Regular Expression

正则表达式
一、概述
        1、 概念：符合一定规则的表达式。
        2、 作用：用于专门操作字符串。
        3、 特点：用于一些特定的符号来表示一些代码操作，这样可以简化书写。所以学习正则表达式，就是在学习一些特殊符号的使用。
        4、 好处：可以简化对字符串的复杂操作。
        5、 弊端：符合定义越多，正则越长，阅读性越差。

二、常见符号
       说明：X表示字符X或者匹配的规则。
1、字符
        x                  字符 x
        \\                 反斜线字符
        \t                 制表符 ('\u0009')
        \n                 新行（换行）符 ('\u000A')
        \r                 回车符 ('\u000D')
        \f                 换页符 ('\u000C')
        \a                 报警 (bell) 符 ('\u0007')
2、字符类
        [abc]                    a、b或 c（简单类）
        [^abc]                 任何字符，除了 a、b或 c（否定）
        [a-zA-Z]               a到 z或 A 到 Z，两头的字母包括在内（范围）
        [a-d[m-p]]            a到 d或 m 到 p：[a-dm-p]（并集）
        [a-z&&[def]]               d、e或 f（交集）
        [a-z&&[^bc]]        a到 z，除了 b和 c：[ad-z]（减去）
        [a-z&&[^m-p]]     a到 z，而非 m到 p：[a-lq-z]（减去）
3、预定义字符类
        .                         任何字符（与行结束符可能匹配也可能不匹配）
        \d                        数字：[0-9]
        \D                       非数字： [^0-9]
        \s                        空白字符：[ \t\n\x0B\f\r]
        \S                       非空白字符：[^\s]
        \w                       单词字符：[a-zA-Z_0-9]
        \W                      非单词字符：[^\w]
4、边界匹配器
        ^                         行的开头
        $                         行的结尾
        \b                        单词边界
        \B                       非单词边界
        \A                       输入的开头
        \G                       上一个匹配的结尾
        \Z                       输入的结尾，仅用于最后的结束符（如果有的话）
        \z                       输入的结尾
5、Greedy数量词
        X?                       X，一次或一次也没有
        X*                       X，零次或多次
        X+                       X，一次或多次
        X{n}                     X，恰好 n次
        X{n,}                    X，至少 n次
        X{n,m}                   X，至少 n次，但是不超过 m 次
6、组和捕获
       捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C)))中，存在四个这样的组：
                    1     ((A)(B(C)))
                    2     \A
                    3     (B(C))
                    4     (C)
       组零始终代表整个表达式。在替换中常用$匹配组的内容。
三、正则表达式具体功能
        主要有四种具体功能：匹配matches、切割split、替换replaceAll和获取find
1、匹配：String类中的boolean matches(String regex)方法。用规则匹配整个字符串，只要有一处不符合规则，就匹配结束，返回false。
示例：

class  MatchesDemo
{
	/*
	对QQ号码进行校验
	要求：5~15  0不能开头，只能是数字
	*/
	//方式一，不用正则表达式
	public static void qqCheck_1(String qq)
	{
		if (!qq.startsWith("0"))
		{
			if (qq.length()>=5&&qq.length()<=15)
			{
				try
				{
					long l=Long.parseLong(qq);//利用封装基本数据类型出现非数字报异常的特点
					System.out.println(qq);
				}
				catch (NumberFormatException e)
				{
					System.out.println("包含非法字符！");
				}
			}
			else
				System.out.println("你输入的长度非法！");
		}
		else
			System.out.println("没有0开头的号码，请重输！");
	}
	
	//方式二，用正则来实现
	public static void qqCheck_2(String qq)
	{
		String regex="[1-9]\\d{4,14}";
		if (qq.matches(regex))//用String类中matches方法来匹配
		{
			System.out.println(qq);
		}
		else
			System.out.println(qq+":是非法的号码！");

	}


	/*
		匹配
		手机号段只有 13xxx 15xxx 18xxxx
	*/

	public static void phoneCheck(String phone)
	{
		String regex="1[358]\\d{9}";
		if (phone.matches(regex))
		{
			System.out.println(phone+":::is ok..");
		}
		else
			System.out.println("手机号码输入有误！");
	}


	public static void main(String[] args) 
	{
		String qq="125696";
		qqCheck_1(qq);//不用正则的方式
		qqCheck_2(qq);//用正则的方式

		String phone="13345678910";
		phoneCheck(phone);//匹配手机号码是否正确
	}
}

2、切割：String类中的String[] split(String regex)方法。
示例：

class SplitDemo 
{

	public static void main(String[] args) 
	{
		String regex1="\\.";//按 .切
		String regex2=" +";//按空格切，可能有一个空格或者多个空格
		String regex3="(.)\\1+";//按照出现两次或者以上的叠词切
		String[] arr="192.168.1.62".split(regex1);//按 . 切
		print(arr);

		arr ="wo  shi   shui    545  21     3".split(regex2);//按空格切
		print(arr);

		arr="erkktyqqquizzzzzo".split(regex3);//按叠词切
		print(arr);	
	}

	//遍历
	public static void print(String[] arr)
	{
		for (String s : arr)
		{
			System.out.println(s);
		}
	}
}

说明：
        按叠词完成切割：为了让规则被重用，可将规则封装成一个组，用()完成。组的出现都有编号，从1开始。想要使用已有的组可通过\n（n就是组的编号）的形式来获取。
        对于组中所匹配的字符，可以用$n来获取。$在正则中表示行的结尾，所以出现在正则中不能用来表示组，一般用于替换中。如下面功能中。

//3、替换： String replaceAll(String regex,String replacement)方法。
class ReplaceDemo 
{
	public static void main(String[] args) 
	{
		String regex1="\\d{5,}";//将字符串中数字替换成#
		String regex2="(.)\\1+";//将叠词替换为一个

		String s1="erej569831217woshi2659810wosxs12356f";
		s1=s1.replaceAll(regex1, "#");//将字符串中的数字替换成#

		String s2="erkktyqqquizzzzzo";
		s2=s2.replaceAll(regex2, "$1");//将叠词替换为一个,其中$1表示符合组中一个字符

		System.out.println("s1:"+s1);
		System.out.println("s2:"+s2);
	}
}

4、获取：将字符串中的符合规则的子串取出。
操作步骤：
        1）将正则表达式封装成对象。
        2）让正则对象和要操作的字符串相关联。
        3）关联后，获取正则匹配器。
        4）通过匹配器对符合规则的子串进行操作，比如取出。
示例：

import java .util.regex.*;
class  PatternDemo
{
	public static void main(String[] args) 
	{
		String s= "ming tian jiu yao fang jia le ,da jia。";
		String regex="\\b[a-z]{4}\\b";
		get(s,regex);
	}
	public static void get(String s,String regex)
	{
		//将规则封装成对象。
		Pattern p=Pattern.compile(regex);
		//让正则对象和要作用的字符串相关联。获取匹配器对象。
		Matcher m=p.matcher(s);

		//System.out.println(m.matches());
		//其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。
		//只不过被String的方法封装后，用起来较为简单。但是功能却单一。

		while(m.find())//find()方法是将规则作用到字符串上，并进行符合规则的子串查找。
		{
			System.out.println(m.group());//group()方法用于获取匹配后结果。
			System.out.println(m.start()+"...."+m.end());
//start()和end()分别表示匹配字符的开始和结尾的索引
		}
	}
}

四、练习
四种功能的选择（思路方式）：
        1）如果只想知道该字符是对是错，使用匹配。
        2）想要将已有的字符串变成另一个字符串，替换。
        3）想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
        4）想要拿到符合需求的字符串子串，获取。获取符合规则的子串。
练习1

/*
练习：
需求：将下列字符串转成：我要学编程
"我我...我..我要...要...要要....学学....学学学......编编编...程...程程...."

思路：
将已有字符串变成另一个字符串。使用替换功能。
1、可以先将 . 去掉。
2、再将多个重复的内容变成单个内容。

*/
class  ReplaceTest
{
	public static void main(String[] args) 
	{
		String s="我我...我..我要...要...要要....学学....学学学......编编编...程...程程....";
		System.out.println(s);

		String regex="\\.+";//先将 . 去掉
		s=s.replaceAll(regex,"");//去掉 .
		System.out.println(s);

		regex="(.)\\1+";//将重复的内容变成单个内容
		s=s.replaceAll(regex,"$1");//去重
		System.out.println(s);
	}
}

练习2

/*
需求：
将ip地址进行地址段顺序的排序。
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301

思路：
还按照字符串自然顺序，只要让他们每一段都是3位即可。
1、按照每一段需要的最多的0进行补齐，那么每一段就会至少保证有3位。
2、将每一段只保留3位。这样，所有的ip地址都是每一段3位。

*/
import java.util.*;

class  IPSortTest
{
	public static void main(String[] args) 
	{
		String ip="192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301";
		System.out.println(ip);

		String regex="(\\d+)";
		ip=ip.replaceAll(regex,"00$1");//保证每段至少都有三位-------------
		System.out.println(ip);

		regex="0*(\\d{3})";
		ip=ip.replaceAll(regex,"$1");//每段只保留三位
		System.out.println(ip);

		regex=" ";
		String[] arr=ip.split(regex);//按照空格切
		
		//定义一个TreeSet集合，利用元素自然排序
		TreeSet<String > ts=new TreeSet<String>();
		for (String str : arr )
		{
			ts.add(str);//添加
		}
		
		regex="0*(\\d+)";//把每段前面多余的0替换掉
		for (String s : ts)
		{
			System.out.println(s.replaceAll(regex,"$1"));//把每段前面多余的0替换掉
		}
	}
}

练习3

//需求：对邮件地址进行校验。

class  CheckMail
{
	public static void main(String[] args) 
	{
		String mail="[e-mail]";
		String regex="\\w+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//较为精确
		regex="\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。

		boolean b=mail.matches(regex);
		System.out.println(b);
	}
}

练习4

/*
网络爬虫（蜘蛛）
实际上是一个功能，用于搜集网络上的指定信息
需求：可用于收集邮箱，qq号等之类的信息。
应用：如通过关键字搜索blog，实际就是使用的“蜘蛛”，通过查找关键字获取相关的blog
*/

import java.net.*;
import java.util.regex.*;
import java.io.*;

class  Spider
{
	public static void main(String[] args)throws Exception
	{
		//getFileMail();
		getWebMail();
		
	}

	//获取网页中mail
	public static  void getWebMail()throws Exception
	{
		//封装网页地址
		URL url=new URL("http://tieba.baidu.com/p/1390896758");
		//连接服务器
		URLConnection conn=url.openConnection();
		//带缓冲区的网页读取流
		BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
		String line=null;
		
		//定义匹配邮件地址的正则表达式
		String regex="\\w+@\\w+(\\.\\w+)+";
		Pattern p=Pattern.compile(regex);//封装正则表达式
		//读取网页数据
		while ((line=br.readLine())!=null)
		{
			//正则关联数据
			Matcher m=p.matcher(line);
			//寻找匹配邮箱
			while (m.find())
			{
				System.out.println(m.group());//输出匹配邮箱
			}		
		}	
	}

	//获取指定文档中的邮件地址。使用获取功能。Pattern  Matcher
	public static void getFileMail()throws Exception
	{
		//将文件封装成对象
		File file=new File("E:\\Java Study\\Practice\\day25\\mail.txt");
		//创建带缓冲区的读取流
		BufferedReader br=new BufferedReader(new FileReader(file));
		String line=null;

		//定义正则表达式
		String regex="\\w+@[a-zA-Z]+(\\.[a-zA-z]+)+";
		//创建Pattern对象，封装正则表达式
		Pattern p=Pattern.compile(regex);

		//读取文件中数据
		while ((line=br.readLine())!=null)
		{	
			
			//关流字符串
			Matcher m=p.matcher(line);
			while (m.find())//寻找匹配的字符串
			{
				System.out.println(m.group());//输出匹配的字符串
			}
		}
	}
}