正则表达式和爬虫

一、正则表达式：

作用：

字符类（只匹配一个字符）

细节

一、正则表达式：

作用：

1、校验字符串是否满足规则

2、在一段文本中查找满足要求的内容（爬虫）

|----------------------|-----------------------------------------|
| [abc] | 只能是a,b或c |
| [^abc] | 除了这三个之外的任何字符 |
| [a-zA-Z] | a-z,A-Z（字符串出现的字符只要在两个范围（包括z,Z）之内就为true） |
| [a-d[m-p]] | a-d或者m-p |
| [a-z&&[def]] | a-z和def的交集 |
| [a-z&&[^bc]] | a-z和非def的交集（即：[ad-z]） |
| [a-z&&[^m-p]] | a-z和除了m-p的交集（即：[a-[q-z]]]） |
[#### 字符类（只匹配一个字符）]

细节：如果要求两个范围的交集，那么需要写符号"&&"。如果写成一个&那么此时"&"表示的就不是交集了，而是一个简简单单的"&"符号。

复制代码

System.out.println("&".matches("[a-z&&[def]]"));//false
System.out.println("&".matches("[a-z&[def]]"));//true

|-----|------------------------------|
| . | 任何字符 |
| \d | 一个数字[0-9] |
| \D | 非数字：[^0-9] |
| \s | 一个空白字符：[\t\n\x0B\f\r] |
| \S | 非空白字符 |
| \w | [a-za-Z_0-9]英文、数字、下划线 |
| \W | [^\w]一个非单词字符 |
[#### 预定义字符字符（只匹配一个字符）]

细节：在Java中"\"为转义字符，表示改变后面那个字符原本的含义。双引号""在Java中表示字符串的开头或结尾。"\""表示把"变成普普通通的"（仅仅只是一个符号，不具备任何含义）

"\\"表示把\变成普普通通的\

复制代码

System.out.println("你a".matches("."));//false
System.out.println("你a".matches(".."));//true
System.out.println("你".matches("\\w"));//false
System.out.println("你".matches("\\W"));//true

|--------|---------------|
| X? | X出现一次或零次 |
| X* | X出现零次或多次 |
| X+ | X出现一次或多次 |
| X{n} | X出现正好n次 |
| X{n,} | X出现至少n次 |
| X{n,m} | X出现至少n次但不超过m次 |
[#### 数量词]

二、爬虫

Pattern：表示正则表达式

Matcher：文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取。在大串中去找符合匹配规则的子串

eg.有如下文本：Java自从95年问世，经历了很多版本，目前企业中用到的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在不久Java17也会逐渐登上历史舞台。

要求：找出里面所偶的JavaXX。

代码如下：

复制代码

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

public class 爬虫demo {
    public static void main(String[] args) {
        String str = "Java自从95年问世，经历了很多版本，目前企业中用到的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在不久Java17也会逐渐登上历史舞台";
        //获取正则表达式的对象
        Pattern p = Pattern.compile("Java\\d{0,2}");
        //获取文本匹配器的对象
        Matcher m = p.matcher(str);
        //利用循环从头获取，寻找是否有满足规则的子串。
        while(m.find()){
            String s = m.group();
            System.out.println(s);
        }
    }
}

运行结果如下：

要点说明：代码：

复制代码

Matcher m = p.matcher(str);

中的------m：文本匹配器的对象

str：大串

p：规则

m：要在str中找符合p规则的小串

复制代码

m.find()会返回一个boolean类型的结果。如果没有，返回false。反之返回true，并在底层记录字串的起始索引和结束索引+1（+1之后再作为结束索引进行传递）

复制代码

String s = m.group();————方法底层会根据find方法记录的索引进行字符串的获取：subString(起始索引,结束索引)；包头不包尾（所以find方法在结束索引位置+1就很有必要）