public class regexTest {
 4     public static void main(String[] args) {
 5         //测试：
 6         String qq1 = "1832137835";
 7         String qq2 = "789j9371";
 8         String qq3 = "22";
 9         String qq4 = "012189783";
10         boolean b1 = isQQ(qq1);
11         boolean b2 = isQQ(qq2);
12         boolean b3 = isQQ(qq3);
13         boolean b4 = isQQ(qq4);
14         
15         System.out.println(qq1+"是qq号码吗？"+b1);
16         System.out.println(qq2+"是qq号码吗？"+b2);
17         System.out.println(qq3+"是qq号码吗？"+b3);
18         System.out.println(qq4+"是qq号码吗？"+b4);
19     }
20     
21     //练习1：匹配QQ号(长度为5-10位，纯数字组成，且不能以0开头)
22     public static boolean isQQ(String qq) {
23         //定义匹配规则：
24         String regex = "[1-9][0-9]{4,9}";
25         
26         //判断是否符合规则
27         boolean b = qq.matches(regex);
28         
29         return b;
30     }
31 }

　　  运行结果：

　　

　     解析：注意匹配规则被“浓缩”到了字符串regex中，我们只需要用"[1-9][0-9]{4,9}"就描述了qq的匹配规则，怎么做到的呢？

　　首先我们在匹配需要“一位一位地匹配”，qq匹配规则是第一位不能是0的纯数字，所以我们用[1-9]来表示第一位的规则；接下来是第二位：随意的数字都行，所以我们用[0-9]来表示，按照这个逻辑，当然后面的都应该是纯数字即[0-9]，但我们需要确定qq的长度只能是5~10，而规则里我们用{}来表示范围，即[0-9]{4,9}结合起来就表示：4~9个纯数字。

　　总的来说就是：[1-9]规定第一位只能是1~9即不为0的纯数字，而[0-9]{4,9}则规定可输入4~9个纯数字，加起来刚好是：首位不为0的长度为5~10的纯数字。

　　上面使用的规则如[]、{}等特殊符号在标题二中都能找到，对于这些常用的符号我们记住就好。

 

 　   练习2：对输入的电话号码进行匹配（匹配要求：匹配成功的电话号码位数为11位的纯数字，且以1开头，第二位必须是：3、7、8中的一位，即只匹配13*********、17*********、18*********的电话号码）。

　　解析：同练习1一样，首先我们使用字符串regex对匹配规则进行描述，一位一位地匹配，所以，开头必须是数字1，那么我们可以写[1]来表示（不过对于只有一个字符的描述，可省略[]）；接下来描述第二个字符：只能是3、7、8，所以我们使用[378]来表示。然后后9位号码只要是数字就可以了，所以我们可以用[0-9]{9}来表示。连起来就是：regex = "1[378][0-9]{9}"。

　　我们用代码来实现一下：

 1 package RegularExpression;
 2 
 3 public class regexTest {
 4     public static void main(String[] args) {
 5         //测试：
 6         String t1 = "13745678901";
 7         String t2 = "12745678901";
 8         String t3 = "121213121212";
 9         String t4 = "23333333333";
10         boolean b1 = isQQ(t1);
11         boolean b2 = isQQ(t2);
12         boolean b3 = isQQ(t3);
13         boolean b4 = isQQ(t4);
14         
15         System.out.println(t1+"是电话号码吗？"+b1);
16         System.out.println(t2+"是电话号码吗？"+b2);
17         System.out.println(t3+"是电话号码吗？"+b3);
18         System.out.println(t4+"是电话号码吗？"+b4);
19     }
20     
21     //练习2：匹配电话号吗(以1开头第二位必须是3/7/8的11位纯数字组成)
22     public static boolean isQQ(String qq) {
23         //定义匹配规则：
24         String regex = "1[378][0-9]{9}";
25         
26         //判断是否符合规则
27         boolean b = qq.matches(regex);
28         
29         return b;
30     }
31 }

　　打印结果

　　

 

　[一个小细节]：除了用[0-9]表示纯数字还可以用\\d来表示（上面规则里有可以往上look），所以我们还可以令regex = "1[378]\\\\d{9}"。(在java中\\需要用\\来转义，所以写为\\\\d而不是\\d)。

四、字符串の切割：split()

　　对字符串进行切割就是对一个字符串按照某个或某些字符进行切割，从而变成若干字符串。如“张三、李四、王五”，我们如果按照“、”来切割就变成三个字符串：“张三”，“李四”，“王五”。（切割的实质其实就是先进行字符串匹配，将匹配到的字符串“丢弃”，并将丢掉的前面部分和剩下的部分变成字符串）。

　　练习1：对字符串“张三@@@李四@@王五@茅台”进行切割，去掉@符号。

　   分析：首先我们要去掉字符串中的若干个@符号，如果只有一个@符号我们可以用直接用@来匹配，但这里的@是不确定的，所以我们要用到规则中的：

　　所以我们用@+来表示：@这个符号至少出现一次这种情况，现在我们可以来看看具体的代码：

 1 package RegularExpression;
 2 
 3 public class splitTest {
 4     public static void main(String[] args) {
 5         //练习1：切割字符串"张三@@@李四@@王五@茅台".
 6         String s = "张三@@@李四@@王五@茅台";
 7         
 8         //描述切割规则：以若干@来切割
 9         String regex = "@+";
10         
11         //切割后的字符串数组：
12         String[] ss = s.split(regex);
13         
14         for(String string:ss){
15             System.out.println(string);
16         }
17         
18     }
19 }

　　打印结果：

　　

　　练习2：【以叠词切割】：如字符串"abccsasahhhz"按“叠词”来切割就变成了“ab”，“sasa”，“z”。因为“cc”、“hhh”都是叠词，需要切割掉。现在请将字符串“张三@@@李四￥￥王五ssssssss江流儿”按照叠词切割。

 　　分析：关键点在于如何表示叠词呢？连续出现两个以上的相同字符即为叠词，首先我们要表示任意字符：

 

　　   我们使用“.”来表示任意字符，接着我们需要表示两个这样的字符：这里我们需要使用到“组”的概念：

　　 即使用括号：（）来表示组，那么组是干嘛的？我们就可以 对组中的数据进行引用：那么regex = "(.)\\\\1"就表示：某一字符出现了两次(注意首先我们用(.)来表示任意字符，而\\\\1是对组(.)中的字符进行复用，合起来就是：两个相同的字符)，现在我们不只是需要出现两次的字符，所以使用+号来表示出现多次，最终叠词就表示为：regex = "(.)\\\\1+"。

　　看具体实现代码：

 1 package RegularExpression;
 2 
 3 public class splitTest {
 4     public static void main(String[] args) {
 5         //练习2："张三@@@李四￥￥王五ssssssss江流儿"按叠词切割.
 6         String s = "张三@@@李四￥￥王五ssssssss江流儿";
 7         
 8         //叠词切割
 9         String regex = "(.)\\\\1+";
10         
11         //切割后的字符串数组：
12         String[] ss = s.split(regex);
13         
14         for(String string:ss){
15             System.out.println(string);
16         }
17         
18     }
19 }

　　切割结果：

　　

　　[一个小细节]：转义字符的使用

　　对于“haha.lisi.nihao”这样的字符串如果要用"."来切割，要怎么办呢？可能你会说定义regex="."不就哦了吗？但是如果你代码真这样写的话，你的输出结果就会像你的脑海一样“一片空白”。注意：“.”这个符号在正则表达式中是有特殊意义的：

　　这个小点可以代表任何字符，所以我们需要用转义字符\\来将“.”转义为普通的点，所以只要把regex = "\\\\."即可。

五、字符串の替换：replaceAll()

 　  利用正则表达式进行字符串替换其实是先匹配指定字符串中的字符，然后再用自定义字符替换掉匹配到的字符串。

　　练习一：将字符串“张三@@@李四YYY王五*****王尼玛”中的叠词替换为：“、”。

　　分析：第一步是匹配叠词：上面的练习中我们已经知道regex = "(.)\\\\1+"可以表示叠词，所以第二部就可以使用replaceAll()方法进行替换了：

 

 1 package RegularExpression;
 2 
 3 public class replaceAllTest {
 4     public static void main(String[] args) {
 5         //练习1：将字符串“张三@@@李四YYY王五*****王尼玛”中的叠词替换为：“、”。
 6         String str = "张三@@@李四YYY王五*****王尼玛";
 7         
 8         //匹配规则
 9         String regex = "(.)\\\\1+";
10         
11         //替换为：
12         String newStr = str.replaceAll(regex, "、");
13         
14         //替换后结果：
15         System.out.println(newStr);
16     }
17     
18 }

 

　　练习二：将“张三@@@李四YYY王五*****王尼玛”中的叠词替换为单字符，即结果为：“张三@李四Y王五*王尼玛”。

　   分析：这个练习和练习1很像，首先我们都需要匹配到叠词，但是替换的内容却不是固定的“、”了，我们需要将叠词替换为它本身的字符，所以我们需要引用组的内容，我们可以使用$1来复用组中第1组的值(即叠词的字符)：

 1 package RegularExpression;
 2 
 3 public class replaceAllTest {
 4     public static void main(String[] args) {
 5         //练习2：将“张三@@@李四YYY王五*****王尼玛”中的叠词替换为单字符，即结果为：“张三@李四Y王五*王尼玛”。
 6         String str = "张三@@@李四YYY王五*****王尼玛";
 7         
 8         //匹配规则
 9         String regex = "(.)\\\\1+";
10         
11         //替换为：
12         String newStr = str.replaceAll(regex, "$1");
13         
14         //替换后结果：
15         System.out.println(newStr);
16     }
17     
18 }

　　

 

六、字符串の获取：

 　　正则表达式其实是封装成了Pattern类，所以字符串的匹配、切割、替换都是调用了Pattern类中的方法。所以如果我们需要获取指定字符串中的子串，首先同样的我们需要进行字符串匹配，然后判断指定字符串中是否有匹配的子串，有就获取，没有就获取不到。

　　获取子串的步骤：

　　1、描述要获取的子串：匹配子串

　　2、使用正则表达式的封装类Pattern来获取匹配器

　　3、使用匹配器中的方法group()获取字符串的匹配的子串

　　练习：获取字符串“Hi ! Don‘t be moved by yourself Fzz”中为两个字母的单词。即Hi、be、by。

　　分析：根据上面的步骤：

　　第一步，我们要对子串进行匹配，即两个字母的单词，字母可以用[a-zA-Z]来表示，范围是两个，所以regex = "[a-zA-Z]{2}"。

但这样不够准确，我们需要的是单词，而不是三个字母，所以要用到“边界匹配器”，即

 

　　单词边界：\\b，所以regex = "\\\\b[a-zA-Z]{2}\\\\b"。

　   然后是第二步：获取匹配器

 

1 Pattern p = Pattern.compile(regex);
2 Matcher m = p.matcher(s);

 

　　最后一步：使用匹配器来获取匹配到的字符串

1 while(m.find()){
2     System.out.println(m.group());
3  }

　　我们来看看总体的实现代码：

 1 package RegularExpression;
 2 
 3 import java.util.regex.Matcher;
 4 import java.util.regex.Pattern;
 5 
 6 public class groupTest {
 7     public static void main(String[] args) {
 8         String s = "Hi ! Don‘t be moved by yourself Fzz";
 9         
10         //1、匹配子串
11         String regex = "\\\\b[a-zA-Z]{2}\\\\b";
12         
13         //2、获取匹配器
14         Pattern p = Pattern.compile(regex);
15         Matcher m = p.matcher(s);
16         
17         //3、使用匹配器的group()方法来获取:（find方法是判断是否具有匹配子串）、
18         System.out.println("”"+s+"“中的两个字母的单词有：");
19         while(m.find()){
20             System.out.println(m.group());
21         }
22     }
23 }

七、进阶：综合练习

　　练习一：口吃怎么办？需求：请将下面的字符串“我我我……我我……爱…爱爱……学…学……学编程”改为：“我爱学编程”。

　　分析：首先我们可以将字符串中的“……”去掉，然后就可以将叠词替换为单个汉字即可。

　　

 1 package RegularExpression;
 2 
 3 public class test {
 4     public static void main(String[] args) {
 5         //口吃怎么办？将“我我我……我我……爱…爱爱……学…学……学编程”改为“我爱学编程”。
 6         String str = "我我我......我我......爱...爱爱...学...学......学编程";
 7         //1、首先去掉...(将.替换为""即可)
 8         String regex = "\\\\.";
 9         String str1 = str.replaceAll(regex,"");
10         System.out.println("1:"+str1);
11         //2、替代叠词
12         regex = "(.)\\\\1+";
13         String str2 = str1.replaceAll(regex, "$1");
14         System.out.println("2:"+str2);
15     }
16 }

　　*练习二*：网络爬虫spider（专门获取指定规则数据的程序）。需求：在某一个网页中获取该网页中出现的特定信息，比如获取该网页中出现的邮箱地址。（其实这就是网页爬虫的简单运用：获取邮箱。）

　   分析：首先我们随便百度一个网页吧：

　　首先我们就以第一个网页为例：

　　我们可以看到里面有超多的qq邮箱，现在我们就来获取这个网页里的qq邮箱。

　    1、首先我们要获取这个网页的html文档，方便获取其中的文字信息。现在我将这个文件保存在了本地方便操作。可以看一下用记事本打开的效果：

　　2、然后我们就需要使用IO流来读取这个html文档

　　3、对读取的文档利用正则表达式规则进行特定字符串(即qq邮箱)的获取

 1 package RegularExpression;
 2 
 3 import java.io.BufferedReader;
 4 import java.io.File;
 5 import java.io.FileReader;
 6 import java.io.IOException;
 7 import java.util.regex.Matcher;
 8 import java.util.regex.Pattern;
 9 
10 /*
11  * 网页爬虫测试：获取某网页中的QQ邮箱
12  */
13 public class spiderTest {
14     public static void main(String[] args) throws IOException {
15         //1、读取网页内容(即用IO流获取我保存的html文档)
16         File f = new File("tempFile\\\\spiderTest.html");
17         BufferedReader br = new BufferedReader(new FileReader(f));
18         
19         //2、匹配规则：qq邮箱
20         String regex = "[0-9]{5,10}@qq.com";//匹配5-10位qq号和@qq.com
21         
22         //3、开始获取：
23         Pattern p = Pattern.compile(regex);
24         String line = null;
25         
26         while((line=br.readLine()) != null){//读取html中的数据
27             Matcher m = p.matcher(line);    //匹配器
28             while(m.find()){
29                 System.out.println(m.group());//打印匹配到的qq邮箱
30             }
31         }
32         
33         br.close();//关闭IO流
34     }
35     
36 }

spiderTest

　　这就是我们获取到的邮箱：

　　

八、总结

 　　正则表达式还有很多规则需要我们去深入学习，对于正则表达式，它的优点就是简化了字符串的操作，缺点是我们需要学习这些特点的规则，而且符号过多时不方便阅读。