Java提取文本文档中的所有网址（小案例介绍正则基础知识）

Posted 2022-01-31 baijinqiang

正则表达式基础以及Java中使用正则查找

定义： 正则表达式是一些用来匹配和处理文本的字符串

正则的基础（先大致了解下）

1. 正则表达式的作用

1. 查找特定的信息（搜索）

2. 替换一些文本（替换）

2. 正则基础知识

1. 元字符

• . 匹配除换行符（\n）以外的任何单个字符
  
• w 匹配字母、数字、下划线、汉字
  
• s 匹配任意空白字符（包括空格、制表符、换页符等）
  
• d 匹配数字，匹配单词的开始或结束
  
• ^ 匹配字符串的开始
  
• $ 匹配字符串的结束

例子：

#匹配abc开头的字符串  
^abd

#匹配8位数字的QQ号
^dddddddd$

#匹配以153开头的11位数字手机号  
^153dddddddd$  

2. 重复限定符

• * 重复0次或更多次
  
• + 重复1次或更多次
  
• ? 重复0次或1次
  
• n 重复n次
  
• n, 重复n次或更多次
  
• n,m 重复n到m次

#匹配8位数字QQ号    
^d8$

#匹配153开头11位手机号  
^(153)d8$

#匹配身份证号第7到14位（出生日期）    
^d7,14$  

#匹配以a开头的，0个或者多个以b结尾的字符串
^ab*$

3. 分组

#匹配字符串中包含0到多个ab开头
^(ab)*$

4. 条件或

正则用【|】表示或，当满足分支里任何一种条件时，就会匹配成功

#匹配手机号中联通的手机（联通号段130/131/132等）
^(130|131|132)d8$

5. 区间

正则提供‘[]’表示区间条件

• [0-9] 限定0到9
  
• [a-z] 限定a-z
  
• [165] 限定某些数字

Java中使用正则表达式

这里会说一个例子：在一段txt文档中找出所有的网址

Java与正则

1. 这里有一段100000000（自己数，我也不知道几个0）行的文本，如图

2. 高手写好的匹配url的正则(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]当然还有n多种方式

3. Java代码献上

正则表达式匹配使用方式

/**
 * 参数1 regex:我们的正则字符串
 * 参数2 就是一大段文本，这里用data表示
 */
private String filterSpecialStr(String regex, String data) 
    //sb存放正则匹配的结果
    StringBuffer sb = new StringBuffer();
    //编译正则字符串
    Pattern p = Pattern.compile(regex);
    //利用正则去匹配
    Matcher matcher = p.matcher(data);
    //如果找到了我们正则里要的东西
    while (matcher.find()) 
        //保存到sb中，"\r\n"表示找到一个放一行，就是换行
        sb.append(matcher.group() + "\r\n");
    
    return sb.toString();

4. 这里增加两个文件的读写

Java读取文本文件

private String readFile(String pathName) 
    //读取到的文件内容放到这个sb里
    StringBuffer sb = new StringBuffer();
    //The Java 7 try-with-resources syntax (Automatic Resource Management) is nice （这种写法是Java7的一种语法，自动管理资源，不理解自行百度）
    try (BufferedReader br = new BufferedReader(new FileReader(pathName))) 
        String line;
        while ((line = br.readLine()) != null) 
            sb.append(line + "\r\n");
        
        System.out.println("读取文件完成");
     catch (IOException e) 
        e.printStackTrace();
    
    return sb.toString();
    

Java写入文本文件

private void writeFile(String pathName, String data) 
    try 
        //文件不存在的话新建，存在覆盖
        File file = new File(pathName);
        file.createNewFile();
        //The Java 7 try-with-resources syntax (Automatic Resource Management) is nice
        try (BufferedWriter bw = new BufferedWriter(new FileWriter(file))) 
            bw.write(data);
            bw.flush();
            System.out.println("文件写入完成");
         catch (IOException e) 
            e.printStackTrace();
        
     catch (IOException e) 
        e.printStackTrace();
    

5. 执行结果

测试代码

把文档.txt读取到Java中，然后处理完，最后写到我指定的文件中

public static void main(String[] args) 
    //0. 准备好正则
    String regex = "(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]";
    //1. 读取文档
    String data = readFile("F:\\test\\文档.txt");
    //2. 正则查找
    String needData = filterSpecialStr(regex, data);
    //3. 写到某个文件中
    writeFile("F:\\test\\needData.txt", needData);

结果