正则表达式语法

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，在匹配一个字符串的时候，匹配与之相同的一个字符。

简单的转义字符

标准字符集：

• 能够与 ‘多种字符’ 匹配的表达式
• 注意区分大小写，大写是相反的意思

自定义字符集合

• [] 方括号匹配方式，能够匹配方括号中任意一个字符

• 正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，除了^，-之外。
• 标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合将包含该集合。比如： [\d.-+]将匹配：数字、小数点、+、-

量词

• 修饰匹配次数的特殊符号

• 匹配次数中的贪婪模式（匹配字符越多越好，默认）
• 匹配次数中的非贪婪模式（匹配字符越少越好，修饰匹配次数的特殊符号后再加上一个“？”号）

字符边界

• （本组标记匹配的不是字符而是位置，符合某种条件的位置）

• \b匹配这样一个位置：前面的字符和后面的字符不全是\w

选择符和分组

反向引用(\nnn )

• 每一对()会分配一个编号，使用()的捕获根据左括号的顺序从1开始自动编号。
• 通过反向引用，可以对分组已捕获的字符串进行引用。

预搜索(零宽断言)

• 只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度
• 这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指定的条件，但不匹配前后的字符。是对位置的匹配。
• 正则表达式匹配过程中，如果子表达式配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。

正则表达式的匹配模式

• IGNORECASE 忽略大小写模式
  • 匹配时忽略大小写
  • 默认情况下，正则表达式是要区分大小写的。
• SINGLELINE 单行模式
  • 整个文本看作一个字符串，只有一个开头，一个结尾。
  • 使小数点“.” 可以匹配包含换行符（\n）在内的任意字符。
• MULTLINE 多行模式
• 每行都是一个字符串，都有开头和结尾
• 在指定了MULTLINE之后，如果需要仅匹配字符串开始和结束位置，可以使用\A和\Z

常用正则表达式列表

其他妙用

JAVA程序中使用正则表达式

JAVA代码

测试正则表达式对象的基本用法

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 测试正则表达式对象的基本用法
 */
public class Demo01 {
    public static void main(String[] args) {
        //这个字符串:asfsdf23323,是否符合指定的正则表达式: \w+

        //表达式对象
        Pattern p = Pattern.compile("\\w+");

        //创建Matcher对象
        Matcher m = p.matcher("asfsdf&&23323");

//        boolean yes_no = m.matches();//尝试将整个字符序列与该模式进行匹配
//        System.out.println(yes_no);

        //boolean yes_no2 = m.find(); // 该方法扫描输入的序列,查找与该模式匹配的下一个子序列

        System.out.println(m.find());
        System.out.println(m.group());

        System.out.println(m.find());
        System.out.println(m.group());


        //System.out.println(m.find());
        System.out.println(m.find() ? m.group() : "null");

        while (m.find()){
            System.out.println(m.group()); //group(),group(0)匹配整个表达式的子字符串
            System.out.println(m.group(0));
        }
    }
}

试正则表达式对象中分组的处理

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 测试正则表达式对象中分组的处理
 */
public class Demo02 {
    public static void main(String[] args) {
        //这个字符串:asfsdf23323,是否符合指定的正则表达式: \w+

        //表达式对象
        Pattern p = Pattern.compile("([a-z]+)([0-9]+)");

        //创建Matcher对象
        Matcher m = p.matcher("aa2223**sad445*asd21");

        while (m.find()){
            System.out.println(m.group()); //group(),group(0)匹配整个表达式的子字符串
            System.out.println(m.group(1));
            System.out.println(m.group(2));
        }
    }
}

替换

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo03 {
    public static void main(String[] args) {

        Pattern p = Pattern.compile("[0-9]");
        Matcher m = p.matcher("aa2323***sad1213**asd11");

        //替换
        String newStr = m.replaceAll("#");
        System.out.println(newStr);

    }
}

测试正则表达式对象的分割字符串的操作

import java.util.Arrays;

/**
 * 测试正则表达式对象的分割字符串的操作
 */
public class Demo04 {
    public static void main(String[] args) {
        String str = "a23234sad23423csdr23wef2f23f";
        String[] arrs = str.split("\\d+");
        System.out.println(Arrays.toString(arrs));
    }
}

爬虫

import java.util.*;
import java.io.*;
import java.net.*;
import java.nio.charset.Charset;
import java.util.regex.*;

public class WebSpiderTest {
    /**
     *  获得urlStr对应的网页的源码内容
     * @param urlStr
     * @return
     */
    public static String getURLContent(String urlStr,String charset){
        StringBuffer sb = new StringBuffer();
        try {
            URL url = new URL(urlStr);
            BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(), Charset.forName(charset)));
            String temp = "";
            while ((temp= reader.readLine())!=null){
                sb.append(temp);
            }
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return sb.toString();
    }

    public static List<String> getMatherSubstrs(String destStr, String regexStr){
        Pattern p = Pattern.compile(regexStr);
        Matcher m = p.matcher(destStr);
        List<String> result = new ArrayList<String>();
        while (m.find()){
            result.add(m.group(1));
        }
        return result;
    }

    public static void main(String[] args) {
        String destStr = getURLContent("https://www.163.com","gbk");
        List<String> result = getMatherSubstrs(destStr,"href=\"([\\w\\s./:]+?)\"");

        for (String temp : result){
            System.out.println(temp);
        }

    }
}