RegularExpressions

字符串处理利器

正则表达式语法

正则表达式包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”）。 特殊字符 下表包含了单字符元字符的列表以及它们在正则表达式中的行为。 若要匹配这些特殊字符之一，必须首先转义字符，即，在字符前面加反斜杠字符 ()。 例如，若要搜索“+”文本字符，可使用表达式“+”。

元字符

下表包含了多字符元字符的列表以及它们在正则表达式中的行为。

非打印字符

下表包含表示非打印字符的转义序列。

优先级顺序

正则表达式的计算方式与算术表达式非常类似；即从左到右进行计算，并遵循优先级顺序。 下表按从高到低的顺序包含了正则表达式运算符的优先级顺序。

import java.util.regex.Matcher;import java.util.regex.Pattern;public class Test {    public static void main(String[] args) {        //简单认识正则表达式的概念        /*        p("abc".matches("..."));        //两个反斜杠d就是转义一个反斜杠d表示数字        p("a8729a".replaceAll("\\d", "-"));        Pattern p = Pattern.compile("[a-z]{3}");        Matcher m = p.matcher("fgh");        p(m.matches());        p("fgha".matches("[a-z]{3}"));        */        //初步认识. * + ?         // * 零个或多个字符        // + 一个或多个字符        // ？ 一个或零个        /*        p("a".matches("."));        p("aa".matches("aa"));        p("aaaa".matches("a*"));        p("aaaa".matches("a+"));        p("".matches("a*"));        p("aaaa".matches("a?"));        p("".matches("a?"));        p("a".matches("a?"));        p("214523145234532".matches("\\d{3,100}"));        p("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));        p("192".matches("[0-2][0-9][0-9]"));        */        //范围        /*        p("a".matches("[abc]"));        //取非        p("a".matches("[^abc]"));        p("A".matches("[a-zA-Z]"));        //底下两种都是或者        p("A".matches("[a-z]|[A-Z]"));        p("A".matches("[a-z[A-Z]]"));        p("R".matches("[A-Z&&[RFG]]"));        */        //认识\s \w \d \        /**        * \s 所有的空白字符        * \w 小写a-z和A-Z和下划线_和0-9，构成关键字的字符        * \d 0-9        **/        /*        p(" \n\r\t".matches("\\s{4}"));        p(" ".matches("\\S"));        p("a_8".matches("\\w{3}"));        p("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));        p("\\".matches("\\\\"));        */        //POSIX Style        //p("a".matches("\\p{Lower}"));        //boundary        /**        * 这个介绍看后面配图        **/        /*        p("hello sir".matches("^h.*"));        p("hello sir".matches(".*ir$"));        p("hello sir".matches("^h[a-z]{1,3}o\\b.*")); //true，\b是单词边界        p("hellosir".matches("^h[a-z]{1,3}o\\b.*")); //false        //whilte lines 空白行        p(" \n".matches("^[\\s&&[^\\n]]*\\n$"));        p("aaa 8888c".matches(".*\\d{4}."));        p("aaa 8888c".matches(".*\\b\\d{4}."));        p("aaa8888c".matches(".*\\d{4}."));        p("aaa8888c".matches(".*\\b\\d{4}."));        */        //email        //p("asdfasdfsafsf@dsdfsdf.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));        //matches find lookingAt        /*        Pattern p = Pattern.compile("\\d{3,5}");        String s = "123-34345-234-00";        Matcher m = p.matcher(s);        p(m.matches());        m.reset();        p(m.find());        p(m.start() + "-" + m.end());        p(m.find());        p(m.start() + "-" + m.end());        p(m.find());        p(m.start() + "-" + m.end());        p(m.find());        //p(m.start() + "-" + m.end());找不到用这个就会报错        p(m.lookingAt()); //每次都从头开始找起        p(m.lookingAt());        p(m.lookingAt());        p(m.lookingAt());        */        //replacement        /*        Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);        Matcher m = p.matcher("java Java JAVa JaVa IloveJAVA you hateJava afasdfasdf");        StringBuffer buf = new StringBuffer();        int i=0;        while(m.find()) {            i++;            if(i%2 == 0) {                m.appendReplacement(buf, "java");            } else {                m.appendReplacement(buf, "JAVA");            }        }        m.appendTail(buf);        p(buf);        */        //group        /*        Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})"); //这个中间的两个小括号就是分组用的，分为两组        String s = "123aa-34345bb-234cc-00";        Matcher m = p.matcher(s);        while(m.find()) {            //p(m.group());            p(m.group(1)); //分组输出，正则表达式中小括号分组        }        */        //qulifiers 修订词        /*        Pattern p = Pattern.compile(".{3,10}+[0-9]");  //一下子吞最大的10个，然后发现不匹配吐出一个匹配        //Pattern p = Pattern.compile(".{3,10}?[0-9]");  //这个加问号的就是不贪婪的，只读最少的就是aaaa5        String s = "aaaa5bbbb68";        Matcher m = p.matcher(s);        if(m.find())            p(m.start() + "-" + m.end());        else             p("not match!");        */        //non-capturing groups 用得比较少，用的时候试一下        /*        Pattern p = Pattern.compile(".{3}(?=a)");        String s = "444a66b";        Matcher m = p.matcher(s);        while(m.find()) {            p(m.group());        }        */        //back refenrences 向前引用        /*        Pattern p = Pattern.compile("(\\d(\\d))\\2");        String s = "122";        Matcher m = p.matcher(s);        p(m.matches());        */        //flags的简写        //Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);        p("Java".matches("(?i)(java)"));    }    public static void p(Object o) {        System.out.println(o);    }}

上述代码又看不懂的这有图片解释

下面贴出网页中抓取邮件的小例子。

import java.io.BufferedReader;import java.io.FileNotFoundException;import java.io.FileReader;import java.io.IOException;import java.util.regex.Matcher;import java.util.regex.Pattern;public class EmailSpider {
         public static void main(String[] args) {        try {            BufferedReader br = new BufferedReader(new FileReader("D:\\share\\courseware\\1043633.html"));            String line = "";            while((line=br.readLine()) != null) {                parse(line);            }        } catch (FileNotFoundException e) {            // TODO Auto-generated catch block            e.printStackTrace();        } catch (IOException e) {            // TODO Auto-generated catch block            e.printStackTrace();        }    }    private static void parse(String line) {        Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");        Matcher m = p.matcher(line);        while(m.find()) {            System.out.println(m.group());        }    }}