正則表達式
1.正則表達式的優勢和用途？
一種強大而靈活的文本處理工具；
大部分編程語言 、數據庫、文本編輯器、開發環境都支持正則表達式。
2.正則表達式定義：
正如他的名字一樣是描述了一個規則，通過這個規則可以匹配一類字符串。
3.正則表達式語法
（1）普通字符
字母、數字、漢字、下划線、以及沒有特殊定義的標點符號，都是“普通字符”。表達式中的普通字符，在匹配一個字符串的時候，匹配與之相同的一個字符。
（2）簡單的轉義字符
| \n | 代表換行符 |
| \t | 制表符 |
| \\ | 代表\本身 |
| \^ ，\$,\.，\(， \) ， \{， \} ， \? ， \+ ， \* ，\| ，\[， \] | 匹配這些字符本身 |
（3）標准字符集合
注意區分大小寫，大寫是相反的意思
| \d | 任意一個數字，0~9 中的任意一個 |
| \w | 任意一個字母或數字或下划線，也就是 A~Z,a~z,0~9,_ 中任意一個 |
| \s | 包括空格、制表符、換行符等空白字符的其中任意一個 |
| . | 小數點可以匹配任意一個字符(除了換行符)如果要匹配包括“\n”在內的所有字符，一般用[\s\S] |
（4）自定義字符集合
[ ]方括號匹配方式，能夠匹配方括號中任意一個字符
正則表達式的特殊符號，被包含到中括號中，則失去特殊意義，除了^,-之外。
標准字符集合，除小數點外，如果被包含於中括號，自定義字符集合將包含該集合。比如：[\d.\-+]將匹配：數字、小數點、+、-
| [ab5@] | 匹配 "a" 或 "b" 或 "5" 或 "@" |
| [^ abc] | 匹配 "a","b","c" 之外的任意一個字符 |
| [f-k] | 匹配 "f"~"k" 之間的任意一個字母 |
| [^A-F0-3] | 匹配 "A"~"F","0"~"3" 之外的任意一個字符 |
（5）量詞：修飾匹配次數的特殊符號
匹配次數中的貪婪模式(匹配字符越多越好，默認！)
匹配次數中的非貪婪模式（匹配字符越少越好，修飾匹配次數的特殊符號后再加上一個 "?" 號）
| {n} | 表達式重復n次 |
| {m,n} | 表達式至少重復m次，最多重復n次 |
| {m,} | 表達式至少重復m次 |
| ? | 匹配表達式0次或者1次，相當於 {0,1} |
| + | 表達式至少出現1次，相當於 {1,} |
| * | 表達式不出現或出現任意次，相當於 {0,} |
（6）字符邊界
| ^ | 與字符串開始的地方匹配 |
| $ | 與字符串結束的地方匹配 |
| \b | 匹配一個單詞邊界 |
正則表達式匹配模式：
- IGNORECASE 忽略大小寫模式
匹配時忽略大小寫。
默認情況下，正則表達式是要區分大小寫的。
- SINGLELINE 單行模式
整個文本看作一個字符串，只有一個開頭，一個結尾。
使小數點 "." 可以匹配包含換行符（\n）在內的任意字符。
- MULTILINE 多行模式
每行都是一個字符串，都有開頭和結尾。
在指定了 MULTILINE 之后，如果需要僅匹配字符串開始和結束位置，可以使用 \A 和 \Z
（7）選擇符和分組
| 表達式 | 作用 |
| |分支結構 | 左右兩邊表達式之間 "或" 關系，匹配左邊或者右邊 |
| ( )捕獲組 | (1). 在被修飾匹配次數的時候，括號中的表達式可以作為整體被修飾 (2). 取匹配結果的時候，括號中的表達式匹配到的內容可以被單獨得到 (3). 每一對括號會分配一個編號，使用 () 的捕獲根據左括號的順序從 1 開始自動編號。捕獲元素編號為零的第一個捕獲是由整個正則表達式模式 匹配的文本 |
| (?:Expression)非捕獲組 | 一些表達式中，不得不使用( )，但又不需要保存( )中子表達式匹 配的內容，這時可以用非捕獲組來抵消使用( )帶來的副作用。 |
反向引用(\nnn)：
每一對()會分配一個編號，使用 () 的捕獲根據左括號的順序從 1 開始自動編號。
通過反向引用，可以對分組已捕獲的字符串進行引用。
(8) 預搜索(零寬斷言)
只進行子表達式的匹配，匹配內容不計入最終的匹配結果，是零寬度
這個位置應該符合某個條件。判斷當前位置的前后字符，是否符合指定的條件，但不匹配前后的字符。是對位置的匹配。
正則表達式匹配過程中，如果子表達式匹配到的是字符內容，而非位置，並被保存到最終的匹配結果中，那么就認為這個子表達式是占有字符的；如果子表達式匹配的僅僅是位置，或者匹配的內容並不保存到最終的匹配結果中，那么就認為這個子表達式是 零寬度 的。占有字符還是零寬度，是針對匹配的內容是否保存到最終的匹配結果中而言的。
| (?=exp) | 斷言自身出現的位置的后面能匹配表達式exp |
| (?<=exp) | 斷言自身出現的位置的前面能匹配表達式exp |
| (?!exp) | 斷言此位置的后面不能匹配表達式exp |
| (?<!exp) | 斷言此位置的前面不能匹配表達式exp |
4.常用的正則表達式列表
| 匹配中文字符 | [\u4e00-\u9fa5] |
| 匹配空白行 | \n\s*\r |
| 匹配HTML標記 | <(\S*?)[^>]*>.*?</\1>|<.*? /> |
| 匹配首尾空白字符 | ^\s*|\s*$ |
| 匹配Email地址 | \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* |
| 匹配網址URL | [a-zA-z]+://[^\s]* |
| 匹配國內電話號碼 | \d{3}-\d{8}|\d{4}-\d{7} |
| 匹配騰訊QQ號 | [1-9][0-9]{4,} |
| 匹配中國郵政編碼 | [1-9]\d{5}(?!\d) |
| 匹配身份證 | \d{15}|\d{18} |
| 匹配ip地址 | \d+\.\d+\.\d+\.\d+ |
5.Java程序中使用正則表達式
相關類位於：java.util.regex包下面
類 Pattern：
正則表達式的編譯表示形式。
Pattern p = Pattern. compile(r,int) ; //建立正則表達式，並啟用相應模式
類 Matcher：
通過解釋 Pattern 對 character sequence 執行匹配操作的引擎
Matcher m = p.matcher(str); //匹配str字符串
public class Demo01 { public static void main(String[] args) { //表達式對象 Pattern p = Pattern.compile("\\w+"); //創建Matcher對象 Matcher m = p.matcher("asfsdf&23323"); boolean flag = m.matches(); //嘗試將整個字符序列與該模式匹配 boolean flag2 = m.find(); //該方法掃描輸入的序列，查找與該模式匹配的下一個子序列 String str = m.group(); //返回找到的字符串 String newStr = m.replaceAll("#");///替換 String str2 = "asds234adsa23sdsf"; String[] arrs = str2.split("\\d+"); System.out.println(Arrays.toString(arrs)); } }
6.簡單網絡爬蟲 如:weget
/** * 簡單網絡爬蟲 * @author MA * */ public class WebSpiderTest { public static String getURLContent(String urlStr,String charSet) throws IOException{ StringBuilder sb = new StringBuilder(); try { URL url = new URL(urlStr); BufferedReader reader =new BufferedReader(new InputStreamReader(url.openStream(),Charset.forName(charSet))); String temp = ""; while((temp=reader.readLine())!=null){ //System.out.println(temp); sb.append(temp); } } catch (MalformedURLException e) { e.printStackTrace(); } return sb.toString(); } public static List<String> getMatherSubstrs(String destStr,String regexStr){ //Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");//取到超鏈接整個內容 Pattern p = Pattern.compile(regexStr);//取到超鏈接地址 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) throws Exception { String destStr = getURLContent("http://www.163.com","gbk"); List<String> result = getMatherSubstrs(destStr, "href=\"([\\w\\s./:]+?)\""); for(String temp : result){ System.out.println(temp); } } }