正则表达式 - 技术栈

正则表达式就是用来验证各种字符串的规则。它内部描述了一些规则，我们可以验证用户输入的字符串是否匹配这个规则。

一、逻辑运算符

&&：并且（交集）

| ：或者

\ ：转义字符：改变后面那个字符原本的含义

例：打印双引号"

java 复制代码

System.out.println("\"");

二、预定义字符

"." ：匹配任何字符。
"\d"：任何数字 $0-9$ 的简写；
"\D"：任何非数字\ $\^0-9\\$ 的简写；
"\s"：空白字符： $\\t\\n\\x0B\\f\\r$ 的简写
"\S"：非空白字符：\ $\^\\s\\$ 的简写
"\w"：单词字符： $a-zA-Z_0-9$ 的简写
"\W"：非单词字符：\ $\^\\w\\$

简单来记:两个\表示一个\

三、数量词

X? : 0次或1次
X* : 0次到多次
X+ : 1次或多次
X{n} : 恰好n次
X{n,} : 至少n次
X{n,m}: n到m次(n和m都是包含的)

对于"((?i)Java)(?=8|11|17)","((?i)Java)(?:8|11|17)","((?i)Java)(?!8|11|17)"来说， ?理解为前面的数据；?!表示大小写都可；=表示在Java后面要跟随的数据，但是在获取的时候，只获取前半部分；?:表示需要这些数据；?!表示不需要这些数据

编写正则的小心得:

第一步:按照正确的数据进行拆分

第二步:找每一部分的规律，并编写正则表达式

第三步:把每一部分的正则拼接在一起，就是最终的结果

书写的时候:从左到右去书写。

本地数据爬取

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。

java 复制代码

 String str = "Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是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，相信在未来不久Java17也会逐渐登上历史舞台";


        //1.获取正则表达式的对象
String regex ="Java\\d{0,2}"
        Pattern p = Pattern.compile(regex);
        //2.获取文本匹配器的对象
        //拿着m去读取str，找符合p规则的子串
        Matcher m = p.matcher(str);

        //3.利用循环获取
        while (m.find()) {
            String s = m.group();
            System.out.println(s);
        }

网络数据爬取：

java 复制代码

 //创建一个URL对象
        URL url = new URL("https://m.sengzan.com/jiaoyu/29104.html?ivk sa=1025883i");
        //连接上这个网址
        //细节:保证网络是畅通
        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()));
        String line;
        //获取正则表达式的对象pattern
        String regex = "[1-9]\\d{17}";
        Pattern pattern = Pattern.compile(regex);//在读取的时候每次读一整行
        while ((line = br.readLine()) != null) {
            //拿着文本匹配器的对象matcher按照pattern的规则去读取当前的这一行信息
            Matcher matcher = pattern.matcher(line);
            while (matcher.find()) {
                System.out.println(matcher.group());
            }
        }
        br.close();
    }

贪婪爬取和非贪婪爬取：

只写+和表示贪婪匹配，如果在+和后面加问号表示非贪婪爬取

+? 非贪婪匹配

*? 非贪婪匹配

贪婪爬取:在爬取数据的时候尽可能的多获取数据

非贪婪爬取:在爬取数据的时候尽可能的少获取数据

split方法

public String\[\] split(String regex)

//参数regex表示正则表达式。可以将当前字符串中匹配regex正则表达式的符号作为"分隔符"来切割字符串。

String\[\] arr = s.split(" $\\\\w\&\&\[\^_$ ]+");

replaceAll方法

public String replaceAll(String regex,String newStr)

//参数regex表示一个正则表达式。可以将当前字符串中匹配regex正则表达式的字符串替换为newStr。

String result1 = s.replaceAll(" $\\\\w\&\&\[\^_$ ]+", "vs");

分组括号( )：

细节：如何识别组号？

只看左括号，不看有括号，按照左括号的顺序，从左往右，依次为第一组，第二组，第三组等等

\\组号:表示把第X组的内容再出来用一次

例：String regex1 = "(.).+\\1"; a123a

* 表示0次或多次

例："((.)\\2*).+\\1" aaa132131aaa

捕获分组

后续还要继续使用本组的数据。

正则内部使用: \\组号

正则外部使用: $组号

String result = str.replaceAll("(.)\\1+", "$1");

非捕获分组：

分组之后不需要再用本组数据，仅仅是把数据括起来。

不占用组号

更多使用?:

|--------|---------------|-------------------|
| 符号 | 含义 | 举例 |
| (?:正则) | 获取所以 | Java(?:8|11|17) |
| (?=正则) | 获取前面部分 | Java(?=8|11|17) |
| (?!正则) | 获取不是指定内容的签名部分 | Java(?!8|11|17) |

小节：