Java学习笔记------常用API（五）

爬虫

从网站中获取

java 复制代码

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class date {
    public static void main(String[] args) throws IOException {
        //创建一个URL对象,获取网址
        URL url=new URL("https://zhuanlan.zhihu.com/p/465034540");
        //细节，保持网络畅通
        URLConnection conn=url.openConnection();
        //创建一个对象去读取网络中的数据
        BufferedReader br=new BufferedReader(new InputStreamReader(conn.getInputStream()));
        //获取正则表达式对象
        Pattern p=Pattern.compile("Java\\d{0,2}");
        //在读取时每次读一行
        String line;
        while((line=br.readLine())!=null){
            //文本适配器获取正则表达式规定文本
            Matcher m= p.matcher(line);
            while (m.find()){
                System.out.println(m.group());
            }
        }
        br.close();
    }
}

上述代码运行后即可获得Java？(?为空或数字)

带条件获取

只获取Java1和7，其他版本只要Java，可以这样写正则表达式"Java(?=1|7)"即可

java无视大小写可以这样写"((?i)Java)",

去掉1和7这样写"Java(?!1|7)"

只获取1和7，这样写"Java(?：1|7)"或者"Java(1|7)"

贪婪爬取

贪婪爬取：在爬取数据的时候尽可能多爬取数据

非贪婪爬取：在爬取数据的时候尽可能少爬取数据

例如：String str="abbbbbbbbb"；

正则表达式为"ab+"会获取abbbbbbbbb

为"ab+?"则获取ab

正则表达式在字符串方法中使用

public String\[\] matches(String regex) //判断字符串是否满足正则表达式规则

public String replaceAll(String regex,String newStr) //按照正则表达式的规则进行替换

public String\[\] split(String regex) //按照正则表达式的规则切割字符串，数组接受

分组

正则表达式分组，每组是有组号的，也就是序号

规则：从一开始连续不间断，以左括号为基准，最左边为第一组，依次类推

（\组号）：这一组内容和（\后面组号）的组内容相同

例如：（.+）(.+)(\\1) 即第三组与第一组一致

*：作用于某一组（写在后面），表示后面重复的内容出现0次或多次

例如：（.+)\\1*

java 复制代码

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

import static java.util.regex.Pattern.matches;

public class date {
    public static void main(String[] args) throws IOException {
        String s="(.+)(123)(\\1*)";
        System.out.println("aaa123aaaaaa". matches(s));//true

    }
}

捕获分组

正则内部使用：\\组号

正则外部使用：$组号

例如：String s="JJaaaaavvvvaaaa";

String str=s.reeplaceAll("(.)\\1+","$1");//str内容使Java