关于后端:Java-的正则表达式与爬虫

正则表达式

1.1 正则表达式的概念及演示

• 在 Java 中，咱们常常须要验证一些字符串，例如：年龄必须是 2 位的数字、用户名必须是 8 位长度而且只能蕴含大小写字母、数字等。正则表达式就是用来验证各种字符串的规定。它外部形容了一些规定，咱们能够验证用户输出的字符串是否匹配这个规定。

• 先看一个不应用正则表达式验证的例子：上面的程序让用户输出一个 QQ 号码，咱们要验证：

  • QQ 号码必须是 5 –15 位长度
  • 而且必须全副是数字
  • 而且首位不能为 0

package com.itheima.a08regexdemo;

public class RegexDemo1 {public static void main(String[] args) {
        /* 如果当初要求校验一个 qq 号码是否正确。规定:6 位及 20 位之内，日不能在结尾，必须全副是数字。先应用目前所学常识实现校验需要而后体验一下正则表达式测验。*/

        String qq ="1234567890";
        System.out.println(checkQQ(qq));

        System.out.println(qq.matches("[1-9]\\d{5,19}"));

    }

    public static boolean checkQQ(String qq) {
        // 规定:6 位及 20 位之内，日不能在结尾，必须全副是数字。// 核心思想:
        // 先把异样数据进行过滤
        // 上面的就是满足要求的数据了。int len = qq.length();
        if (len < 6 || len > 20) {return false;}
        // 0 不能在结尾
        if (qq.startsWith("0")) {return false;}
        // 必须全副是数字
        for (int i = 0; i < qq.length(); i++) {char c = qq.charAt(i);
            if (c < '0' | c > '9') {return false;}
        }
        return true;
    }
}

• 应用正则表达式验证：

public class Demo {public static void main(String[] args) {
        String qq ="1234567890";
        System.out.println(qq.matches("[1-9]\\d{5,19}"));
    }
}

咱们接下来就重点学习怎么写正则表达式

1.2 正则表达式 - 字符类

• 语法示例：

1. [abc]：代表 a 或者 b，或者 c 字符中的一个。
2. [^abc]：代表除 a,b,c 以外的任何字符。
3. [a-z]：代表 a - z 的所有小写字符中的一个。
4. [A-Z]：代表 A - Z 的所有大写字符中的一个。
5. [0-9]：代表 0 - 9 之间的某一个数字字符。
6. [a-zA-Z0-9]：代表 a - z 或者 A - Z 或者 0 - 9 之间的任意一个字符。
7. [a-dm-p]：a 到 d 或 m 到 p 之间的任意一个字符。

• 代码示例：

package com.itheima.a08regexdemo;

public class RegexDemo2 {public static void main(String[] args) {//public boolean matches(String regex): 判断是否与正则表达式匹配，匹配返回 true
        // 只能是 a b c
        System.out.println("-----------1-------------");
        System.out.println("a".matches("[abc]")); // true
        System.out.println("z".matches("[abc]")); // false

        // 不能呈现 a b c
        System.out.println("-----------2-------------");
        System.out.println("a".matches("[^abc]")); // false
        System.out.println("z".matches("[^abc]")); // true
        System.out.println("zz".matches("[^abc]")); //false
        System.out.println("zz".matches("[^abc][^abc]")); //true

        // a 到 zA 到 Z(包含头尾的范畴)
        System.out.println("-----------3-------------");
        System.out.println("a".matches("[a-zA-z]")); // true
        System.out.println("z".matches("[a-zA-z]")); // true
        System.out.println("aa".matches("[a-zA-z]"));//false
        System.out.println("zz".matches("[a-zA-Z]")); //false
        System.out.println("zz".matches("[a-zA-Z][a-zA-Z]")); //true
        System.out.println("0".matches("[a-zA-Z]"));//false
        System.out.println("0".matches("[a-zA-Z0-9]"));//true


        // [a-d[m-p]] a 到 d，或 m 到 p
        System.out.println("-----------4-------------");
        System.out.println("a".matches("[a-d[m-p]]"));//true
        System.out.println("d".matches("[a-d[m-p]]")); //true
        System.out.println("m".matches("[a-d[m-p]]")); //true
        System.out.println("p".matches("[a-d[m-p]]")); //true
        System.out.println("e".matches("[a-d[m-p]]")); //false
        System.out.println("0".matches("[a-d[m-p]]")); //false

        // [a-z&&[def]] a- z 和 def 的交加。为:d，e，f
        System.out.println("----------5------------");
        System.out.println("a".matches("[a-z&[def]]")); //false
        System.out.println("d".matches("[a-z&&[def]]")); //true
        System.out.println("0".matches("[a-z&&[def]]")); //false

        // [a-z&&[^bc]] a- z 和非 bc 的交加。(等同于[ad-z])
        System.out.println("-----------6------------_");
        System.out.println("a".matches("[a-z&&[^bc]]"));//true
        System.out.println("b".matches("[a-z&&[^bc]]")); //false
        System.out.println("0".matches("[a-z&&[^bc]]")); //false

        // [a-z&&[^m-p]] a 到 z 和除了 m 到 p 的交加。(等同于[a-1q-z])
        System.out.println("-----------7-------------");
        System.out.println("a".matches("[a-z&&[^m-p]]")); //true
        System.out.println("m".matches("[a-z&&[^m-p]]")); //false
        System.out.println("0".matches("[a-z&&[^m-p]]")); //false

    }
}

1.3 正则表达式 - 逻辑运算符

• 语法示例：

  1. &&：并且
  2. |：或者
  3. \：转义字符
• 代码示例：

public class Demo {public static void main(String[] args) {
        String str = "had";
        
        //1. 要求字符串是小写辅音字符结尾，后跟 ad
        String regex = "[a-z&&[^aeiou]]ad";
        System.out.println("1." + str.matches(regex));
        
        //2. 要求字符串是 aeiou 中的某个字符结尾，后跟 ad
        regex = "[a|e|i|o|u]ad";// 这种写法相当于：regex = "[aeiou]ad";
        System.out.println("2." + str.matches(regex));
    }
}

package com.itheima.a08regexdemo;

public class RegexDemo3 {public static void main(String[] args) {
        // \ 转义字符 扭转前面那个字符本来的含意
        // 练习: 以字符串的模式打印一个双引号
        //" 在 Java 中示意字符串的结尾或者结尾

        // 此时 \ 示意转义字符，扭转了前面那个双引号本来的含意
        // 把他变成了一个普普通通的双引号而已。System.out.println("\"");

        // \ 示意转义字符
        // 两个 \ 的了解形式：后面的 \ 是一个转义字符，扭转了前面 \ 本来的含意，把他变成一个普普通通的 \ 而已。System.out.println("c:Users\\moon\\IdeaProjects\\basic-code\\myapi\\src\\com\\itheima\\a08regexdemo\\RegexDemo1.java");




    }
}

1.4 正则表达式 - 预约义字符

• 语法示例：

  1. “.”：匹配任何字符。
  2. “\d”：任何数字 [0-9] 的简写；
  3. “\D”：任何非数字 [^0-9] 的简写；
  4. “\s”：空白字符：[\t\n\x0B\f\r] 的简写
  5. “\S”：非空白字符：[^\s] 的简写
  6. “\w”：单词字符：[a-zA-Z_0-9]的简写
  7. “\W”：非单词字符：[^\w]
• 代码示例：

public class Demo {public static void main(String[] args) {
        //. 示意任意一个字符
        System.out.println("你".matches("..")); //false
        System.out.println("你".matches(".")); //true
        System.out.println("你 a".matches(".."));//true

        // \\d 示意任意的一个数字
        // \\d 只能是任意的一位数字
        // 简略来记: 两个 \ 示意一个 \
        System.out.println("a".matches("\\d")); // false
        System.out.println("3".matches("\\d")); // true
        System.out.println("333".matches("\\d")); // false

        //\\w 只能是一位单词字符[a-zA-Z_0-9]
        System.out.println("z".matches("\\w")); // true
        System.out.println("2".matches("\\w")); // true
        System.out.println("21".matches("\\w")); // false
        System.out.println("你".matches("\\w"));//false

        // 非单词字符
        System.out.println("你".matches("\\W")); // true
        System.out.println("---------------------------------------------");
        // 以上正则匹配只能校验单个字符。// 必须是数字 字母 下划线 至多 6 位
        System.out.println("2442fsfsf".matches("\\w{6,}"));//true
        System.out.println("244f".matches("\\w{6,}"));//false

        // 必须是数字和字符 必须是 4 位
        System.out.println("23dF".matches("[a-zA-Z0-9]{4}"));//true
        System.out.println("23 F".matches("[a-zA-Z0-9]{4}"));//false
        System.out.println("23dF".matches("[\\w&&[^_]]{4}"));//true
        System.out.println("23_F".matches("[\\w&&[^_]]{4}"));//false
        
    }
}

1.5 正则表达式 - 数量词

• 语法示例：

  1. X? : 0 次或 1 次
  2. X* : 0 次到屡次
  3. X+ : 1 次或屡次
  4. X{n} : 恰好 n 次
  5. X{n,} : 至多 n 次
  6. X{n,m}: n 到 m 次(n 和 m 都是蕴含的)
• 代码示例：

public class Demo {public static void main(String[] args) {
         // 必须是数字 字母 下划线 至多 6 位
        System.out.println("2442fsfsf".matches("\\w{6,}"));//true
        System.out.println("244f".matches("\\w{6,}"));//false

        // 必须是数字和字符 必须是 4 位
        System.out.println("23dF".matches("[a-zA-Z0-9]{4}"));//true
        System.out.println("23 F".matches("[a-zA-Z0-9]{4}"));//false
        System.out.println("23dF".matches("[\\w&&[^_]]{4}"));//true
        System.out.println("23_F".matches("[\\w&&[^_]]{4}"));//false
    }
}

1.6 正则表达式练习 1

需要：

​ 请编写正则表达式验证用户输出的手机号码是否满足要求。

​ 请编写正则表达式验证用户输出的邮箱号是否满足要求。

​ 请编写正则表达式验证用户输出的电话号码是否满足要求。

​ 验证手机号码 13112345678 13712345667 13945679027 139456790271

​ 验证座机电话号码 020-2324242 02122442 027-42424 0712-3242434

​ 验证邮箱号码 3232323@qq.com zhangsan@itcast.cnn dlei0009@163.com dlei0009@pci.com.cn

代码示例：

package com.itheima.a08regexdemo;

public class RegexDemo4 {public static void main(String[] args) {
        /*
            需要
            请编写正则表达式验证用户输出的手机号码是否满足要求。请编写正则表达式验证用户输出的邮箱号是否满足要求。请编写正则表达式验证用户输出的电话号码是否满足要求。验证手机号码 13112345678 13712345667 13945679027 139456790271
            验证座机电话号码 020-2324242 02122442 027-42424 0712-3242434
            验证邮箱号码 3232323@qq.com zhangsan@itcast.cnn dlei0009@163.com dlei0009@pci.com.cn
        */

        // 心得:
        // 拿着一个正确的数据，从左到右顺次去写。//13112345678
        // 分成三局部:
        // 第一局部:1 示意手机号码只能以 1 结尾
        // 第二局部:[3-9] 示意手机号码第二位只能是 3 - 9 之间的
        // 第三局部:\\d{9} 示意任意数字能够呈现 9 次，也只能呈现 9 次
        String regex1 = "1[3-9]\\d{9}";
        System.out.println("13112345678".matches(regex1));//true
        System.out.println("13712345667".matches(regex1));//true
        System.out.println("13945679027".matches(regex1));//true
        System.out.println("139456790271".matches(regex1));//false
        System.out.println("-----------------------------------");

        // 座机电话号码
        //020-2324242 02122442 027-42424 0712-3242434
        // 思路:
        // 在书写座机号正则的时候须要把正确的数据分为三局部
        // 一: 区号 @\\d{2,3}
        //      0: 示意区号肯定是以 0 结尾的
        //      \\d{2,3}: 示意区号从第二位开始能够是任意的数字，能够呈现 2 到 3 次。// 二:- ? 示意次数，日次或一次
        // 三: 号码 号码的第一位也不能以日结尾，从第二位开始能够是任意的数字，号码的总长度:5-10 位
        String regex2 = "0\\d{2,3}-?[1-9]\\d{4,9}";
        System.out.println("020-2324242".matches(regex2));
        System.out.println("02122442".matches(regex2));
        System.out.println("027-42424".matches(regex2));
        System.out.println("0712-3242434".matches(regex2));

        // 邮箱号码
        //3232323@qq.com zhangsan@itcast.cnn dlei0009@163.com dlei0009@pci.com.cn
        // 思路:
        // 在书写邮箱号码正则的时候须要把正确的数据分为三局部
        // 第一局部:@的右边 \\w+
        //      任意的字母数字下划线，至多呈现一次就能够了
        // 第二局部:@ 只能呈现一次
        // 第三局部:
        //      3.1         . 的右边[\\w&&[^_]]{2,6}
        //                  任意的字母加数字，总共呈现 2 - 6 次(此时不能呈现下划线)
        //      3.2         . \\.
        //      3.3         大写字母，小写字母都能够，只能呈现 2 - 3 次[a-zA-Z]{2,3}
        //      咱们能够把 3.2 和 3.3 看成一组，这一组能够呈现 1 次或者两次
        String regex3 = "\\w+@[\\w&&[^_]]{2,6}(\\.[a-zA-Z]{2,3}){1,2}";
        System.out.println("3232323@qq.com".matches(regex3));
        System.out.println("zhangsan@itcast.cnn".matches(regex3));
        System.out.println("dlei0009@163.com".matches(regex3));
        System.out.println("dlei0009@pci.com.cn".matches(regex3));


        //24 小时的正则表达式
        String regex4 = "([01]\\d|2[0-3]):[0-5]\\d:[0-5]\\d";
        System.out.println("23:11:11".matches(regex4));

        String regex5 = "([01]\\d 2[0-3])(:[0-5]\\d){2}";
        System.out.println("23:11:11".matches(regex5));
    }
}

1.7 正则表达式练习 2

需要

请编写正则表达式验证用户名是否满足要求。要求: 大小写字母，数字，下划线一共 4 -16 位
请编写正则表达式验证身份证号码是否满足要求。简略要求:
        18 位，前 17 位任意数字，最初一位能够是数字能够是大写或小写的 x
简单要求:
        依照身份证号码的格局严格要求。

​ 身份证号码:
​ 41080119930228457x
​ 510801197609022309
​ 15040119810705387X
​ 130133197204039024
​ 430102197606046442

代码示例：

public class RegexDemo5 {public static void main(String[] args) {
        /*
            正则表达式练习:
            需要
            请编写正则表达式验证用户名是否满足要求。要求: 大小写字母，数字，下划线一共 4 -16 位
            请编写正则表达式验证身份证号码是否满足要求。简略要求:
                18 位，前 17 位任意数字，最初一位能够是数字能够是大写或小写的 x
            简单要求:
                依照身份证号码的格局严格要求。身份证号码:
            41080119930228457x
            510801197609022309
            15040119810705387X
            130133197204039024 I
            430102197606046442
        */

        // 用户名要求: 大小写字母，数字，下划线一共 4 -16 位
        String regex1 = "\\w{4,16}";
        System.out.println("zhangsan".matches(regex1));
        System.out.println("lisi".matches(regex1));
        System.out.println("wangwu".matches(regex1));
        System.out.println("$123".matches(regex1));


        // 身份证号码的简略校验:
        //18 位，前 17 位任意数字，最初一位能够是数字能够是大写或小写的 x
        String regex2 = "[1-9]\\d{16}(\\d|x|x)";
        String regex3 = "[1-9]\\d{16}[\\dXx]";
        String regex5 = "[1-9]\\d{16}(\\d(?i)x)";

        System.out.println("41080119930228457x".matches(regex3));
        System.out.println("510801197609022309".matches(regex3));
        System.out.println("15040119810705387X".matches(regex3));
        System.out.println("130133197204039024".matches(regex3));
        System.out.println("430102197606046442".matches(regex3));


        // 疏忽大小写的书写形式
        // 在匹配的时候疏忽 abc 的大小写
        String regex4 = "a((?i)b)c";
        System.out.println("------------------------------");
        System.out.println("abc".matches(regex4));//true
        System.out.println("ABC".matches(regex4));//false
        System.out.println("aBc".matches(regex4));//true


        // 身份证号码的严格校验
        // 编写正则的小心得:
        // 第一步: 依照正确的数据进行拆分
        // 第二步: 找每一部分的法则，并编写正则表达式
        // 第三步: 把每一部分的正则拼接在一起，就是最终的后果
        // 书写的时候: 从左到右去书写。//410801 1993 02 28 457x
        // 后面 6 位: 省份，市区，派出所等信息，第一位不能是 0，前面 5 位是任意数字       [1-9]\\d{5}
        // 年的前半段: 18 19 20                                                (18|19|20)
        // 年的后半段: 任意数字呈现两次                                           \\d{2}
        // 月份: 01~ 09 10 11 12                                               (@[1-9]|1[0-2])
        // 日期: 01~09 10~19 20~29 30 31                                       (0[1-9]|[12]\\d|3[01])
        // 前面四位: 任意数字呈现 3 次 最初一位能够是数字也能够是大写 x 或者小写 x        \\d{3}[\\dXx]
        String regex6 = "[1-9]\\d{5}(18|19|20)\\d{2}(@[1-9]|1[0-2])(@[1-9]|[12]\\d|3[01])\\d{3}[\\dxXx]";

        System.out.println("41080119930228457x".matches(regex6));
        System.out.println("510801197609022309".matches(regex6));
        System.out.println("15040119810705387X".matches(regex6));
        System.out.println("130133197204039024".matches(regex6));
        System.out.println("430102197606046442".matches(regex6));


    }
}

1.8 本地数据爬取

Pattern：示意正则表达式
Matcher：文本匹配器，作用依照正则表达式的规定去读取字符串，从头开始读取。

         在大串中去找合乎匹配规定的子串。

代码示例：

package com.itheima.a08regexdemo;

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

public class RegexDemo6 {public static void main(String[] args) {
        /* 有如下文本，请依照要求爬取数据。Java 自从 95 年问世以来，经验了很多版本，目前企业中用的最多的是 Java8 和 Java11，因为这两个是长期反对版本，下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台
                要求: 找出外面所有的 JavaXX
         */

        String str = "Java 自从 95 年问世以来，经验了很多版本，目前企业中用的最多的是 Java8 和 Java11，" +
                "因为这两个是长期反对版本，下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台";


        //1. 获取正则表达式的对象
        Pattern p = Pattern.compile("Java\\d{0,2}");
        //2. 获取文本匹配器的对象
        // 拿着 m 去读取 str，找合乎 p 规定的子串
        Matcher m = p.matcher(str);

        //3. 利用循环获取
        while (m.find()) {String s = m.group();
            System.out.println(s);
        }


    }

    private static void method1(String str) {
        //Pattern: 示意正则表达式
        //Matcher: 文本匹配器，作用依照正则表达式的规定去读取字符串，从头开始读取。//          在大串中去找合乎匹配规定的子串。// 获取正则表达式的对象
        Pattern p = Pattern.compile("Java\\d{0,2}");
        // 获取文本匹配器的对象
        //m: 文本匹配器的对象
        //str: 大串
        //p: 规定
        // m 要在 str 中找合乎 p 规定的小串
        Matcher m = p.matcher(str);

        // 拿着文本匹配器从头开始读取，寻找是否有满足规定的子串
        // 如果没有，办法返回 false
        // 如果有，返回 true。在底层记录子串的起始索引和完结索引 +1
        // 0,4
        boolean b = m.find();

        // 办法底层会依据 find 办法记录的索引进行字符串的截取
        // substring(起始索引，完结索引); 包头不包尾
        // (0,4)然而不蕴含 4 索引
        // 会把截取的小串进行返回。String s1 = m.group();
        System.out.println(s1);


        // 第二次在调用 find 的时候，会持续读取前面的内容
        // 读取到第二个满足要求的子串，办法会持续返回 true
        // 并把第二个子串的起始索引和完结索引 +1，进行记录
        b = m.find();

        // 第二次调用 group 办法的时候，会依据 find 办法记录的索引再次截取子串
        String s2 = m.group();
        System.out.println(s2);
    }
}

1.9 网络数据爬取（理解）

需要：

​ 把连贯:https://m.sengzan.com/jiaoyu/29104.html?ivk sa=1025883i 中所有的身份证号码都爬取出来。

代码示例：

public class RegexDemo7 {public static void main(String[] args) throws IOException {
        /* 扩大需要 2:
            把连贯:https://m.sengzan.com/jiaoyu/29104.html?ivk sa=1025883i
            中所有的身份证号码都爬取出来。*/

        // 创立一个 URL 对象
        URL url = new URL("https://m.sengzan.com/jiaoyu/29104.html?ivk sa=1025883i");
        // 连贯上这个网址
        // 细节: 保障网络是畅通
        URLConnection conn = url.openConnection();// 创立一个对象去读取网络中的数据
        BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
        String line;
        // 获取正则表达式的对象 pattern
        String regex = "[1-9]\\d{17}";
        Pattern pattern = Pattern.compile(regex);// 在读取的时候每次读一整行
        while ((line = br.readLine()) != null) {
            // 拿着文本匹配器的对象 matcher 依照 pattern 的规定去读取以后的这一行信息
            Matcher matcher = pattern.matcher(line);
            while (matcher.find()) {System.out.println(matcher.group());
            }
        }
        br.close();}
}

1.10 爬取数据练习

需要：

​ 把上面文本中的座机电话，邮箱，手机号，热线都爬取出来。

来黑马程序员学习 Java，手机号:18512516758，18512508907 或者分割邮箱:boniu@itcast.cn，座机电话:01036517895，010-98951256 邮箱:bozai@itcast.cn，热线电话:400-618-9090，400-618-4000，4006184000，4006189090 手机号的正则表达式:1[3-9]\d{9}

代码示例：

package com.itheima.a08regexdemo;

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

public class RegexDemo8 {public static void main(String[] args) {
        /*
            需要: 把上面文本中的座机电话，邮箱，手机号，热线都爬取出来。来黑马程序员学习 Java，手机号:18512516758，18512508907 或者分割邮箱:boniu@itcast.cn，座机电话:01036517895，010-98951256 邮箱:bozai@itcast.cn，热线电话:400-618-9090，400-618-4000，4006184000，4006189090

            手机号的正则表达式:1[3-9]\d{9}
            邮箱的正则表达式:\w+@[\w&&[^_]]{2,6}(\.[a-zA-Z]{2,3}){1,2}座机电话的正则表达式:θ\d{2,3}-?[1-9]\d{4,9}
            热线电话的正则表达式:400-?[1-9]\\d{2}-?[1-9]\\d{3}

        */

        String s = "来黑马程序员学习 Java，" +
                "电话:18512516758，18512508907" + "或者分割邮箱:boniu@itcast.cn，" +
                "座机电话:01036517895，010-98951256" + "邮箱:bozai@itcast.cn，" +
                "热线电话:400-618-9090，400-618-4000，4006184000，4006189090";

        System.out.println("400-618-9090");

        String regex = "(1[3-9]\\d{9})|(\\w+@[\\w&&[^_]]{2,6}(\\.[a-zA-Z]{2,3}){1,2})" +
                "|(0\\d{2,3}-?[1-9]\\d{4,9})" +
                "(400-?[1-9]\\d{2}-?[1-9]\\d{3})";

        //1. 获取正则表达式的对象
        Pattern p = Pattern.compile(regex);

        //2. 获取文本匹配器的对象
        // 利用 m 去读取 s，会依照 p 的规定找外面的小串
        Matcher m = p.matcher(s);
        //3. 利用循环获取每一个数据 while(m.find()){String str = m.group();
        System.out.println(str);

    }
}

1.11 按要求爬取

需要：

​ 有如下文本，按要求爬取数据。

​ Java 自从 95 年问世以来，经验了很多版本，目前企业中用的最多的是 Java8 和 Java11，因为这两个是长期反对版本，下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台。

需要 1：

​ 爬取版本号为 8，11.17 的 Java 文本，然而只有 Java，不显示版本号。

需要 2：

​ 爬取版本号为 8，11，17 的 Java 文本。正确爬取后果为：Java8 Java11 Java17 Java17

需要 3：

​ 爬取除了版本号为 8，11，17 的 Java 文本。
代码示例：

public class RegexDemo9 {public static void main(String[] args) {
        /*
            有如下文本，按要求爬取数据。Java 自从 95 年问世以来，经验了很多版本，目前企业中用的最多的是 Java8 和 Java11，因为这两个是长期反对版本，下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台


            需要 1: 爬取版本号为 8，11.17 的 Java 文本，然而只有 Java，不显示版本号。需要 2: 爬取版本号为 8，11，17 的 Java 文本。正确爬取后果为:Java8 Java11 Java17 Java17
            需要 3: 爬取除了版本号为 8，11.17 的 Java 文本，*/
        String s = "Java 自从 95 年问世以来，经验了很多版本，目前企业中用的最多的是 Java8 和 Java11，" +
            "因为这两个是长期反对版本，下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台";

        //1. 定义正则表达式
        //? 了解为后面的数据 Java
        //= 示意在 Java 前面要追随的数据
        // 然而在获取的时候，只获取前半部分
        // 需要 1:
        String regex1 = "((?i)Java)(?=8|11|17)";
        // 需要 2:
        String regex2 = "((?i)Java)(8|11|17)";
        String regex3 = "((?i)Java)(?:8|11|17)";
        // 需要 3:
        String regex4 = "((?i)Java)(?!8|11|17)";

        Pattern p = Pattern.compile(regex4);
        Matcher m = p.matcher(s);
        while (m.find()) {System.out.println(m.group());
        }
    }
}

1.12 贪心爬取和非贪心爬取

只写 + 和示意贪心匹配，如果在 + 和前面加问号示意非贪心爬取
+? 非贪心匹配
*? 非贪心匹配
贪心爬取: 在爬取数据的时候尽可能的多获取数据
非贪心爬取: 在爬取数据的时候尽可能的少获取数据

举例：如果获取数据：ab+
贪心爬取获取后果:abbbbbbbbbbbb
非贪心爬取获取后果:ab

代码示例：

public class RegexDemo10 {public static void main(String[] args) {
        /*
            只写 + 和 * 示意贪心匹配

            +? 非贪心匹配
            *? 非贪心匹配

            贪心爬取: 在爬取数据的时候尽可能的多获取数据
            非贪心爬取: 在爬取数据的时候尽可能的少获取数据

            ab+:
            贪心爬取:abbbbbbbbbbbb
            非贪心爬取:ab
        */
        String s = "Java 自从 95 年问世以来，abbbbbbbbbbbbaaaaaaaaaaaaaaaaaa" +
                "经验了很多版木，目前企业中用的最多的是]ava8 和]ava11，因为这两个是长期反对版木。" +
                "下一个长期反对版本是 Java17，置信在将来不久 Java17 也会逐步登上历史舞台";

        String regex = "ab+";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(s);

        while (m.find()) {System.out.println(m.group());
        }


    }
}

1.13 String 的 split 办法中应用正则表达式

• String 类的 split()办法原型：

  public String[] split(String regex)
  // 参数 regex 示意正则表达式。能够将以后字符串中匹配 regex 正则表达式的符号作为 "分隔符" 来切割字符串。

• 代码示例：

/*
            有一段字符串: 小诗诗 dqwefqwfqwfwq12312 小丹丹 dqwefqwfqwfwq12312 小惠惠
            要求 1: 把字符串中三个姓名之间的字母替换为 vs
            要求 2: 把字符串中的三个姓名切割进去 */

String s = "小诗诗 dqwefqwfqwfwq12312 小丹丹 dqwefqwfqwfwq12312 小惠惠";
// 细节:
// 办法在底层跟之前一样也会创立文本解析器的对象
// 而后从头开始去读取字符串中的内容，只有有满足的，那么就切割。String[] arr = s.split("[\\w&&[^_]]+");
for (int i = 0; i < arr.length; i++) {System.out.println(arr[i]);
}

1.14 String 类的 replaceAll 办法中应用正则表达式

• String 类的 replaceAll()办法原型：

public String replaceAll(String regex,String newStr)
// 参数 regex 示意一个正则表达式。能够将以后字符串中匹配 regex 正则表达式的字符串替换为 newStr。

• 代码示例：

/*
            有一段字符串: 小诗诗 dqwefqwfqwfwq12312 小丹丹 dqwefqwfqwfwq12312 小惠惠
            要求 1: 把字符串中三个姓名之间的字母替换为 vs
            要求 2: 把字符串中的三个姓名切割进去 */

String s = "小诗诗 dqwefqwfqwfwq12312 小丹丹 dqwefqwfqwfwq12312 小惠惠";
// 细节:
// 办法在底层跟之前一样也会创立文本解析器的对象
// 而后从头开始去读取字符串中的内容，只有有满足的，那么就用第一个参数去替换。String result1 = s.replaceAll("[\\w&&[^_]]+", "vs");
System.out.println(result1);

1.15 正则表达式 - 分组括号()

细节：如何辨认组号？

只看左括号，不看有括号，依照左括号的程序，从左往右，顺次为第一组，第二组，第三组等等

// 需要 1: 判断一个字符串的开始字符和完结字符是否统一? 只思考一个字符
// 举例: a123a b456b 17891 &abc& a123b(false)
// \\ 组号: 示意把第 X 组的内容再进去用一次
String regex1 = "(.).+\\1";
System.out.println("a123a".matches(regex1));
System.out.println("b456b".matches(regex1));
System.out.println("17891".matches(regex1));
System.out.println("&abc&".matches(regex1));
System.out.println("a123b".matches(regex1));
System.out.println("--------------------------");


// 需要 2: 判断一个字符串的开始局部和完结局部是否统一? 能够有多个字符
// 举例: abc123abc b456b 123789123 &!@abc&!@ abc123abd(false)
String regex2 = "(.+).+\\1";
System.out.println("abc123abc".matches(regex2));
System.out.println("b456b".matches(regex2));
System.out.println("123789123".matches(regex2));
System.out.println("&!@abc&!@".matches(regex2));
System.out.println("abc123abd".matches(regex2));
System.out.println("---------------------");

// 需要 3: 判断一个字符串的开始局部和完结局部是否统一? 开始局部外部每个字符也须要统一
// 举例: aaa123aaa bbb456bbb 111789111 &&abc&&
//(.): 把首字母看做一组
// \\2: 把首字母拿进去再次应用
// *: 作用于 \\2, 示意前面反复的内容呈现日次或屡次
String regex3 = "((.)\\2*).+\\1";
System.out.println("aaa123aaa".matches(regex3));
System.out.println("bbb456bbb".matches(regex3));
System.out.println("111789111".matches(regex3));
System.out.println("&&abc&&".matches(regex3));
System.out.println("aaa123aab".matches(regex3));

1.16 分组练习

需要:

​ 将字符串：我要学学编编编编程程程程程程。

​ 替换为：我要学编程

String str = "我要学学编编编编程程程程程程";

// 需要: 把反复的内容 替换为 单个的
// 学学                学
// 编编编编            编
// 程程程程程程        程
//  (.)示意把反复内容的第一个字符看做一组
//  \\1 示意第一字符再次出现
//  + 至多一次
//  $1 示意把正则表达式中第一组的内容，再拿进去用
String result = str.replaceAll("(.)\\1+", "$1");
System.out.println(result);

1.17 疏忽大小写的写法

//(?i)：示意疏忽前面数据的大小写
// 疏忽 abc 的大小写
String regex = "(?i)abc";
// a 须要截然不同，疏忽 bc 的大小写
String regex = "a(?i)bc";
//ac 须要截然不同，疏忽 b 的大小写
String regex = "a((?i)b)c";

1.18 非捕捉分组

非捕捉分组：分组之后不须要再用本组数据，仅仅是把数据括起来。

// 身份证号码的繁难正则表达式
// 非捕捉分组: 仅仅是把数据括起来
// 特点: 不占用组号
// 这里 \\1 报错起因:(?:)就是非捕捉分组，此时是不占用组号的。//(?:) (?=) (?!)都是非捕捉分组 // 更多的应用第一个
//String regex1 ="[1-9]\\d{16}(?:\\d|x|x)\\1";
String regex2 ="[1-9]\\d{16}(\\d Xx)\\1";
//^([01]\d|2[0-3]):[0-5]\d:[@-5]\d$

System.out.println("41080119930228457x".matches(regex2));

1.19 正则表达式练习

手机号码:1[3-9]\\d{9}
座机号码：0\\d{2,3}-?[1-9]\\d{4,9}
邮箱号码：\\w+@[\\w&&[^_]]{2,6}(\\.[a-zA-Z]{2,3}){1,2}
24 小时：([01]\\d|2[0-3]):[0-5]\\d:[0-5]\\d
       ([01]\\d|2[0-3])(:[0-5]\\d){2}
用户名:    \\w{4,16}
身份证号码，简略校验：[1-9]\\d{16}(\\d|X|x)
        [1-9]\\d{16}[\\dXx]
        [1-9]\\d{16}(\\d(?i)X)
身份证号码，严格校验：[1-9]\\d{5}(18|19|20)\\d{2}(0[1-9]|1[0-2])(0[1-9|[12])\\d|3[01])\\d{3}[\\dXx]