| Java与正则表达式
标签： java基础
正则
正则语法
普通字符
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时, 匹配与之相同的一个字符.
转义字符
| 字符 |
解释 |
| n |
换行符 |
| t |
制表符 |
| ^ $ ( ) { } ? + * | \ [ ] |
匹配这些字符本身 |
标准字符集合
| 字符 |
匹配 |
| d |
任意一个数字 |
| w |
任意一个字母/数字/下划线 |
| s |
任意一个空格/制表符/换行符等空白字符 |
| . |
小数点在内的任意一个字符(除n外) |
| [sS] |
匹配n在内的任意一个字符 |
注意大小写: 大写是取反
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.
| 表达式 |
解释 |
| [ab5@v] |
匹配a b 5 @ v中任意一个 |
| [^ab5@v] |
匹配a b 5 @ v之外任意一个 |
| [f-k] |
匹配f-k之间任意一个字母 |
| [^f-k] |
匹配f-k之外任意一个 |
| [f-k0-3] |
匹配f-k或0-3之间任意一个字母 |
| [^f-k0-3] |
不匹配f-k或0-3之间任意一个字母 |
注:
正则表达式中的特殊符号, 被包含到[]中, 则失去特殊意义, 除了- ^之外.
[]中的^表示取反的含义.
[]中的-表示范围的含义
标准字符集合(除小数点外),如果被包含于中括号中,则自定义集合将包含该集合.
如[d.-+]将匹配: 数字, 小数点, -, +
量词
| 量词 |
解释 |
| {n} |
表达式重复n次 |
| {m,n} |
表达式至少重复m次，最多重复n次 |
| {m,} |
表达式至少重复m次 |
| ? |
匹配表达式0次或者1次 |
| + |
表达式至少出现1次，相当于 {1,} |
| * |
表达式不出现或出现任意次，相当于 {0,} |
贪婪模式与非贪婪模式
贪婪模式: 匹配字符越多越好, 默认.
非贪婪模式: 匹配字符越少越好, 需要在量词后再加上一个?号.
示例
匹配手机号1[358]d{9}
匹配邮箱 ([w-.]+)@([0-9a-zA-Z-]+)(.[a-zA-Z]{2,4}){1,2}
字符边界
零宽匹配: 匹配的不是字符而是位置(符合某种条件的位置),不匹配任何字符.
| 字符 |
解释 |
| ^ |
与字符串开始的地方匹配 |
| $ |
与字符串结束的地方匹配 |
| b |
匹配一个单词边界，也就是单词和空格之间的位置 |
注: b会匹配这样一个位置: 前面的字符与后面的字符不全是w
选择符与分组
| 表达式 |
解释 |
| | |
左右两边表达式之间 “或” 关系,匹配左边或右边 |
| () 捕获组 |
被修饰时,()中的表达式可以作为整体被修饰; 取匹配结果时, ()中的表达式匹配到的内容可以被单独得到; 每一对括号会被分配一个编号(以(为准,从左到右: 从1开始) |
| (?:exp) 非捕获组 |
一些表达式中, 不得不使用(), 但又不需保存()中子表达式匹配的内容, 这时可以使用非捕获组来抵消()带来的副作用 |
注: 非捕获组可以用于当处理大量文本时用于优化内存分配.
反引用nnn
由上面可知, 捕获组默认被分配了编号, 通过反向引用, 可以对分组已捕获的字符串进行引用
示例
(w{2})1 匹配类似toto dodo gogo这样由一个单词复制而来得到的字符串
(img)w+1 匹配前后都是img的字符串
零宽断言(预搜索)
零宽度: 只进行子表达式的匹配, 匹配内容不计入最终的匹配结果.
位置匹配: 判断当前位置的前后字符是否符合指定的条件, 但不保留前后的字符.
| 表达式 |
解释 |
| (?=exp) |
断言自身出现的位置的后面能够匹配表达式exp |
| (?!exp) |
断言自身出现的位置的后面不能匹配表达式exp |
| (?<=exp) |
断言自身出现的位置的前面能够匹配表达式exp |
| (?
| 断言自身出现的位置的前面不能匹配表达式exp |
示例
[a-z]+(?=ing) 匹配所有以ing结尾的单词, 但ing并不放入字符串
[a-z]+(?=d+) 匹配所有以数字结尾的单词
[a-z]+(?!d+) 匹配不以数字结尾的单词
(?<=(href=")) 匹配以href="开头的字符串
Java Pattern与Matcher
java.util.regex包下提供的Pattern与Matcher两个类提供了在Java中的正则支持;
Pattern对象是正则表达式编译后在内存中的表现形式, 因此, 正则表达式字符串必须先被编译为Pattern对象Pattern pattern = Pattern.compile("\w+");然后再利用该Pattern对象创建对象的Matcher对象Matcher matcher = pattern.matcher(input);.
Matcher对象是一个对CharSequence执行匹配操作的正则引擎: 执行匹配所涉及的状态保留在Matcher对象中, 多个Matcher对象可共享同一个Pattern对象.
- /**
- * Created by jifang on 15/12/15.
- */
- public class LearnRegexp {
- @Test
- public void testSearch() {
- String input = "hello1997&&2000";
- // 将一个正则表达式编译成Pattern对象
- Pattern pattern = Pattern.compile("\w+");
- Matcher matcher = pattern.matcher(input);
- // matches尝试将整个字符序列与该模式匹配
- System.out.println(matcher.matches());
- // reset将matcher中的指针重新定位
- matcher.reset();
- // find 方法扫描整个字符串, 查找能否找到下一个符合该模式字符串
- while (matcher.find()) {
- String group = matcher.group();
- System.out.println(group);
- }
- }
- /**
- * 将所有的数字都替换成'#'
- */
- @Test
- public void testReplace() {
- String input = "1j2h3h4g5o";
- Matcher replace = Pattern.compile("[0-9]").matcher(input);
- input = replace.replaceAll("#");
- System.out.println(input);
- }
- /**
- * 将字符串按数字分割
- */
- @Test
- public void testSplit() {
- String input = "1j24h356h467g589o";
- String[] strings = input.split("\d+");
- for (String str : strings) {
- System.out.println(str);
- }
- }
- }
由上例可以看到: 其实String中某些方法也支持正则表达式, 如split, replace等(Pattern,Matcher与String的其他用法请参考JDK文档).
小实验-抓取网页中所有的超链接- /**
- * 模仿网络爬虫, 抓取网站html, 将里面所有的超链接都分析出来
- * Created by jifang on 15/12/15.
- */
- public class HtmlAnalyzer {
- private final String FILE_PATH = "/Users/jifang/save.txt";
- @Test
- public void client() throws IOException {
- String html = downloadHtml("http://www.163.com/", "gbk");
- // (?<=(href="))(?:[w./:?=&]+)(?=") 匹配url的正则
- Set<String> urlSet = analyzeHtml(html, "(?<=(href=\"))(?:[\w.\/\:\?\=\&]+)(?=\")");
- saveToFile(urlSet);
- System.out.println();
- }
- private String downloadHtml(String url, String charset) throws IOException {
- URL readUrl = new URL(url);
- BufferedReader reader = new BufferedReader(new InputStreamReader(readUrl.openStream(), charset));
- return CharStreams.toString(reader);
- }
- private Set<String> analyzeHtml(String html, String regex) {
- Set<String> urlSet = new HashSet<>();
- // 匹配url的正则表达式
- Matcher matcher = Pattern.compile(regex).matcher(html);
- while (matcher.find()) {
- String group = matcher.group();
- urlSet.add(group);
- }
- return urlSet;
- }
- private void saveToFile(Set<String> urlSet) throws IOException {
- PrintStream printer = new PrintStream(new FileOutputStream(FILE_PATH));
- for (String url : urlSet) {
- printer.println(url);
- }
- printer.flush();
- printer.close();
- }
- }
- <dependency>
- <groupId>com.google.guava</groupId>
- <artifactId>guava</artifactId>
- <version>18.0</version>
- </dependency>
推荐几个正则验证工具:
Mac端: RegExRX
Win端: RegexBuddy
Web端: 在线正则表达式测试
参考
揭开正则表达式的神秘面纱
Java正则表达式教程
来自： http://blog.csdn.net/zjf280441589/article/details/50450169 |
