正则表达式（java)

1、概念

正则表达式（Regular Expression）是一种强大的文本处理工具，可以用来匹配、查找、替换等操作。

引出例子：校验qq号码是否正确 （qq号码不能为空，首个号码不能为0，qq长度 不能<6或 >20）

不使用正则表达式：

public static boolean checkQQ(String qq) {
        if (qq == null || qq.startsWith("0") || qq.length() < 6 || qq.length() > 20) {
            return false;
        }

        for (int i = 0; i < qq.length(); i++) {
            char ch = qq.charAt(i);
            if (!(ch >= '0' && ch <= '9')) {
                return false;
            }
        }
        return true;
    }

使用正则表达式：

public static boolean checkQQregular(String qq) {
        return qq != null && qq.matches("[1-9]\\d{5,19}");
    }

可以发现使用正则表达式代码非常简洁。

String提供了一个匹配正则表达式的方法：

//判断字符串是否匹配正则表达式，匹配返回true，不匹配返回false。
public boolean matches(String regex){};

2、普通字符和元字符

普通字符

普通字符是指那些没有特殊含义的字符，它们在正则表达式中代表自己本身。例如：

• a ：匹配字母 a。
• 5 ：匹配数字 5。
• . ：匹配点号 .（注意，. 作为元字符有特殊的含义，但在某些情况下也可以用作普通符）。

元字符

元字符元字符是具有特殊含义的字符，在正则表达式中通常用来表示某种模式或者控制匹配的行为。以下是常见的元字符及其用途：

1. 锚定符

   • ^：匹配字符串的开始位置。
   • $：匹配字符串的结束位置。

2. 重复符

   • *：匹配前面的子表达式零次或多次。
   • +：匹配前面的子表达式一次或多次。
   • ?：匹配前面的子表达式零次或一次。
   • {m,n}：匹配前面的子表达式至少 m 次，但不超过 n 次。

3. 选择符

   • |：表示逻辑"或"，用于选择多个可能的匹配之一。

4. 字符类

   • []：定义一个字符集合，其中的任何一个字符都可以匹配。
   • [^] 或 [!]：定义一个否定的字符集合，即匹配不在集合内的任何字符。

5. 预定义字符类

   • \d：匹配任何数字，等同于 [0-9]。
   • \D：匹配任何非数字，等同于 [^0-9]。
   • \w：匹配任何字母数字字符，包括下划线，等同于 [a-zA-Z0-9_]。
   • \W：匹配任何非字母数字字符，包括非下划线，等同于 [^a-zA-Z0-9_]。
   • \s：匹配任何空白字符，包括空格、制表符、换页符等。
   • \S：匹配任何非空白字符。

6. 量词限定符

   • {n}：匹配前面的子表达式恰好 n 次。
   • {n,}：匹配前面的子表达式至少 n 次。
   • {,m}：匹配前面的子表达式最多 m 次。
   • {n,m}：匹配前面的子表达式至少 n 次，但不超过 m 次。

7. 特殊符号

   • \b：匹配一个单词边界，即单词和非单词字符之间的位置。
   • \B：匹配一个非单词边界，即两个单词字符之间或两个非单词字符之间的位置。

8. 转义符

   • \：用于转义上述元字符或特殊字符，使其失去特殊含义，变成普通字符。例如，\., \+, \\ 等。

9. 分组与引用

   • ()：用于定义一个捕获组。
   • \1, \2, ... ：引用之前捕获组的内容。

3、案例

案例1：

校验用户输入的电话，邮箱，时间是否合法

校验电话：

手机号码：13812345678

固定电话号码：021-12345678 或 0755123456789

public static void checkPhone() {
        while (true) {
            System.out.println("输入手机号码");
            Scanner sc = new Scanner(System.in);
            String phoneNumber = sc.nextLine();

            if (phoneNumber.matches("(1[3-9]\\d{9})|(0\\d(2,7)-?[1-9]\\d{4,19})")) {
                System.out.println("输入正确");
            } else {
                System.out.println("输入错误");
            }
        }
    }

对上述正则表达式的解释：

1. 手机号码部分 1[3-9]\\d{9}:

   • 1: 匹配数字 1，这是中国手机号码的前缀。
   • [3-9]: 匹配数字 3 到 9 中的一个，这是手机号码第二位的常见值。
   • \\d{9}: 匹配接下来的 9 位数字，其中 \d 表示任何数字 (0-9)。

2. 固定电话号码或地区代码部分 0\\d(2,7)-?[1-9]\\d{4,19}:

   • 0: 匹配数字 0，这是中国固定电话号码的前缀。
   • \\d: 匹配一个数字。
   • (2,7): 匹配数字 2 或 7。
   • -?: 可选的短横线 -，表示该短横线可能出现也可能不出现。
   • [1-9]: 匹配数字 1 到 9 中的一个，这确保了接下来的数字不是以 0 开始。
   • \\d{4,19}: 匹配接下来的 4 到 19 位数字。

校验邮箱：

username@example.co

username123@example.org

public static void checkEmail() {
        while (true) {
            System.out.println("输入邮箱");
            Scanner sc = new Scanner(System.in);
            String email = sc.nextLine();


            if(email.matches("\\w{2,}@\\w{2,20}(\\ .\\w{2,10}){1,2}")){
                System.out.println("输入正确");
                break;
            }else {
                System.out.println("输入错误");
            }
        }
    }

对上述正则表达式的解释：

1.\\w{2,}: 匹配至少两个字母数字字符（包括字母、数字和下划线）。

2.@: 匹配 @ 符号，这是电子邮件地址的一部分。

3.\\w{2,20}: 匹配域名部分，至少包含两个字母数字字符，最长不超过 20 个字符。

4.(\\.\\w{2,10}){1,2}: 匹配顶级域名（TLD）或子域的部分，可以有一个或两个这样的部分。

(4.1) \\.\\w{2,10}: 匹配一个点 . 后跟 2 到 10 个字母数字字符。

(4.2) {1,2}: 表示上面的模式可以出现一次或两次。

案例2：

将下述的本文中的电话，邮箱，座机号码，热线都爬取出来。

package javaeeDay01.Test;

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

public class Test3 {
    public static void main(String[] args) {

        String data = "来学习Java,\n" +
                "电话：18512516758,18512508907\n" +
                "或者联系邮箱：boniu@itcast.cn,\n" +
                "座机电话：01036517895,010-98951256\n" +
                "邮箱：bozai@itcast.cn,\n" +
                "邮箱2：dlei0009@163.com,\n" +
                "热线电话：400-618-9090,400-618-4000,4006184000,4006189090";

        //定义爬取规则
        String regex = "(1[3-9]\\d{9})|(0\\d(2,7)-?[1-9]\\d{4,19})" +
                       "|(\\w{2,}@\\w{2,20}(\\.\\w{2,10}){1,2})" +
                       "|(400-?\\d{3,7}-?\\d{3,7})";

        //封装成Pattern对象
        Pattern pattern = Pattern.compile(regex);

        //通过pattern对象获取查找内容的匹配器对象
        Matcher matcher = pattern.matcher(data);

        //定义循环爬取信息
        while (matcher.find()) {
            String str = matcher.group(); //获取找到的内容
            System.out.println(str);
        }
    }
}

正则表达式用于搜索替换、分割内容，需要结合String提供的如下方法完成：

|--------------------------------------------------------|--------------------------------|
| 方法名 | 说明 |
| public String replaceAll(String regex ， String newStr) | 按照正则表达式匹配的内容进行替换 |
| public String[] split(String regex): | 按照正则表达式匹配的内容进行分割字符串，反回一个字符串数组。 |

非中文字符替换成”-"

 //非中文字符替换成"-";
        String s1 = "古力娜扎ai8888迪丽热巴999aa5566马尔扎哈fbbfsfs42425卡尔扎巴";
        System.out.println(s1.replaceAll("\\w+", "-"));

简化成我喜欢编程

//简化成我喜欢编程
        String s2 = "我我喜欢编编编编编编编编编编编编编编编编程程";
        System.out.println(s2.replaceAll("(.)\\1+", "$1"));

//获取人名

String s3 = "古力娜扎ai8888迪丽热巴999aa5566马尔扎哈fbbfsfs42425卡尔扎巴";
        String[] names = s3.split("\\w+");
        System.out.println(Arrays.toString(names));