day_24 正则表达式

最新推荐文章于 2024-12-17 16:42:30 发布

原创最新推荐文章于 2024-12-17 16:42:30 发布 · 111 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式

1.正则表达式

1.1概述

正则表达式定义了字符串的模式

正则表达式可以用来搜索,编辑或处理文本

/**
 * 正则表达式定义了字符串的模式,可以用来 搜索, 编辑 , 处理问题,还可以做数据提取操作
 * 
 * 不仅限于某一种语言,但是在每种语言中有细微的差别
 * 
 * java中 1.4推出,java.util.regex 包下
 * 
 * 在java中 使用\转移符,把有意义字符转换为无意义字符
 * 
 * 但是在正则表达式中,\也是转移符,所以如果我们再java中写正则表达式的转移符的话,要写两个\\
 */

1.2语法

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符.例如,"\\n"匹配\n."\n"匹配换行符.序列"\\"匹配"\"而"\("则匹配"(".即相当于多种编程语言都有的"转义字符"的概念.
^	匹配输入字符串的开始位置.如果设置了RegExp对象的属性,^也匹配"\n"或者"\r"之后的位置.
$	匹配输入字符串的结束位置.如果设置了RegExp对象的Multiline属性,$也匹配"\n"或者"\r"之前的位置.
*	匹配前面的子表达式任意次.例如,zo能匹配"z","zo"以及"zoo".等价于{0,}.
+	匹配前面的子表达式一次或者多次(大于等于一次).例如,"zo+"能匹配"zo"以及"zoo",但不能匹配"z".+等价于{1,}.
?	匹配前面的子表达式零次或一次.例如,"do(es)?"可以匹配"do"或"does"中的"do".?等价于{0,1}
{n}	n是一个非负整数.匹配确定的n次.例如,"o{2}"不能匹配"Bob"中的"o",但是能匹配"food"中的两个o.
{n,}	n是一个非负整数.至少匹配n次.例如,"o{2,}"不能匹配"Bob"中的"o",但是能匹配"foooooood"中的所有o."o{1,}"等价于"o+"."o{0,}"则等价于"o*".
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次.例如，“o{1,3}”将匹配“foooooood”中的前三个o.“o{0,1}”等价于“o?”.请注意在逗号和两个数之间不能有空格.
.点	匹配除“\r\n”之外的任何单个字符.要匹配包括“\r\n”在内的任何字符,请使用像“[\s\S]”的模式.
(pattern)	匹配pattern并获取这一匹配.所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性.要匹配圆括号字符，请使用“$”或“$”.
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用.这在使用或字符“(\|)”来组合一个模式的各个部分是很有用.例如“industr(?:y\|ies)”就是一个比“industry\|industries”更简略的表达式.
(?=pattern)	正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串.这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用.例如,“Windows(?=95\|98\|NT\|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”.预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始.
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串.这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用.例如“Windows(?!95\|98\|NT\|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”.
(?=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95\|98\|NT\|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95\|98\|NT\|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x\|y	匹配x或y。例如，“z\|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z\|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符. 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符.等价于[0-9].
\D	匹配一个非数字字符.等价于[^0-9].
\f	匹配一个换页符,等价于\x0c和\cL.
\n	匹配一个换行符,等价于\x0a和\cJ.
\r	匹配一个回车符,等价于\x0d和\cM.
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。
\<\>	匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
	将 $ 和 $ 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
\|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him\|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字

1.3(),[],{}的区别

        1>. 小括号()：匹配小括号内的字符串，可以是一个，也可以是多个，常跟“|”（或）符号搭配使用，是多选结构的
　　示例1：string name = "way2014";  regex：(way|zgw)  result：结果是可以匹配出way的，因为是多选结构，小括号是匹配字符串的
　　示例2：string text = "123456789";  regex：(0-9)　result：结果是什么都匹配不到的，它只匹配字符串"0-9"而不是匹配数字, [0-9]这个字符组才是匹配0-9的数字
        2>.中括号[]：匹配字符组内的字符，比如咱们常用的[0-9a-zA-Z.*?!]等，在[]内的字符都是字符，不是元字符，比如“0-9”、“a-z”这中间的“-”就是连接符号，表示范围的元字符，如果写成[-!?*(]这样的话，就是普通字符
　　示例1： string text = "1234567890";  regex：[0-9]  result：结果是可以匹配出字符串text内的任意数字了，像上边的【或符号“|”在字符组内就是一个普通字符】
　　示例2：string text = "a|e|s|v";  regex：[a|e|s]  result：结果就是匹配字符a、e、s三个字符，这个跟(a|e|s)有区别的，区别就是(a|e|s)匹配的是a、e、s三个字符的随意一个，三个中的任意一个，这里|是元字符
        3>.大括号{}：匹配次数，匹配在它之前表达式匹配出来的元素出现的次数，{n}出现n次、{n,}匹配最少出现n次、{n,m}匹配最少出现n次，最多出现m次

2.Java中正则表达式

/** 在java中 正则表达式封装为三个相关的类
 * 		PatternSyntaxException : 异常类
 * 		Pattern : 正则表达式对象,能做一些简单操作
 * 		Matcher : 支持强大的正则表达式
 */

2.1Pattern

2.1.1概述

用于创建一个正则表达式，也可以说创建一个匹配模式，它的构造方法是私有的，不可以直接创建

可以通过Pattern.complie(String regex)创建一个正则表达式

只能做一些简单的匹配操作

2.1.2使用

/**
 * Pattern :  很多时候我们直接使用String中的三个方法即可
 * 		验证 : 校验操作,boolean matches(String regex)
 * 		拆分 : String[] split(String regex)
 * 		替换 : String replaceAll(String regex,String replace)
 * 
 *
 * @author 学到头秃的张张张
 *@Date 2021年11月1日下午9:41:07
 */

package day_26text;

import java.util.Iterator;
import java.util.regex.Pattern;

public class Text01 {
	public static void main(String[] args) {
//		test1();
		test2();
	}
	// 校验
	public static void test2(){
		String regex = "(-?[1-9]\\d*)|0";
		String str  = "-123";
		// 全词匹配,静态方法
		boolean flag = Pattern.matches(regex, str);
		System.out.println(flag);
		// String中的方法
		System.out.println(str.matches(regex));
	}
	// 拆分
	public static void test1(){
		String str = "1,2,3,4,5";
		// 创建正则表达式对
		Pattern pattern = Pattern.compile(",");
		// 拆分方法
		String[] strs = pattern.split(str);
		for (String string : strs) {
			System.out.println(string);
		}
		System.out.println("=========");
		strs = str.split(",");
		for (String string : strs) {
			System.out.println(string);
		}
	}
}

2.2Matcher

2.2.1概述

·构造方法也是私有的，不能随意创建，只能通过Pattern.matcher(CharSequence input)方法得到该类的实例 Matcher m = p.matcher("aaaaab");

·支持便捷强大的正则匹配操作，包括分组、多次匹配支持

2.2.2三大方法

Matcher.matches()：对整个字符串进行匹配，只有整个字符串都匹配了才返回true

Matcher.lookingAt()：对前面的字符串进行匹配，只有匹配到的字符串在最前面才返回true

Matcher.find()：对字符串进行匹配,匹配到的字符串可以在任何位置

2.2.3字符串匹配模式

package day_26text;

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

public class Text02 {
	
	public static void main(String[] args) {
		// 整数规则
		String regex = "(-?[1-9]\\d*)|0";
		// 需要校验的字符串
		String input = "12.12";
		// 引擎对象
		Pattern pattern = Pattern.compile(regex);
		// 匹配器对象
		Matcher matcher = pattern.matcher(input);
		/**
		 * 三种匹配模式
		 * 		matches : 全词匹配 123
		 * 		find : 任意位置均可 asd123das
		 * 		lookingAt : 从前向后,前面是就可以  123sadasd
		 */
		// false
		System.out.println(matcher.matches());
		// 不要连着使用,每次使用 都重新打开一个 matcher对象即可
		// find可以调用多次,因为find适合做一些提取操作
		 matcher = pattern.matcher(input);
		System.out.println(matcher.find());
		System.out.println(matcher.find());
		System.out.println(matcher.find());
		 matcher = pattern.matcher(input);
		System.out.println(matcher.lookingAt());
	}
}

2.2.4数据提取

package day_26text;

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

public class Text03 {
	
	public static void main(String[] args) {
		// 整数规则
		// [\u4e00-\u9fa5] 汉字范围
		// 一个小括号 就是一组
		String regex = "([\u4e00-\u9fa5]{2,3})电话号码是(\\d{11})";
		// 需要校验的字符串
		String input = "asd小明电话号码是13113113111sass张小黑电话号码是15115115111";
		// 引擎对象
		Pattern pattern = Pattern.compile(regex);
		// 匹配器对象
		Matcher matcher = pattern.matcher(input);
		/**
		 * find和group 结合使用 可以完成数据提取
		 */
		// 想要获取下一个匹配的数据,只需要再次调用find即可
		// 如果find为false,说明后面没有符合条件的数据了
		while (matcher.find()) {
			// 0或者无参 都是获取匹配到的整个数据
			// 1 就是第一组 , 2 就是第二组
			System.out.println(matcher.group(0));
			System.out.println(matcher.group(1));
			System.out.println(matcher.group(2));
		}
	}
}

2.2.5叠词去重

/**
 * 叠词去重
 * 
 * 我我...我我...我要..要要...要要...学学学..学学...编编编编....编程..程....程程程程..程.
 * 
 * 转换为我要学编程
 * 
 * 1 只留下汉字,其余字符去掉
 * 
 * 2 把重复数据分为两组 , 比如 1111,分为 1 和 111
 * 
 * 3 使用 1 把 1111 替换
 *
 * @author 学到头秃的张张张
 *@Date 2021年11月1日下午9:55:06
 */

package day_26text;

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

public class Text04 {
	public static void main(String[] args) {
		String string = "我我......我要..要要...要要...学学学..学学...编编编编....编程..程....程程程程..程.";
		// 1 先把.去掉
		// string = string.replaceAll("\\.", "");
		string = string.replaceAll("[^\u4e00-\u9fa5]", "");
		// ((我)(我我我我))(要)(要要要要)学学学学学编编编编编程程程程程程程
		System.out.println(string);
		// (.) : 任意字符
		// \\1 捕获1次,获取指定组的数据, //1就是第一组的数据,//2就是第二组的数据
		// (\\d)\\1 : 表示连续出现两个字符 , 11,22,33,44
		// (\\d)(a)\\1 : 第一个是数字,第二个是a,第三个和第一个相同 1a1,2a2,3a3
		// (\\d)(a)\\2 : 第一个是数字,第二是a,第三个和第二个一样,也是a,1aa,2aa,3aa
		String regex = "(.)(\\1+)";
		// Pattern pattern = Pattern.compile(regex);
		// Matcher matcher = pattern.matcher(string);
		// while (matcher.find()) {
		// // System.out.println(matcher.group(0));
		// // System.out.println(matcher.group(1));
		// // System.out.println(matcher.group(2));
		// string = string.replaceAll(matcher.group(0), matcher.group(1));
		// }
		// System.out.println(string);
		
		// $1 就等于 matcher.group(1)
		string = string.replaceAll(regex, "$1");
		System.out.println(string);
	}
}