0基础学java-day27(正则表达式）

一、正则快速入门

1 为什么要学习正则表达式

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 体验正则表达式的威力，给我们文本处理带来哪些好处
 */
public class Regexp_ {
    public static void main(String[] args) {
        //假定，编写了爬虫，从百度页面得到如下文本
        String content = "1995年，互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的" +
                "静态网页能够“灵活”起来，急需一种软件技术来开发一种程序，这种程序可以通" +
               "过网络传播并且能够跨平台运行。于是，世界各大IT企业为此纷纷投入了大量的" +
                "人力、物力和财力。这个时候，Sun公司想起了那个被搁置起来很久的Oak，并且" +
                "重新审视了那个用软件编写的试验平台，由于它是按照嵌入式系统硬件平台体系结" +
               "构进行编写的，所以非常小，特别适用于网络上的传输系统，而Oak也是一种精简的" +
                "语言，程序非常小，适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以" +
                "随同网页在网络上传输的Applet（Applet是一种将小程序嵌入到网页中进行执行的技术），" +
                "并将Oak更名为Java（在申请注册商标时，发现Oak已经被人使用了，再想了一系列" +
                "名字之后，最终，使用了提议者在喝一杯Java咖啡时无意提到的Java词" +
                "语）。5月23日，Sun公司在Sun world会议上正式发" +
               "布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软" +
                "等各大公司都纷纷停止了自己的相关开发项目，竞相购买了Java使用许可证，并为自己的产" +
                           "品开发了相应的Java平台";
        //提取文章中的所有英文单词
        //(1) 传统方法 使用遍历方式，代码量大，效率不高
        //(2) 正则表达式技术

        //1 先创建一个Pattern对象，模式对象，可以理解成就是一个正则表达式对象
        Pattern pattern = Pattern.compile("[a-zA-z]+");
        //Pattern pattern = Pattern.compile("[0-9]+");
        //Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");
        //2 创建一个匹配器对象
        //理解 匹配器按照我们的模式去content文本中查找跟匹配
        //找到就返回一个true,否则就返回一个false
        Matcher matcher = pattern.matcher(content);

        //3 开始循环匹配
        while(matcher.find()){
            //匹配的内容\文本，会放到m,group(0)
            System.out.println("找到："+matcher.group(0));
        }

    }
}

2 再提出几个问题?

3 解决之道-正则表达式

4 正则表达式基本介绍

二、正则表达式底层实现（重要）

1 实例分析

为让大家对正则表达式底层实现有一个直观的映象，给大家举个实例
给你一段字符串(文本),请找出所有四个数字连在一起的子串，比如:
应该找到 1998 1999 3443 9889 ===> 分析底层实现 RegTheory.java

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 分析Java正则表达式的底层实现
 */
public class RegTheory {
    public static void main(String[] args) {
        String content = "1998 年 12 月 8 日，第二代 Java 平台的企业版 J2EE 发布。1999 年 6 月，Sun 公司发布了" +
                "第二代 Java 平台（简称为 Java2）的 3 个版本：J2ME（Java2 Micro Edition，Java2 平台的微型" +
                "版），应用于移动、无线及有限资源的环境；J2SE（Java 2 Standard Edition，Java 2 平台的" +
                "标准版），应用于桌面环境；J2EE（Java 2Enterprise Edition，Java 2 平台的企业版），应" +
                "用 3443 于基于 Java 的应用服务器。Java 2 平台的发布，是 Java 发展过程中最重要的一个" +
                "里程碑，标志着 Java 的应用开始普及 9889 ";
        //目标：匹配所有四个数字
        //说明
        //1 \\d表示任意一个数字
        String regStr="(\\d\\d)(\\d\\d)";
        //2 创建模式对象（正则表达式对象）
        Pattern pattern=Pattern.compile(regStr);
        //3 创建匹配器
        //说明：创建匹配器matcher,按照正则表达式的规则去匹配
        Matcher matcher=pattern.matcher(content);
        //4 开始查找
        /**
         *matcher.find() 完成的任务 （考虑分组）
         *
         *
         *
         *
         * matcher.find() 完成的任务 （考虑分组）
         * * 什么是分组，比如 (\d\d)(\d\d) ,正则表达式中有() 表示分组,第 1 个()表示第 1 组,第 2 个()表示第 2 组...
         * 1. 根据指定的规则，定位满足规则的子字符串（比如1999）
         * 2. 找到后将子字符串的开始索引记录到matcher对象属性 int[] groups
         *  2.1 groups[0] = 31 , 把该子字符串的结束的索引+1 的值记录到 groups[1] = 35         *
         *  2.2 记录 1 组()匹配到的字符串 groups[2] = 0 groups[3] = 2
         *  2.3 记录 2 组()匹配到的字符串 groups[4] = 2 groups[5] = 4
         *  2.4.如果有更多的分组.....
         * 3. 同时记录 oldLast 的值为 子字符串的结束的 索引+1 的值即 35, 即下次执行 find 时，
         * 就从 35 开始匹配
         *
         *
         *
         *
         *
         * matcher.group(0) 分析
         * *
         * * 源码:
         * * public String group(int group) {
         * *    if (first < 0)
         * *        throw new IllegalStateException("No match found");
         * *    if (group < 0 || group > groupCount())
         * *        throw new IndexOutOfBoundsException("No group " + group);
         * *    if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
         * *        return null;
         * *    return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
         * * }
         * * 1. 根据 groups[0]=31 和 groups[1]=35 的记录的位置，从 content 开始截取子字符串返回
         * * 就是 [31,35) 包含 31 但是不包含索引为 35 的位置
         * *
         * * 如果再次指向 find 方法.仍然按照上面分析来执行
         */
        while (matcher.find()){
            //小结
            //1. 如果正则表达式有() 即分组
            //2. 取出匹配的字符串规则如下
            //3. group(0) 表示匹配到的子字符串
            //4. group(1) 表示匹配到的子字符串的第一组字串
            //5. group(2) 表示匹配到的子字符串的第 2 组字串
            //6. ... 但是分组的数不能越界
            System.out.println("找到："+matcher.group(1)+matcher.group(2));
        }
    }
}

三、正则表达式语法

1 基本介绍

2 元字符(Metacharacter)-转义号 \\

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 */
public class RegExp02 {
    public static void main(String[] args) {
        String content="abc$(a.bc(123( )";
        //匹配( => \\(
        String regStr="\\(";
        //String regStr = "\\.";
        //String regStr = "\\d\\d\\d";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到 " + matcher.group(0));
        }
    }
}

3 元字符-字符匹配符

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 演示字符匹配符 的使用
 */
public class RegExp03 {
    public static void main(String[] args) {
        String content = "a11c8abc _ABCy @";
        //String regStr="[a-z]";//匹配 a-z 之间任意一个字符
        //String regStr = "[A-Z]";//匹配 A-Z 之间任意一个字符
        //String regStr = "abc";//匹配 abc 字符串[默认区分大小写]
        //String regStr = "(?i)abc";//匹配 abc 字符串[不区分大小写]
        //String regStr = "[0-9]";//匹配 0-9 之间任意一个字符
        //String regStr = "[^a-z]";//匹配 不在 a-z 之间任意一个字符
        //String regStr = "[^0-9]";//匹配 不在 0-9 之间任意一个字符
        //String regStr="[abcd]";
        //String regStr="[\\D]";//匹配 不在 0-9 的任意一个字符
        //String regStr = "\\w";//匹配 大小写英文字母, 数字，下划线
        //String regStr = "\\W";//匹配 等价于 [^a-zA-Z0-9_]
        //\\s 匹配任何空白字符(空格,制表符等)
        //String regStr = "\\s";
        //\\S 匹配任何非空白字符 ,和\\s 刚好相反
        String regStr = "\\S";
        //. 匹配出 \n 之外的所有字符,如果要匹配.本身则需要使用 \\.
        //1. 当创建 Pattern 对象时，指定 Pattern.CASE_INSENSITIVE, 表示匹配是不区分字母大小写. 
        // Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()){
            System.out.println(matcher.group(0));
        }
    }

}

4 元字符-选择匹配符

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 选择匹配符
 */
public class RegExp04 {
    public static void main(String[] args) {
        String content = "hanshunping 韩 寒冷";
        String regStr = "han|韩|寒";
        Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到 " + matcher.group(0));
        }
    }
}

5 元字符-限定符

用于指定其前面的字符和组合项连续出现多少次

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 */
public class RegExp05 {
    public static void main(String[] args) {
        String content = "a211111aaaaaahello";
        //String regStr="a{3}";// 表示匹配 aaa
        //String regStr="\\d{2}";// 表示匹配 两位的任意数字字符

        //细节：java 匹配默认贪婪匹配，即尽可能匹配数位多的的
        //String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa
        //String regStr = "1{4,5}"; //表示匹配 1111 或者 11111
        //String regStr = "\\d{2,5}"; //匹配 2 位数或者 3,4,5


        //1+
        //String regStr = "1+"; //匹配一个 1 或者多个 1
        //String regStr = "\\d+"; //匹配一个数字或者多个数字

        //1*
        //String regStr = "1*"; //匹配 0 个 1 或者多个 1

        //演示?的使用, 遵守贪婪匹配
        String regStr = "a1?"; //匹配 a 或者 a1
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()){
            System.out.println(matcher.group(0));
        }
    }
}

6 元字符-定位符

定位符, 规定要匹配的字符串出现的位置，比如在字符串的开始还是在结束的位置，这个也是相当有用的，必须掌握

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 演示定位符的使用
 */
public class RegExp06 {
    public static void main(String[] args) {
        String content = "hanshunping sphan nnhan";
        //String content="123abc";
        String regStr="^[0-9]+[a-z]*";//以至少 1 个数字开头，后接任意个小写字母的字符串
        //String regStr = "^[0-9]+\\-[a-z]+$"//以至少 1 个数字开头, 必须以至少一个小写字母结束

        //表示匹配边界的 han[这里的边界是指：被匹配的字符串最后, // 也可以是空格的子字符串的后面]
        //String regStr = "han\\b";在这里会查找到两个han

        //和\\b 的含义刚刚相反
        //String regStr = "han\\B";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()){
            System.out.println(matcher.group(0));//123abc
        }
    }
}

7 分组

【捕获分组】

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 */
public class RegExp07 {
    public static void main(String[] args) {
        String content="hanshunping s7789 nn1189han";
        //下面就是非命名分组
        //说明
        // 1. matcher.group(0) 得到匹配到的字符串
        // 2. matcher.group(1) 得到匹配到的字符串的第 1 个分组内容
        // 3. matcher.group(2) 得到匹配到的字符串的第 2 个分组内容
        //String regStr = "(\\d\\d)(\\d\\d)";//匹配 4 个数字的字符串

        //命名分组： 即可以给分组取名
        String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";//匹配 4 个数字的字符串
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()){
            System.out.println("找到=" + matcher.group(0));
            System.out.println("第 1 个分组内容=" + matcher.group(1));
            System.out.println("第 1 个分组内容[通过组名]=" + matcher.group("g1"));
            System.out.println("第 2 个分组内容=" + matcher.group(2));
            System.out.println("第 2 个分组内容[通过组名]=" + matcher.group("g2"));
        }

    }
}

【非捕获分组】

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 演示非捕获分组, 语法比较奇怪
 */
public class RegExp08 {
    public static void main(String[] args) {
        String content="hello 林然教育 jack 林然老师 林然同学 hello 林然学生";
        // 找到 林然教育 、林然老师、林然同学 子字符串
        //String regStr = "林然教育|林然老师|林然同学";
        //上面的写法可以等价非捕获分组, 注意：不能 matcher.group(1)
        String regStr="林然(?:教育|老师|同学)";

        //找到 林然 这个关键字,但是要求只是查找林然教育和 林然老师 中包含有的林然
        //下面也是非捕获分组，不能使用 matcher.group(1)
        //String regStr = "林然(?=教育|老师)";
        
        //找到 林然 这个关键字,但是要求只是查找 不是 (林然教育 和 林然老师) 中包含有林然
        //下面也是非捕获分组，不能使用 matcher.group(1)
        //String regStr = "林然(?!教育|老师)";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

8 应用实例

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 */
public class RegExp10 {
    public static void main(String[] args) {
        String content="林然教育";
        //汉字
        String regStr = "^[\u0391-\uffe5]+$";//汉字的范围

        // 邮政编码
        // 要求：1.是 1-9 开头的一个六位数. 比如：123890

        //String regStr="^[1-9]\\d{5}$"

        // QQ 号码
        // 要求: 是 1-9 开头的一个(5 位数-10 位数) 比如: 12389 , 1345687 , 187698765
        //String regStr = "^[1-9]\\d{4,9}$";

        // 手机号码
        // 要求: 必须以 13,14,15,18 开头的 11 位数 , 比如 13588889999
        //String regStr = "^1[3|4|5|8]\\d{9}$";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        if(matcher.find()) {
            System.out.println("满足格式");
        } else {
            System.out.println("不满足格式");
        }
    }
}

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 演示正则表达式的使用
 */
public class RegExp11 {
    public static void main(String[] args) {
        String content = "https://www.bilibili.com/video/BV1fh411y7R8?from=search&seid=1831060912083761326";
        /**
         * 思路
         * * 1. 先确定 url 的开始部分 https:// | http://
         * 2.然后通过 ([\w-]+\.)+[\w-]+ 匹配 www.bilibili.com
         * 3. /video/BV1fh411y7R8?from=sear 匹配(\/[\w-?=&/%.#]*)?
         */
        String regStr="^((http|https)://)([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        if(matcher.find()) {
            System.out.println("满足格式");
        } else {
            System.out.println("不满足格式");
        }

        //这里如果使用 Pattern 的 matches 整体匹配 比较简洁
        //System.out.println(Pattern.matches(regStr, content));//

    }
}

四、正则表达式三个常用类

1 Pattern

package com.hspedu.regexp;

import java.util.regex.Pattern;

/**
 * @author 林然
 * @version 1.0
 * 演示 matches 方法，用于整体匹配, 在验证输入的字符串是否满足条件使用
 */
public class PatternMethod {
    public static void main(String[] args) {
        String content = "hello abc hello, 韩顺平教育";
        //String regStr = "hello";
        String regStr = "hello.*";//判断匹配模式是否等于content的内容
        boolean matches= Pattern.matches(regStr,content);
        System.out.println("整体匹配= " + matches);
    }
}

2 Matcher

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * Matcher 类的常用方法
 */
public class MatcherMethod {
    public static void main(String[] args) {
        String content = "hello edu jack hspedutom hello smith hello hspedu hspedu";
        String regStr = "hello";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()){
            System.out.println("=================");
            System.out.println(matcher.start());
            System.out.println(matcher.end());
            System.out.println("找到: " + content.substring(matcher.start(), matcher.end()));
        }
        //整体匹配方法，常用于，去校验某个字符串是否满足某个规则
        System.out.println("整体匹配=" + matcher.matches());

        //完成如果 content 有 hspedu 替换成 韩顺平教育
        regStr = "hspedu";
        pattern = Pattern.compile(regStr);
        matcher = pattern.matcher(content);
//注意：返回的字符串才是替换后的字符串 原来的 content 不变化
        String newContent = matcher.replaceAll("韩顺平教育");
        System.out.println("newContent=" + newContent);
        System.out.println("content=" + content);
    }
}

五、分组、捕获、反向引用

1 提出需求

2 介绍

3 看几个小案例

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 * 演示反向引用
 */
public class RegExp12 {
    public static void main(String[] args) {
        String content="hello jack tom11 jack22 yyy xxx 33333 1221";
        //String regStr="(\\d)\\1";
        //String regStr="(\\d)\\1{4}";
        String regStr="(\\d)(\\d)\\2\\1";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        while (matcher.find()){
            System.out.println(matcher.group(0));
        }
    }
}

4 经典的结巴程序

把类似 : "我....我要....学学学学....编程 java!";
通过正则表达式修改成 "我要学编程 java" RegExp13.java

package com.hspedu.regexp;

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

/**
 * @author 林然
 * @version 1.0
 */
public class RegExp13 {
    public static void main(String[] args) {
        String content = "我....我要....学学学学....编程 java!";
        //1. 去掉所有的.
        Pattern pattern = Pattern.compile("\\.");
        Matcher matcher = pattern.matcher(content);
        content=matcher.replaceAll("");
        System.out.println(content);

//        pattern=Pattern.compile("我+");
//        matcher=pattern.matcher(content);
//        content=matcher.replaceAll("我");
//        System.out.println(content);
//
//        pattern=Pattern.compile("学+");
//        matcher=pattern.matcher(content);
//        content=matcher.replaceAll("学");
//        System.out.println(content);



        //2. 去掉重复的字 我我要学学学学编程 java!
        // 思路
        //(1) 使用 (.)\\1+
        //(2) 使用 反向引用$1 来替换匹配到的内容

        pattern=Pattern.compile("(.)\\1+");//分组的捕获内容记录到$1
        matcher=pattern.matcher(content);
        while (matcher.find()){

            System.out.println("找到=" + matcher.group(0));
        }
        content = matcher.replaceAll("$1");
        System.out.println("content=" + content);

        //3. 使用一条语句 去掉重复的字 我我要学学学学编程 java!
        //content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1");
        //System.out.println("content=" + content);
    }
}

六 String 类中使用正则表达式

1 替换功能

2 判断功能

3 分割功能

package com.hspedu.regexp;

/**
 * @author 林然
 * @version 1.0
 */
public class StringReg {
    public static void main(String[] args) {
        String content = "2000 年 5 月，JDK1.3、JDK1.4 和 J2SE1.3 相继发布，几周后其" +
                "获得了 Apple 公司 Mac OS X 的工业标准的支持。2001 年 9 月 24 日，J2EE1.3 发" +
                "布。" +
                "2002 年 2 月 26 日，J2SE1.4 发布。自此 Java 的计算能力有了大幅提升";
            //使用正则表达式方式，将 JDK1.3 和 JDK1.4 替换成 JDK
        content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK");
        System.out.println(content);

        //要求 验证一个 手机号， 要求必须是以 138 139 开头的
        content = "13888889999";
        if (content.matches("1(38|39)\\d{8}")) {
            System.out.println("验证成功");
        } else {
            System.out.println("验证失败");
        }

        //要求按照 # 或者 - 或者 ~ 或者 数字 来分割
        System.out.println("===================");
        content = "hello#abc-jack12smith~北京";
        String[] split = content.split("#|-|~|\\d+");
        for (String s : split) {
            System.out.println(s);
        }
    }
}

七、本章作业

package com.hspedu.homework;

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

/**
 * @author 林然
 * @version 1.0
 */
public class Homework01 {
    public static void main(String[] args) {
        Scanner sc=new Scanner(System.in);
        String content=sc.nextLine();
        String regStr="^[\\w-]+@([a-zA-z]+\\.)+[a-zA-Z]+$";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        if(matcher.matches()){
            System.out.println("合法");
        }else {
            System.out.println("不合法");
        }
    }
}

package com.hspedu.homework;

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

/**
 * @author 林然
 * @version 1.0
 */
public class Homework02 {
    public static void main(String[] args) {
        String content="0.1";
        String regStr="^[-+]?(([1-9]\\d*)|0)(\\.\\d+)?$";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        if(matcher.matches()){
            System.out.println("匹配成功");
        }else {
            System.out.println("匹配失败");
        }
    }
}

package com.hspedu.homework;

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

/**
 * @author 林然
 * @version 1.0
 */
public class Homework03 {
    public static void main(String[] args) {
        String content="https://www.sohu.com:8080/abc/index.htm";
        String regStr="^([a-zA-Z]+)://([a-zA-Z.]+[a-zA-Z]+):(\\d+)[\\w-/]*/([\\w.]+)$";
        Pattern pattern=Pattern.compile(regStr);
        Matcher matcher=pattern.matcher(content);
        if(matcher.matches()){
            System.out.println(matcher.group(0));
            System.out.println("协议："+matcher.group(1));
            System.out.println("域名："+matcher.group(2));
            System.out.println("端口："+matcher.group(3));
            System.out.println("文件名："+matcher.group(4));
        }else {
            System.out.println("匹配失败");
        }
    }
}