项目代码
https://github.com/yinhai1114/Java_Learning_Code/tree/main/IDEA_Chapter27/src/com/yinhai/regexp
一、引入正则表达式
1.提取文章中所有的英文单词
2.提取文章中所有的数字
3.提取文章中所有的英文单词和数字
4.提取百度热榜标题
正则表达式是处理文本的利器
public class Regexp {public static void main(String[] args) {//假定编写了爬虫 从百度页面得到文本String content = "1995年,互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的" +"静态网页能够“灵活”起来,急需一种软件技术来开发一种程序,这种程序可以通" +"过网络传播并且能够跨平台运行。于是,世界各大IT企业为此纷纷投入了大量的" +"人力、物力和财力。这个时候,Sun公司想起了那个被搁置起来很久的Oak,并且" +"重新审视了那个用软件编写的试验平台,由于它是按照嵌入式系统硬件平台体系结" +"构进行编写的,所以非常小,特别适用于网络上的传输系统,而Oak也是一种精简的" +"语言,程序非常小,适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以" +"随同网页在网络上传输的Applet(Applet是一种将小程序嵌入到网页中进行执行的技术)," +"并将Oak更名为Java(在申请注册商标时,发现Oak已经被人使用了,再想了一系列" +"名字之后,最终,使用了提议者在喝一杯Java咖啡时无意提到的Java词" +"语)。5月23日,Sun公司在Sun world会议上正式发" +"布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软" +"等各大公司都纷纷停止了自己的相关开发项目,竞相购买了Java使用许可证,并为自己的产" +"品开发了相应的Java平台";//(1). 传统方法. 使用遍历方式,代码量大,效率不高//(2). 正则表达式技术//1. 先创建一个Pattern对象 , 模式对象, 可以理解成就是一个正则表达式对象Pattern pattern = Pattern.compile("[a-zA-Z]+");//提取文章中所有的英文单词//Pattern pattern = Pattern.compile("[0-9]+");//提取文章中所有的数字//Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");//提取文章中所有的英文单词和数字//Pattern pattern = Pattern.compile("<a target=\"_blank\" title=\"(\\S*)\"");//提取百度热榜 标题// Pattern pattern = Pattern.compile("\\d+\\.\\d+\\.\\d+\\.\\d+");//2. 创建一个匹配器对象//理解: 就是 matcher 匹配器按照 pattern(模式/样式), 到 content 文本中去匹配//找到就返回true, 否则就返回falseint no = 0;Matcher matcher = pattern.matcher(content);//3. 可以开始循环匹配while (matcher.find()) {//匹配内容,文本,放到 m.group(0)System.out.println("找到: " + (++no) + " " +matcher.group(0));}}
}
1.给你一个字符串(或文章),请你找出所有四个数字连在一起的子串?
2.给你一个字符串(或文章),请你找出所有四个数字连在一起的子串,并且这四个数字要满足:第一位与第四位相同,第二位与第三位相同,比如1221 , 5775
3.请验证输入的邮件,是否符合电子邮件格式.
4.请验证输入的手机号,是否符合手机号格式
解决之道-正则表达式
1.为了解决上述问题,Java提供 了正则表达式技术,专门用于处理类似文本处理问题
2.简单的说:正则表达式是对字符串执行模式匹配的技术。
3.正则表达式: regular expression => RegExp
二、基本介绍
1.一个正则表达式,就是用某种模式去匹配字符串的一个公式。很多人因为它们看上去比较古怪而且复杂所以不敢去使用,不过,经过练习后,就觉得这些复杂的表达式写起来还是相当简单的,而且,一旦你弄懂它们,你就能把数小时辛苦而且易错的文本处理工作缩短在几分钟(甚至几秒钟)内完成
2.老韩这里要特别强调,正则表达式不是只有java才有,实际上很多编程语言都支持正则表达式进行字符串操作!如图所示。
public class RegTheory {public static void main(String[] args) {String content = "1998年12月8日,第二代Java平台的企业版J2EE发布。1999年6月,Sun公司发布了" +"第二代Java平台(简称为Java2)的3个版本:J2ME(Java2 Micro Edition,Java2平台的微型" +"版),应用于移动、无线及有限资源的环境;J2SE(Java 2 Standard Edition,Java 2平台的" +"标准版),应用于桌面环境;J2EE(Java 2Enterprise Edition,Java 2平台的企业版),应" +"用3443于基于Java的应用服务器。Java 2平台的发布,是Java发展过程中最重要的一个" +"里程碑,标志着Java的应用开始普及9889 ";//目标:匹配所有四个数字//说明//1. \\d 表示一个任意的数字String regStr = "(\\d\\d)(\\d\\d)";//2. 创建模式对象[即正则表达式对象]Pattern pattern = Pattern.compile(regStr);//3. 创建匹配器//说明:创建匹配器matcher, 按照 正则表达式的规则 去匹配 content字符串Matcher matcher = pattern.matcher(content);//4.开始匹配/**** matcher.find() 完成的任务 (考虑分组)* 什么是分组,比如 (\d\d)(\d\d) ,正则表达式中有() 表示分组,第1个()表示第1组,第2个()表示第2组...* 1. 根据指定的规则 ,定位满足规则的子字符串(比如(19)(98))* 2. 找到后,将 子字符串的开始的索引记录到 matcher对象的属性 int[] groups;* 2.1 groups[0] = 0 , 把该子字符串的结束的索引+1的值记录到 groups[1] = 4* 2.2 记录1组()匹配到的字符串 groups[2] = 0 groups[3] = 2* 2.3 记录2组()匹配到的字符串 groups[4] = 2 groups[5] = 4* 2.4.如果有更多的分组.....* 3. 同时记录oldLast 的值为 子字符串的结束的 索引+1的值即35, 即下次执行find时,就从35开始匹配** matcher.group(0) 分析** 源码:* public String group(int group) {* if (first < 0)* throw new IllegalStateException("No match found");* if (group < 0 || group > groupCount())* throw new IndexOutOfBoundsException("No group " + group);* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))* return null;* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();* }* 1. 根据 groups[0]=31 和 groups[1]=35 的记录的位置,从content开始截取子字符串返回* 就是 [31,35) 包含 31 但是不包含索引为 35的位置** 如果再次指向 find方法.仍然安上面分析来执行*/while (matcher.find()) {//小结//1. 如果正则表达式有() 即分组//2. 取出匹配的字符串规则如下//3. group(0) 表示匹配到的子字符串//4. group(1) 表示匹配到的子字符串的第一组字串//5. group(2) 表示匹配到的子字符串的第2组字串//6. ... 但是分组的数不能越界.System.out.println("找到: " + matcher.group(0));System.out.println("第1组()匹配到的值=" + matcher.group(1));System.out.println("第2组()匹配到的值=" + matcher.group(2));}}
}
三、语法
1.转义符
符号说明:在我们使用正则表达式去检索某些特殊字符的时候,需要用到转义符号,否则检索不到结果,甚至会报错的。案例:用$去匹配"abc$(" 会怎样?用(去匹配"abc$(" 会怎样?
元字符-转义符
需要用到转义符号的字符有以下: . * + () $ / \ ? [ ] ^ {}
public class RegExp02 {public static void main(String[] args) {String content = "abc$(a.bc(123( )";//匹配( => \\( String regStr = "\\(";//匹配. => \\. String regStr = "\\.";//String regStr = "\\d\\d\\d";String regStr = "\\d{3}";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到 " + matcher.group(0));}}
}
2.字符匹配符
应用实例:
1. [a-z] 说明:[a-z]表示可以匹配a-z中任意一个字符,比如[a-z]、[A-Z] 去匹配a11c8会得到什么结果?
2. java正则表达式默认是区分字母大小写的,如何实现不区分大小写
(?i)abc表示abc都不区分大小写
a(?i)bc表示bc不区分大小写
a((?i)b)c表示只有b不区分大小写
Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
[A-Z]表示可以匹配A-Z中任意一个字符。
[0-9]表示可以匹配0-9中任意一个字符。
3. [^a-z] 说明:
[^ a-z]表示可以四配不是a-z中的任意一个字符,比如
我们看看[^a-z]去匹配a11c8会得到什么结果?用[^a-z]{2}又会得到什么结果呢?
[^A-Z]表示可以匹配不是A- Z中的任意一个字符。
[^0-9]表示可以匹配不是0-9中的任意一个字符。
4. [abcd] 表示可以匹配abcd中的任意一个字符。
5.[^abcd]表示可以匹配不是abcd中的任意一个字符。当然上面的abcd你可以根据实际情况修改,以适应你的需求
6. \\d 表示可以四配-9的任意-个数字,相当于[0-9]。
7. \\D 表示可以四配不是0-9中的任意一个数字,相当于[^0-9]
8. \\w 四配任意英文字符、数字和下划线,相当于[a-zA-Z0-9 ]
9.\\W相当于[^a-zA-Z0-9 ]是\w刚好相反
10. \\s四配任何空白字符(空格制表符等)
11.\\S匹配任何非空白字符和\\s刚好相反
12. . 匹配出\n之外的所有字符,如果要匹配 .本身则需要使用 \\.
public class RegExp03 {public static void main(String[] args) {String content = "a11c8abc _ABCy @";//String regStr = "[a-z]";//匹配 a-z之间任意一个字符//String regStr = "[A-Z]";//匹配 A-Z之间任意一个字符//String regStr = "abc";//匹配 abc 字符串[默认区分大小写]//String regStr = "(?i)abc";//匹配 abc 字符串[不区分大小写]//String regStr = "[0-9]";//匹配 0-9 之间任意一个字符//String regStr = "[^a-z]";//匹配 不在 a-z之间任意一个字符//String regStr = "[^0-9]";//匹配 不在 0-9之间任意一个字符//String regStr = "[abcd]";//匹配 在 abcd中任意一个字符//String regStr = "\\D";//匹配 不在 0-9的任意一个字符//String regStr = "\\w";//匹配 大小写英文字母, 数字,下划线//String regStr = "\\W";//匹配 等价于 [^a-zA-Z0-9_]//\\s 匹配任何空白字符(空格,制表符等)//String regStr = "\\s";//\\S 匹配任何非空白字符 ,和\\s刚好相反//String regStr = "\\S";//. 匹配出 \n 之外的所有字符,如果要匹配.本身则需要使用 \\.String regStr = ".";//说明//1. 当创建Pattern对象时,指定 Pattern.CASE_INSENSITIVE, 表示匹配是不区分字母大小写.Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到 " + matcher.group(0));}}
}
3.选择匹配符
在匹配某个字符串的时候是选择性的,即:既可以匹配这个,又可以四配那个,这时你需
要用到选择匹配符号RegExp04.java
public class RegExp04 {public static void main(String[] args) {String content = "hanshunping 韩 寒冷";String regStr = "han|韩|寒";Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到 " + matcher.group(0));}}
}
4.限定符
用于指定其前面的字符和组合项连续出现多少次
public class RegExp05 {public static void main(String[] args) {String content = "a211111aaaaaahello";//a{3},1{4},\\d{2}//String regStr = "a{3}";// 表示匹配 aaa//String regStr = "1{4}";// 表示匹配 1111//String regStr = "\\d{2}";// 表示匹配 两位的任意数字字符//a{3,4},1{4,5},\\d{2,5}//细节:java匹配默认贪婪匹配,即尽可能匹配多的//String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa//String regStr = "1{4,5}"; //表示匹配 1111 或者 11111//String regStr = "\\d{2,5}"; //匹配2位数或者3,4,5//1+//String regStr = "1+"; //匹配一个1或者多个1//String regStr = "\\d+"; //匹配一个数字或者多个数字//1*//String regStr = "1*"; //匹配0个1或者多个1//演示?的使用, 遵守贪婪匹配String regStr = "a1?"; //匹配 a 或者 a1Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到 " + matcher.group(0));}}
}
5.定位符
定位符,规定要匹配的字符串出现的位置,比如在字符串的开始还是在结束的位置,这个
也是相当有用的
public class RegExp06 {public static void main(String[] args) {String content = "hanshunping sphan nnhan";//String content = "123-abc";//以至少1个数字开头,后接任意个小写字母的字符串//String regStr = "^[0-9]+[a-z]*";//以至少1个数字开头, 必须以至少一个小写字母结束//String regStr = "^[0-9]+\\-[a-z]+$";//表示匹配边界的han[这里的边界是指:被匹配的字符串最后,也可以是空格的子字符串的后面]//String regStr = "han\\b";//和\\b的含义刚刚相反String regStr = "han\\B";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到=" + matcher.group(0));}}
}
6.分组
public class RegExp07 {public static void main(String[] args) {String content = "hanshunping s7789 nn1189han";//下面就是非命名分组//说明// 1. matcher.group(0) 得到匹配到的字符串// 2. matcher.group(1) 得到匹配到的字符串的第1个分组内容// 3. matcher.group(2) 得到匹配到的字符串的第2个分组内容//String regStr = "(\\d\\d)(\\d\\d)";//匹配4个数字的字符串//命名分组: 即可以给分组取名String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";//匹配4个数字的字符串Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到=" + matcher.group(0));System.out.println("第1个分组内容=" + matcher.group(1));System.out.println("第1个分组内容[通过组名]=" + matcher.group("g1"));System.out.println("第2个分组内容=" + matcher.group(2));System.out.println("第2个分组内容[通过组名]=" + matcher.group("g2"));}}
}
7.特别分组
给字符串String content = "hello韩顺平教育jack韩顺平老师韩顺平同学hello";
使用非捕获分组完成,如下要求
1.找到韩顺平教育、韩顺平老师、韩顺平同学子字符串
2.找到韩顺平这个关键字,但是要求只是查找韩顺平教育和韩顺平老师中包含有的韩顺平
3.找到韩顺平这个关键字,但是要求只是查找不是(韩顺平教育和韩顺平老师)中包含有的韩顺平
1.
2.
public class RegExp08 {public static void main(String[] args) {String content = "hello韩顺平教育 jack韩顺平老师 韩顺平同学hello韩顺平学生";// 找到 韩顺平教育 、韩顺平老师、韩顺平同学 子字符串//String regStr = "韩顺平教育|韩顺平老师|韩顺平同学";//上面的写法可以等价非捕获分组, 注意:不能 matcher.group(1)// String regStr = "韩顺平(?:教育|老师|同学)";//找到 韩顺平 这个关键字,但是要求只是查找韩顺平教育和 韩顺平老师 中包含有的韩顺平//下面也是非捕获分组,不能使用 matcher.group(1)// String regStr = "韩顺平(?:教育|老师)";// String regStr = "韩顺平(?=教育|老师)";//找到 韩顺平 这个关键字,但是要求只是查找 不是 (韩顺平教育 和 韩顺平老师) 中包含有的韩顺平//下面也是非捕获分组,不能使用 matcher.group(1)String regStr = "韩顺平(?!教育|老师)";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到: " + matcher.group(0));}}
}
8.非贪婪匹配
当此字符紧随任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后时,匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串,而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如,在字符串"oooo"中,"o+?"只匹配单个"o",而"o+"匹配所有"o"。
public class RegExp09 {public static void main(String[] args) {String content = "hello111111 ok";//String regStr = "\\d+"; //默认是贪婪匹配// String regStr = "\\d+?"; //非贪婪匹配String regStr = "\\d+?"; //非贪婪匹配Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到: " + matcher.group(0));}}
}
四、 正则表达式元字符说明表
字符
说明
\
将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如,"n"匹配字符"n"。"\n"匹配换行符。序列"\\\\"匹配"\\","\\("匹配"("。
^
匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与"\n"或"\r"之后的位置匹配。
$
匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与"\n"或"\r"之前的位置匹配。
*
零次或多次匹配前面的字符或子表达式。例如,zo* 匹配"z"和"zoo"。* 等效于 {0,}。
+
一次或多次匹配前面的字符或子表达式。例如,"zo+"与"zo"和"zoo"匹配,但与"z"不匹配。+ 等效于 {1,}。
?
零次或一次匹配前面的字符或子表达式。例如,"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。
{n}
n 是非负整数。正好匹配 n 次。例如,"o{2}"与"Bob"中的"o"不匹配,但与"food"中的两个"o"匹配。
{n,}
n 是非负整数。至少匹配 n 次。例如,"o{2,}"不匹配"Bob"中的"o",而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。
{n,m}
m 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如,"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意:您不能将空格插入逗号和数字之间。
?
当此字符紧随任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后时,匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串,而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如,在字符串"oooo"中,"o+?"只匹配单个"o",而"o+"匹配所有"o"。
.
匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符,请使用诸如"[\s\S]"之类的模式。
(pattern)
匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( ),请使用"\("或者"\)"。
(?:pattern)
匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如,'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=pattern)
执行正向预测先行搜索的子表达式,该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows",但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。
(?!pattern)
执行反向预测先行搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows",但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。
x|y
匹配 x 或 y。例如,'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[xyz]
字符集。匹配包含的任一字符。例如,"[abc]"匹配"plain"中的"a"。
[^xyz]
反向字符集。匹配未包含的任何字符。例如,"[^abc]"匹配"plain"中"p","l","i","n"。
[a-z]
字符范围。匹配指定范围内的任何字符。例如,"[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z]
反向范围字符。匹配不在指定的范围内的任何字符。例如,"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b
匹配一个字边界,即字与空格间的位置。例如,"er\b"匹配"never"中的"er",但不匹配"verb"中的"er"。
\B
非字边界匹配。"er\B"匹配"verb"中的"er",但不匹配"never"中的"er"。
\cx
匹配 x 指示的控制字符。例如,\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样,则假定 c 就是"c"字符本身。
\d
数字字符匹配。等效于 [0-9]。
\D
非数字字符匹配。等效于 [^0-9]。
\f
换页符匹配。等效于 \x0c 和 \cL。
\n
换行符匹配。等效于 \x0a 和 \cJ。
\r
匹配一个回车符。等效于 \x0d 和 \cM。
\s
匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S
匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t
制表符匹配。与 \x09 和 \cI 等效。
\v
垂直制表符匹配。与 \x0b 和 \cK 等效。
\w
匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效。
\W
与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn
匹配 n,此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如,"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
\num
匹配 num,此处的 num 是一个正整数。到捕获匹配的反向引用。例如,"(.)\1"匹配两个连续的相同字符。
\n
标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。
\nm
标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获,则 n 是反向引用,后面跟有字符 m。如果两种前面的情况都不存在,则 \nm 匹配八进制值 nm,其中 n 和 m 是八进制数字 (0-7)。
\nml
当 n 是八进制数 (0-3),m 和 l 是八进制数 (0-7) 时,匹配八进制转义码 nml。
\un
匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。例如,\u00A9 匹配版权符号 (©)。
五、案例
1.汉字
2.邮政编码
要求:是1-9开头的一个六位数.比如: 123890
3.QQ号码
要求:是1-9开头的一个(5位数10位数)比如: 12389 , 1345687,187698765
4.手机号码
要求必须以13,14,15,18开头的11位数,比如13588889999
public class RegExp10 {public static void main(String[] args) {//汉字//String content = "韩顺平教育";// String regStr = "^[\u0391-\uffe5]+$";//邮政编码//要求:是1-9开头的一个六位数.比如: 123890// String content = "111140";//要求是1-9开头的六位数 比如123890// String regStr = "^[1-9]\\d{5}$";//QQ号码//要求:是1-9开头的一个(5位数10位数)比如: 12389 , 1345687,187698765// String content = "111140";// String regStr = "^[1-9]\\d{4,9}$";//手机号码//要求必须以13,14,15,18开头的11位数,比如13588889999String content = "13588889999";String regStr = "^1[3|4|5|8]\\d{9}$";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);if(matcher.find()){System.out.println("满足格式");}else{System.out.println("不满足格式");}}
}
5. URL: 如: https://www.bilibili.com/video/BV1fh411y7R8?p=893&spm_id_from=pageDriver&vd_source=6af85ae96c487fe7bd51b3d5644ebafc
public class RegExp11 {public static void main(String[] args) {String content = "https://www.bilibili.com/video/BV1fh411y7R8?p=893&spm_id_from=pageDriver&vd_source=6af85ae96c487fe7bd51b3d5644ebafc";/*1.先确定url开始的部分https:// | http://2.然后匹配www.bilibili.com -> ([\w-]+\.)+[\w-]+3.然后匹配/video/BV1fh411y7R8?p=893&spm_id_from=page... -> (\/[\w-?=&/%.#]*)?*///中括号内的?.都是表示字符的?.并不带有其他含义String regStr = "^((https|https)://)([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);if(matcher.find()){System.out.println("格式正确");}else{System.out.println("格式错误");}}
}
六、正则表达式三个常用类
正则表达式三个常用类
java.util.regex包主要包括以下三个类Pattern类、Matcher 类和PatternSyntaxException
Pattern 类
pattern对象是一个正则表达式对象。 Pattern 类没有公共构造方法。要创建一个Pattern对象,调用其公共静态方法,它返回一个Pattern对象。该方法接受一个正则表达式作为它的第个参数,比如: Pattern r = Pattern.compile(pattern);
Matcher类
Matcher对象是对输入字符串进行解释和匹配的引擎。与Pattern 类一样,Matcher 也没有公共构造方法。你需要调用Pattern对象的matcher方法来获得一个Matcher对象
PatternSyntaxException
PatternSyntaxException是一个非强制异常类,它表示个正则表达式模式中的语法错误。
1.Matcher类
public class PatternMethod {public static void main(String[] args) {String content = "hello abc hello, 韩顺平教育";//String regStr = "hello";String regStr = "hello.*";boolean matches = Pattern.matches(regStr, content);System.out.println("整体匹配= " + matches);}
}
public class MatcherMethod {public static void main(String[] args) {String content = "hello edu jack hspedutom hello smith hello hspedu hspedu";String regStr = "hello";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("=================");System.out.println(matcher.start());System.out.println(matcher.end());System.out.println("找到: " + content.substring(matcher.start(), matcher.end()));}//整体匹配方法,常用于,去校验某个字符串是否满足某个规则System.out.println("整体匹配=" + matcher.matches());//完成如果content 有 hspedu 替换成 韩顺平教育regStr = "hspedu";pattern = Pattern.compile(regStr);matcher = pattern.matcher(content);//注意:返回的字符串才是替换后的字符串 原来的 content 不变化String newContent = matcher.replaceAll("韩顺平教育");System.out.println("newContent=" + newContent);System.out.println("content=" + content);}
}
七、分组、捕获 、反向引用
给你一段文本,请你找出所有四个数字连在一起的子串, 并且这四个数字要满足(1)第1位与,第4位相同(2)第2位与第3位相同,比如1221,5775
1.介绍
要解决前面的问题,我们需要了解正则表达式的几个概念:
1. 分组我们可以用圆括号组成一个比较复杂的匹配模式,那么一个圆括号的部分我们可
以看作是一个子表达式 / 一个分组。
2.捕获把正则表达式中子表达式 / 分组四配的内容,保存到内存中以数字编号或显式命名的组里,方便后面引用,从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。组0代表的是整个正则式
3.反向引用圆括号的内容被捕获后,可以在这个括号后被使用,从而写出一个比较实用的匹配模式,这个我们称为反向引用,这种引用既可以是在正则表达式内部,也可以是在正则表达式外部,内部反向引用 \\分组号,外部反向引用$分组号
2.案例
1.要匹配两个连续的相同数字: (\\d)\\1
2.要匹配五个连续的相同数字:(\\d)\\1\\1\\1\\1
3.要匹配个位与干位相同,十位与百位相同的数5225, 1551 (\\d)(\\d)\\2\\1
public class RegExp12 {public static void main(String[] args) {String content = "h1234el9876lo33333 j12324-333999111a1551ck14 tom11 jack22 yyy12345 xxx";//要匹配两个连续的相同数字 : (\\d)\\1//String regStr = "(\\d)\\1";//要匹配五个连续的相同数字: (\\d)\\1{4}//String regStr = "(\\d)\\1{4}";//要匹配个位与千位相同,十位与百位相同的数 5225 , 1551 (\\d)(\\d)\\2\\1//String regStr = "(\\d)(\\d)\\2\\1";/*** 请在字符串中检索商品编号,形式如:12321-333999111 这样的号码,* 要求满足前面是一个五位数,然后一个-号,然后是一个九位数,连续的每三位要相同*/String regStr = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";Pattern pattern = Pattern.compile(regStr);Matcher matcher = pattern.matcher(content);while (matcher.find()) {System.out.println("找到 " + matcher.group(0));}}
}
3.经典结巴程序
//0898_韩顺平Java_结巴去重案例_哔哩哔哩_bilibili
有点不了解底层原理 可以再搜一下 先过一遍
public class RegExp13 {public static void main(String[] args) {String content = "我....我要....学学学学....编程java!";//1. 去掉所有的.Pattern pattern = Pattern.compile("\\.");Matcher matcher = pattern.matcher(content);content = matcher.replaceAll("");// System.out.println("content=" + content);//2. 去掉重复的字 我我要学学学学编程java!// 思路//(1) 使用 (.)\\1+//(2) 使用 反向引用$1 来替换匹配到的内容// 注意:因为正则表达式变化,所以需要重置 matcher
// pattern = Pattern.compile("(.)\\1+");//分组的捕获内容记录到$1
// matcher = pattern.matcher(content);
// while (matcher.find()) {
// System.out.println("找到=" + matcher.group(0));
// }
//
// //使用 反向引用$1 来替换匹配到的内容
// content = matcher.replaceAll("$1");
// System.out.println("content=" + content);//3. 使用一条语句 去掉重复的字 我我要学学学学编程java!content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1");System.out.println("content=" + content);}
}
八、在String类中使用正则表达式
public class StringReg {public static void main(String[] args) {String content = "2000年5月,JDK1.3、JDK1.4和J2SE1.3相继发布,几周后其" +"获得了Apple公司Mac OS X的工业标准的支持。2001年9月24日,J2EE1.3发" +"布。" +"2002年2月26日,J2SE1.4发布。自此Java的计算能力有了大幅提升";//使用正则表达式方式,将 JDK1.3 和 JDK1.4 替换成JDKcontent = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK");System.out.println(content);//要求 验证一个 手机号, 要求必须是以138 139 开头的content = "13888889999";if (content.matches("1(38|39)\\d{8}")) {System.out.println("验证成功");} else {System.out.println("验证失败");}//要求按照 # 或者 - 或者 ~ 或者 数字 来分割System.out.println("===================");content = "hello#abc-jack12smith~北京";String[] split = content.split("#|-|~|\\d+");for (String s : split) {System.out.println(s);}}
}