正则表达式基本规则与Java正则表达式使用
正则表达式匹配规则
介绍正则表达式基本匹配规则,及正则表达式字符的匹配原则以及贪婪匹配与非贪婪匹配的区别及实例。
- 正则表达式集及举例
字符 | 描述 |
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,“n”匹配字符“n”。“\n”匹配一个换行符。串行“\”匹配“\”而“(”则匹配“(”。 |
^ | 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\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“\r”之前的位置。 |
* | 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”以及“zoo”。*等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。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“does”或“does”中的“do”。?等价于{0,1}。,注意"?"将用于非贪婪匹配 |
{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”,但能匹配“foooood”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“fooooood”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。 |
? | 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。 |
. | 匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符,请使用像“(.|\n)”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。注意,此处pattern仅是你所需要的匹配样式,可以更换成你想任意字符或字符串。Matches集合则是不同语言表达方式不一样,如php中matches是自己定义的,结果直接生成到其中,而Java中则是Pattern类型调用matcher方法返回的Matcher对象的一个属性( matches),下文不再做解释。 |
(?: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”。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) | 反向肯定预查,与正向肯定预查类拟,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,与正向否定预查类拟,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”。“(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“p”。 |
[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。 |
[^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。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 | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于[^ \f\n\r\t\v]。需要注意的是,我们在真正使用的时候,\s\S 是会经常使用到的。 |
\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。等价于“[A-Za-z0-9_]”。 |
\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(0-3),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(©)。 |
- Java正则表达式
Java正则表达式须知:
(1)Java正则表达式使用的类在java.util.regex中
(2)Java中正则表达式有两种写法:
//写法一,写法简单,用于判断字符串中是否存在某些字符串是很方便的,用matches方法返回true或false
String s = "20\\d\\d";//可以匹配2001到2099所有数字,在字符串中需要对'\'进行转义所以写两个
String string = "2018";
string.matches(s);//结果为true
//写法二,匹配方式多样,可以获取匹配到的字符串
Pattern p = Pattern.compile("^(20\\d\\d)(.*)$");
Matcher matcher = p.matcher("20208156");
if(matcher.matches()){
System.out.println(matcher.group(0));//输出20208156(输出匹配到的所有内容)
System.out.println(matcher.group(1));//输出2020(匹配第一个分组也就是小括号里匹配的内容)
System.out.println(matcher.group(2));//输出8156(匹配的第二个分组)
}
- 贪婪匹配与非贪婪匹配
贪婪匹配:在进行字符串匹配的时候在满足后一个匹配规则的前提下,尽可能多的进行匹配字符。正则表达式默认为贪婪匹配。
非贪婪匹配:在进行字符串匹配的时候在满足后一个匹配规则的前提下,尽可能少的进行匹配字符。在多字符匹配规则后加‘?’,即可将匹配模式确定为非贪婪匹配。
注意:贪婪匹配与非贪婪匹配只存在与符合某一规则的多字符匹配,即包含字符‘*’,‘+’或{n,m}等多字符匹配手段的。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Hello {
public static void main(String[] args) {
Pattern p = Pattern.compile("^(.*)(20\\d\\d)(.*)$");//模式默认为贪婪匹配
Matcher matcher = p.matcher("248202020212022156");
//第一个满足第二个匹配规则的是2020,最后一个满足匹配规则的是2022
if(matcher.matches()){
System.out.println(matcher.group(0));//输出248202020212022156
System.out.println(matcher.group(1));//输出24820202021,尽可能多匹配
System.out.println(matcher.group(2));//输出2022
System.out.println(matcher.group(3));//输出156
}
Pattern p2 = Pattern.compile("^(.*?)(20\\d\\d)(.*)$");//加上字符'?'改为非贪婪匹配
Matcher matcher2 = p2.matcher("248202020212022156");
if(matcher2.matches()){
System.out.println(matcher2.group(0));//输出248202020212022156
System.out.println(matcher2.group(1));//输出248,尽可能少匹配
System.out.println(matcher2.group(2));//输出2020
System.out.println(matcher2.group(3));//输出20212022156
}
}
}
- 正则表达式网页数据获取实例
抓取网页:抓取一个网页,并将网页上自己想要的数据分离出来,目标网页内容为在学校教务网站上贴下来的代码写成的一个简单的html数据页面,效果如下。(https://www.dutcmc.com/personal/zhangchunli/regexTest/classTable/classTable.html)
分析源码:分析一下获取到的源码可以发现,数据都在标签和标签中,所以用正则表达式分离这两个标签中的数据就行了。
代码演示
异常处理太占地方了,代码没有做异常处理,不够完善,请勿见怪。
package testRegex;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.LinkedList;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Hello {
public static void main(String[] args) throws IOException{
Hello hello = new Hello();
String urlStr= "https://www.dutcmc.com/personal/zhangchunli/regexTest/classTable/classTable.html";
String pageHtmlString = hello.httpRequest(urlStr);
String[][] tmp = hello.fiterHtmlTag(pageHtmlString);
for(int i=0; i<tmp.length;i++) {
for(int j = 0;j<tmp[i].length;j++) {
System.out.print(tmp[i][j]+", ");
}
System.out.println("");
}
}
public String httpRequest(String urlStr) throws IOException {
URL url = new URL(urlStr);//实例化url
HttpURLConnection httpConn = (HttpURLConnection) url.openConnection();//打开链接
InputStreamReader input = new InputStreamReader(httpConn.getInputStream(), "utf-8");//建立一个读流,读取
BufferedReader bufferReader = new BufferedReader(input);//保存读取到的数据到缓冲区
StringBuilder contentBuffer = new StringBuilder();
String line = "";
while ((line = bufferReader.readLine()) != null) {// 逐行读取并存入StringBuffer
contentBuffer.append(line);
}
String pageHtmlString = contentBuffer.toString();//获取到html页面所有字符,包含 html标签
return pageHtmlString;
}
public String[][] fiterHtmlTag(String pageHtmlString) {
String[][] dateArray = null;
LinkedList<String[]> list = new LinkedList<String[]>();
Pattern patternTr = Pattern.compile("<tr>([\\s\\S]*?)</tr>");//匹配规则为<tr></tr>这对标签中的所有字符
Matcher matcherTr = patternTr.matcher(pageHtmlString);
Pattern patternTd = Pattern.compile("<td>([\\s\\S]*?)</td>");//匹配规则为<td></td>这对标签中的所有字符
while (matcherTr.find()) {
String sub = pageHtmlString.substring(matcherTr.start(),matcherTr.end());
Matcher matcherTd = patternTd.matcher(sub);
String[] tmpStringArray = new String[13];
int loop = 0;
while (matcherTd.find()) {
tmpStringArray[loop] = sub.substring(matcherTd.start()+4,matcherTd.end()-5);//把标签排除在外面
loop++;
}
list.add(tmpStringArray);
}
dateArray = new String[list.size()][];
list.toArray(dateArray);
return dateArray;
}
}
输出结果如下:
null, null, null, null, null, null, null, null, null, null, null, null, null,
1, 1060132010, 系统工程概论,<a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060132010.01</a>, 2017 管信1701 管信1702;2017 管工1701 管工1702, 理论, 工商管理学院, 荣莉莉(主讲), 1~8周 周二 第一节~第二节 凌水主校区 综合教学1号楼 综153 荣莉莉; <br>1~8周 周五 第五节~第六节 凌水主校区 综合教学1号楼 综153 荣莉莉, 32, 136, , null,
2, 1060231040, 运营管理, <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060231040.01</a>, 2017 管信1701 管信1702;2017 管工1701 管工1702;2017 经物1701, 理论, 工商管理学院, 俞明南(主讲)李新然(主讲), 9~12周 周二 第三节~第四节 凌水主校区 综合教学1号楼 综158 俞明南; <br>13~16周 周二 第三节~第四节 凌水主校区 综合教学1号楼 综158 李新然; <br>9~12周 周五 第七节~第八节 凌水主校区 综合教学1号楼 综158 俞明南; <br>13~16周 周五 第七节~第八节 凌水主校区 综合教学1号楼 综158 李新然, 32, 168, , null,
3, 1060141120, 商务智能与数据挖掘方法, <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060141120.01</a>, 2016 管物1601;2017 管信1701 管信1702, 理论, 工商管理学院, 裘江南(主讲), 3~10周 周一 第三节~第四节 凌水主校区 综合教学1号楼 综152 裘江南; <br>3~10周 周四 第七节~第八节 凌水主校区 综合教学1号楼 综152 裘江南, 32, 104, , null,
4, 1060142200, 互联网产品设计与开发, <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060142200.01</a>, 管信1701;管信1702,经金1701;经金1702, 理论, 工商管理学院, 卢涛(主讲)钱永胜(主讲), 10~17周 周二 第七节~第八节 凌水主校区 综合教学1号楼 综158 卢涛; <br>10~17周 周五 第三节~第四节 凌水主校区 综合教学1号楼 综158 卢涛, 32, 114, , null,
5, 1060141070, 面向对象程序设计, <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060141070.01</a>, 管信1701;管信1702, 理论, 工商管理学院, 刘志勇(主讲), 1~8周 周一 第五节~第六节 凌水主校区 综合教学2号楼 A105 刘志勇;<br>1~8周 周四 第一节~第二节 凌水主校区 综合教学2号楼 A105 刘志勇, 32, 76, , null,
6, 1060141110, 电子商务(双语), <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060141110.01</a>, 2017 管信1701 管信1702;2017 管工1701 管工1702;2017 管物1701, 理论, 工商管理学院, 闵庆飞(主讲), 1~8周 周三 第一节~第二节 凌水主校区 综合教学1号楼 综359 闵庆飞; <br>1~8周 周五 第三节~第四节 凌水主校区 综合教学1号楼 综359 闵庆飞, 32, 168, , null,
7, 1060142040, 管理系统模拟, <a href=“http://stujxgl.dlut.edu.cn/for-std/course-table/info/286587#” class=“showSchedules”> 1060142040.01</a>, 管信1701;管信1702, 理论, 工商管理学院, 金淳(主讲), 1~6周 周二 第五节~第六节 凌水主校区 综合教学1号楼 综151 金淳;
3~8周 周五 第一节~第二节 凌水主校区 综合教学1号楼 综259 金淳, 24, 32, , null,