正则表达式知识点总结

正则表达式知识点总结

 

 * 一、基础知识

 * 1.正则表达式：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：符号定义越多，正则越长，阅读性越差。

 * 二、常用操作功能

 * 1.匹配：boolean matches(String regex) 
 *    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

 * 2.切割：String[] split(String regex) 
 *    根据给定的正则表达式的匹配拆分此字符串
 * 典型demo:
 *（1）splitDemo("zs  ls   ww"," +");//按照多个空格来进行切割
 *（2）splitDemo("zs.ls.ww","\\.");//按照 . 来进行切割
 *（3）splitDemo("D:\\abc\\de","\\\\");//按照\\来进行切割
 *（4）splitDemo("abcddefgkkkhi","(.)\\1+");//按照叠词完成切割
 
 * 3.替换：String replaceAll(String regex, String replacement) 
 *    使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串
 * 典型demo:
 *（1）replaceAllDemo(str,"\\d{5,}","#");//将字符串中的连续超过5个的数字替换成#
 *（2）replaceAllDemo(str2,"(.)\\1+","*");//将叠词替换成*    
 *（3）replaceAllDemo(str3,"(.)\\1+","$1");//将重叠的字符替换成单个字母，如：ddd变成d        

 * 4.获取：将字符串中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，获取正则匹配引擎；
 *（4）通过引擎对符合规则的子串进行操作，比如：取出
 * 典型demo:            
 * String str = "ming tian fang jia lea";
 * String reg = "\\b[a-z]{3}\\b";//"\b"表示单词边界
 * Pattern p = Pattern.compile(reg);//将规则封装成对象
 * Matcher m = p.matcher(str);//让正则对象和要作用的字符串相关联，获取匹配器对象
 * //类似于迭代器
 * while(m.find()){//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());//用于获取匹配后结果
 *    System.out.println(m.start()+"..."+m.end());//匹配后结果起始和结束位置
 * }    

 * 5.四种功能选用方式
 * 思路：
 *（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，使用替换；
 *（3）想要按照自定的方式将一个字符串变成多个字符串，使用切割；（获取规则以外的子串）
 *（4）想要拿到符合需求的字符串子串，使用获取。（获取符合规则的子串）

 * 三、常见应用情形

 * 1.匹配的应用
 *（1）应用一：对qq号码进行校验   regex="[1-9]\\d{4,14}";
 *（2）应用二：对手机号段进行校验 regex="1[358]\\d{9}";
 *（3）应用三：对邮件地址进行校验 
 * regex="[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-z]+){1,3}";//较为精确的匹配
 * regex="\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配
 
 * 2.替换的应用
 * 将ip地址进行地址段顺序的排序【必须掌握】    
 * 例如：192.68.1.254  102.49.23.013  10.10.10.10  2.2.2.2 
 * 思路：
 * 按照字符串自然顺序，只要让它们每一段都是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三位；
 *（2）将每一段只保留三位，这样，所有的ip地址都是每一段三位。     
     
 * 3.获取的应用
 *   获取指定文档中的邮件地址（网页爬虫）

 * 四、常用特殊符号（API中）

 * 1.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） 
 
 * 2.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] 
 
 * 3.Greedy 数量词 
 * X? X，          零次或一次
 * 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