相信很多人都对正则有很深的交情，毕竟这玩意功能太强了，几乎无处不在。我最长用的正则还是爬虫。爬虫分两类，一种是接口返回​​json​​​数据的，一种是返回​​HTML​​数据的。

对于第一种返回​​json​​​数据的可以直接用​​jsonobject​​​解析。而第二种往往用​​HTML​​​解析类做起来比较麻烦，特别是提取表单信息的时候，所以我直接当做​​string​​信息，通过正则表达式提取想要的信息。

Java正则

里面用到了一个​​Java​​​的正则工具类，算是写了​​Java​​​的正则​​Demo​​，代码如下：

package com.fun.utils;

import com.fun.frame.SourceCode;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

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

/**
 * 正则验证的封装
 */
public class Regex extends SourceCode {

    private static Logger logger = LoggerFactory.getLogger(Regex.class);

    /**
     * 正则校验文本是否匹配
     *
     * @param text  需要匹配的文本
     * @param regex 正则表达式
     * @return
     */
    public static boolean isRegex(String text, String regex) {
        return Pattern.compile(regex).matcher(text).find();
    }

    /**
     * 正则校验文本是否完全匹配，不包含其他杂项，相当于加上了^和$
     *
     * @param text  需要匹配的文本
     * @param regex 正则表达式
     * @return
     */
    public static boolean isMatch(String text, String regex) {
        return Pattern.compile(regex).matcher(text).matches();
    }

    /**
     * 返回所有匹配项
     *
     * @param text  需要匹配的文本
     * @param regex 正则表达式
     * @return
     */
    public static List<String> regexAll(String text, String regex) {
        List<String> result = new ArrayList<>();
        Matcher matcher = Pattern.compile(regex).matcher(text);
        while (matcher.find()) {
            result.add(matcher.group());
        }
        return result;
    }

    /**
     * 获取匹配项，不包含文字信息，会删除regex的内容
     * <p>不保证完全正确</p>
     *
     * @param text
     * @param regex
     * @return
     */
    public static String getRegex(String text, String regex) {
        String result = EMPTY;
        try {
            result = regexAll(text, regex).get(0);
            String[] split = regex.split("(\\.|\\+|\\*|\\?)");
            for (int i = 0; i < split.length; i++) {
                String s1 = split[i];
                if (!s1.isEmpty())
                    result = result.replaceAll(s1, EMPTY);
            }
        } catch (Exception e) {
            logger.warn("获取匹配对象失败！", e);
        } finally {
            return result;
        }
    }

}

Groovy正则

首先来讲，​​Groovy​​​完全可以使用Java的正则语法，上面的正则工具类完全适用于​​Groovy​​​脚本，我的爬虫Demo里面基本上也都是在​​Groovy​​脚本里面直接使用的这个工具类。

下面分享一下​​Groovy​​​语言自己的正则表达式。其中最重要的三个符号​​=~​​​相当于​​Java​​​里面的​​Pattern.compile(regex).matcher(text)​​​，然后​​==~​​​相当于​​Pattern.compile(regex).matcher(text).match()​​​，这里不是​​find()​​​，两者区别请自行搜索，还有一个写法​​def stra = /.*test\w+/​​​，专指正则表达式，使用收尾都加上​​/​​​而不是​​"​​。

下面是我的Demo：

public static void main(String[] args) {
        def str = "fantester"
        def matcher = str =~ "\\wt"
        println matcher.find()
        println matcher[0]
        println matcher.size()
        matcher.each {println it}
        def b = str ==~ ".*er"
        output b

        def stra = /.*test\w+/

        println str ==~ stra

        ("fanfanfanfan" =~ "\\wf").each {println it}

        "fanfanfanfan".eachMatch(/\wa/) {println it}

}

控制台输出如下：

INFO-> 当前用户：fv，IP：192.168.0.100，工作目录：/Users/fv/Documents/workspace/fun/,系统编码格式:UTF-8,系统Mac OS X版本:10.15.3
true
nt
2
nt
st
INFO-> true
true
nf
nf
nf
fa
fa
fa
fa

Process finished with exit code 0

​​Groovy​​​语法还是有很强的可玩性的，虽然基本兼容​​Java​​​语法，但是深入了解​​Groovy​​​之后，是可以写出不逊于​​Python​​的简洁语法。