正则表达式&&Java应用

正则表达式

正则表达式&&Java应用

正则表达式可以用一些规定的字符来制定规则，并用来校验数据格式的合法性。

限定符

限定符	描述
?	表示其前面的一个字符：出现一次或不出现，如`used?`可以匹配`use` 或 `used`
*	表示其前面的一个字符：出现多次或不出现，如`ab*c`可以匹配`ac`、`abc`、`abbc`……
+	表示其前面的一个字符：出现一次及以上，如`ab+c`可以匹配`abc`、`abbc`、`abbbc`……
{n}	表示其前面的一个字符：正好出现n次，如`ab{3}c`可以匹配`abbbc`
{n,}	表示其前面的一个字符：至少出现n次，如`ab{3,}c`可以匹配`abbbc`、`abbbbc`……
{n,m}	表示其前面的一个字符：出现的次数范围为[n,m]，如`ab{1,3}`可以匹配`abc`、`abbc`、`abbbc`

当我们需要匹配的字符不止一个时，我们可以使用()将需要执行匹配的字符括起来

选择

用圆括号 () 将所有选择项括起来，相邻的选择项之间用 | 分隔。

a (cat|dog) 可以匹配 a cat 、 a dog

字符类

当需要匹配由a、b、c组成的单词，可以使用[abc]+。（[]要求匹配的字符只能取自其里面的内容）

[]中还可以指定范围，如[a-z]表所有小写的英文字符

[^abc]代表除括号内容外的字符

[a-z&&^bc] a-z 除了b、c

元字符

正则表达式为我们定义好了一些常用的字符类，它们被称为元字符。

其包含数字、空白符、单词开头、结尾等，大多以\开头。

元字符	描述
.	任意字符（不包含换行符）
\d	数字 [0-9]
\D	非数字 [^0-9]
\s	空白字符（包括Tab和换行符）
\S	非空白字符
\w	英文、数字、下划线，等价于 [A-Za-z0-9_]
\W	非单词字符
\b	匹配单词的边界，如`er\b`可以匹配`never`但无法匹配`verb`的`er`；`\bve`可以匹配`verb`但无法匹配`never`的`ve`。
^	匹配行首，比如`^a` 只会匹配行首的`a`
$	匹配行尾，比如`a$` 只会匹配行尾的`a`

Java把带\的字符当成转义字符，我们在使用预定义的字符类时（如\d）需要多加一个\，即\\d，而.任意字符则为\.。

贪婪/懒惰匹配

* 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

贪婪匹配：匹配结果尽可能多（*、+、{}在匹配字符串时，默认会匹配尽可能多的字符）
懒惰匹配：匹配结果尽可能少

举例：

<span><b>This is a sample text</b></span>

如果使用<.+>对上面的HTML标签进行匹配，我们会获取整个句子This is a sample text，而不是标签

我们可以使用<.+?>，将匹配的模式从贪婪匹配切换为懒惰匹配，此时则可以匹配到下面的4个标签    

除上述规则外，正则表达式还有捕获、断言、递归、平衡组等内容

Java的Regex类

字符串对象提供了匹配正则表达式的方法

方法	描述
matches(String regex)	判断是否匹配正则表达式，匹配返回true，不匹配返回false
split(String regex)	按照正则表达式匹配的内容进行分割字符串，返回一个字符串数组
replaceAll(String regex,replacement)	按照正则表达式匹配的内容进行替换

public class Test {
public static void main(String[] args) {
String names = "小路fdjkfjsfkadf蓉儿djjsfsjfskfdf过儿";

//1、split(regex)
String[] arrs = names.split("\\w+");
for (int i = 0; i < arrs.length; i++) {
System.out.print(arrs[i]+" ");//小路 蓉儿 过儿
        }

//2、replaceAll(regex,replacement)
String names2 = names.replaceAll("\\w+", " ");
System.out.println(names2);//小路 蓉儿 过儿
    }
}

Regex支持爬取信息，使用Pattern、Matcher类

秒客网

正则表达式&&Java应用