黑马程序员——JAVA基础之正则表达式,网络爬虫
------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------
正则表达式:
概念:用于操作字符串的符合一定规则的表达式
特点:用于一些特定的符号来表示一些代码的操作,可以调用底层的代码对字符串进行操作。简化了代码的书写。
正则表达式利弊:
好处:正则的出现,对字符串的复杂操作变得更为简单。
弊端:符号的出现虽然简化了书写,但是却降低了阅读性。
常用符号:
构造 | 匹配 |
---|---|
字符 | |
x | 字符 x |
\\ | 反斜线字符 |
\0n | 带有八进制值 0 的字符 n (0 <= n <= 7) |
\0nn | 带有八进制值 0 的字符 nn (0 <= n <= 7) |
\0mnn | 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7) |
\xhh | 带有十六进制值 0x 的字符 hh |
\uhhhh | 带有十六进制值 0x 的字符 hhhh |
\t | 制表符 ('\u0009') |
\n | 新行(换行)符 ('\u000A') |
\r | 回车符 ('\u000D') |
\f | 换页符 ('\u000C') |
\a | 报警 (bell) 符 ('\u0007') |
\e | 转义符 ('\u001B') |
\cx | 对应于 x 的控制符 |
|
|||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
||||||||||||||||||
|
|
Greedy 数量词 | |
---|---|
X? | X,一次或一次也没有 |
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 |
Reluctant 数量词 | |
---|---|
X?? | X,一次或一次也没有 |
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 |
常见操作:
到底用四种功能中的哪一个呢?或者哪几个呢?
思路方式:
1,如果只想知道该字符是否对是错,使用匹配。
2,想要将已有的字符串变成另一个字符串,替换。
3,想要按照自定的方式将字符串变成多个字符串。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,获取。获取符合规则的子串。
匹配:其实用的就是String类中的matches方法。
- /**
- * 匹配:
- * 手机号段只有 13xxx 15xxx 18xxxx
- *
- */
- public class CheckDemo
- {
- public static void main(String[] args)
- {
- String tel = "15394485938";
- String telReg = "1[358]\\d{9}";
- System.out.println(tel.matches(telReg));
- }
- }
切割:其实用的就是String类中的split方法。
- /**
- * 切割:
- * 切割演示
- */
- public class SplitDemo
- {
- public static void main(String[] args)
- {
- splitDemo("sdwdwd","w");
- }
- public static void splitDemo(String str,String reg)
- {
- String[] arr = str.split(reg);
- System.out.println(arr.length);
- for(String s : arr)
- {
- System.out.println(s);
- }
- }
- }
- import java.util.TreeSet;
- /**
- 需求:
- 将ip地址进行地址段顺序的排序。
- 192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301
- 思路:
- 还按照字符串自然顺序,只要让他们每一段都是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3位。
- 2、将每一段只保留3位。这样,所有的ip地址都是每一段3位。
- */
- public class SplitTest
- {
- public static void main(String[] args)
- {
- String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
- ip = ip.replaceAll("(\\d+)","00$1");//保证每段至少三位
- System.out.println(ip);
- ip = ip.replaceAll("0*(\\d{3})","$1");//每段只保留三位
- System.out.println(ip);
- String[] arr = ip.split(" ");//按照空格切
- TreeSet<String> ts = new TreeSet<String>();//定义一个TreeSet集合,利用元素自然排序
- for(String s : arr)
- {
- ts.add(s);
- }
- for(String s : ts)
- {
- System.out.println(s.replaceAll("0*(\\d+)","$1"));//把每段前面多余的0替换掉
- }
- }
- }
按叠词完成切割:为了让规则被重用,可将规则封装成一个组,用()完成。组的出现都有编号,从1开始。想要使用已有的组可通过\n(n就是组的编号)的形式来获取。
组:
用小括号标示,每定义一个小括号,就是一个组,而且有自动编号,从1开始。
只要使用组,对应的数字就是使用该组的内容。别忘了,数组要加\\。
(aaa(wwww(ccc))(eee))技巧,从左括号开始数即可。有几个左括号就是几组。
对于组中所匹配的字符,可以用$n来获取。$在正则中表示行的结尾,所以出现在正则中不能用来表示组,一般用于替换中。
替换:其实用的就是String类中的replaceAll();
- /**
- * 替换演示:
- *
- */
- public class ReDemo
- {
- public static void main(String[] args)
- {
- String str = "我我...我我...我要..要要...要要...进进进....进进...黑黑黑...黑马..马.马马...马...马";
- str = str.replaceAll("\\.+","");
- System.out.println(str);
- str = str.replaceAll("(.)\\1+","$1");
- System.out.println(str);
- }
- }
获取:
先要将正则表达式编译成正则对象。使用的是Pattern中静态方法 compile(regex);
通过Pattern对象获取Matcher对象。
Pattern用于描述正则表达式,可以对正则表达式进行解析。
而将规则操作字符串,需要从新封装到匹配器对象Matcher中。然后使用Matcher对象的方法来操作字符串。
如何获取匹配器对象:通过Pattern对象中的matcher方法。该方法可以正则规则和字符串想关联。并返回匹配器对象。
使用Matcher对象中的方法即可对字符串进行各种正则操作。
- /**
- * 获取:将字符串中的符合规则的子串取出。
- *
- */
- import java.util.regex.*;
- class RegexDemo2
- {
- public static void main(String[] args)
- {
- getDemo();
- }
- public static void getDemo()
- {
- String str = "ming tian jiu yao fang jia le ,da jia。";
- System.out.println(str);
- String reg = "\\b[a-z]{4}\\b";
- //将规则封装成对象。
- Pattern p = Pattern.compile(reg);
- //让正则对象和要作用的字符串相关联。获取匹配器对象。
- Matcher m = p.matcher(str);
- while(m.find())
- {
- System.out.println(m.group());
- System.out.println(m.start()+"...."+m.end());
- }
- }
- }
网络爬虫(蜘蛛)
实际上是一个功能,用于搜集网络上的指定信息
可用于收集邮箱,qq号等之类的信息。
如通过关键字搜索blog,实际就是使用的“蜘蛛”,通过查找关键字获取相关的blog
- import java.io.BufferedReader;
- import java.io.InputStreamReader;
- import java.net.URL;
- import java.net.URLConnection;
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
- public class GetWebMail
- {
- //获取网页中mail
- public static void main (String[] args) throws Exception
- {
- //封装网页地址
- URL url=new URL("http://tieba.baidu.com/p/1390896758");
- //连接服务器
- URLConnection conn=url.openConnection();
- //带缓冲区的网页读取流
- BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
- String line=null;
- //定义匹配邮件地址的正则表达式
- String regex="\\w+@\\w+(\\.\\w+)+";
- Pattern p=Pattern.compile(regex);//封装正则表达式
- //读取网页数据
- while ((line=br.readLine())!=null)
- {
- //正则关联数据
- Matcher m=p.matcher(line);
- //寻找匹配邮箱
- while (m.find())
- {
- System.out.println(m.group());//输出匹配邮箱
- }
- }
- }
- }
- import java.io.BufferedReader;
- import java.io.File;
- import java.io.FileReader;
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
- public class GetFileMail
- {
- //获取文件中mail
- public static void main (String[] args) throws Exception
- {
- //将文件封装成对象
- File file=new File("E:\\mail.txt");
- //创建带缓冲区的读取流
- BufferedReader br=new BufferedReader(new FileReader(file));
- String line=null;
- //定义正则表达式
- String regex="\\w+@[a-zA-Z]+(\\.[a-zA-z]+)+";
- //创建Pattern对象,封装正则表达式
- Pattern p=Pattern.compile(regex);
- //读取文件中数据
- while ((line=br.readLine())!=null)
- {
- //关流字符串
- Matcher m=p.matcher(line);
- while (m.find())//寻找匹配的字符串
- {
- System.out.println(m.group());//输出匹配的字符串
- }
- }
- }
- }
------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------
黑马程序员——JAVA基础之正则表达式,网络爬虫的更多相关文章
- 黑马程序员Java基础班+就业班课程笔记全发布(持续更新)
正在黑马学习,整理了一些课程知识点和比较重要的内容分享给大家,也是给自己拓宽一些视野,仅供大家交流学习,大家有什么更好的内容可以发给我 ,现有黑马教程2000G QQ 1481135711 这是我总 ...
- 黑马程序员----java基础笔记中(毕向东)
<p>------<a href="http://www.itheima.com" target="blank">Java培训.Andr ...
- 黑马程序员----java基础笔记上(毕向东)
------Java培训.Android培训.iOS培训..Net培训.期待与您交流! ------- 笔记一共记录了毕向东的java基础的25天课程,分上.中.下 本片为上篇,涵盖前10天课程 1. ...
- 黑马程序员——JAVA基础之泛型和通配符
------- android培训.java培训.期待与您交流! ---------- 泛型: JDK1.5版本以后出现新特性.用于解决安全问题,是一个类型安全机制. 泛型好处: ...
- 黑马程序员——JAVA基础之简述面向对象,类,变量,匿名对象
------- android培训.java培训.期待与您交流! ---------- 面向对象: 面向对象是相对面向过程而言 面向对象和面向过程都是一种思想 面向过程 强调的是功能行为 面向对象 将 ...
- 黑马程序员——JAVA基础之语法、命名规则
------- android培训.java培训.期待与您交流! ---------- 1.java语言组成:关键字,标识符,注释,常量和变量,运算符,语句,函数,数组. 2.java关键字:被Jav ...
- 黑马程序员——JAVA基础之网络编程
------Java培训.Android培训.iOS培训..Net培训.期待与您交流! ------- 网络编程 网络模型:OSI参考模型和TCP/IP参考模型 网络通讯三要素: IP地址:InetA ...
- 黑马程序员——JAVA基础之简述设计模式
------- android培训.java培训.期待与您交流! ---------- 设计模式(Design Patterns) 设计模式(Design pattern)是一套被反复使用.多数人知晓 ...
- 黑马程序员----java基础笔记下(毕向东)
------Java培训.Android培训.iOS培训..Net培训.期待与您交流! ------- 目录--- 21.字符编码 22.javaswig 事件 23.socket 网络通讯 24.网 ...
随机推荐
- python成长之路【第二篇】:列表和元组
1.数据结构数据结构是通过某种方式(例如对元素进行编号)组织在一起的数据元素的集合,这些数据元素可以是数字或者字符,甚至可以是其他数据结构.在Python中,最基本的数据结构是序列(sequence) ...
- hdu2297Run(凸包的巧妙应用)
链接 很巧妙的一道题,参考 把距离和速度分别作为x和y坐标,以斜率代表追赶速率,简直炫酷~ 具体看上面的博客,画的很清楚,就不再抄写一遍了. #include <iostream> #in ...
- Android 利用xUtils框架实现对sqllite的增删改查
首先下载xUtils,下载地址:https://github.com/wyouflf/xUtils 把下载好的文件压缩,把里面的jar包拷进项目中如图所示: 这里新建一个User类进行测试增删改查 ...
- (八)open函数的flag详解
3.1.4.open函数的flag详解13.1.4.1.读写权限:O_RDONLY O_WRONLY O_RDWR(1)linux中文件有读写权限,我们在open打开文件时也可以附带一定的权限说明(譬 ...
- CSS 3 颜色表示法
1,Color Name:red 优点:方便记忆 缺点:数量少不支持透明度 2,HEX方式:#FFFFFF 优点:颜色种类多 缺点:换算复杂需要借助工具 3,RGB方式:rgb(25 ...
- oracle 语句 字段拼接(可换行)
eg: update tablename t set t.nr = '"+NR1+"' || '<br/>' ||'"+NR2+"' where 条 ...
- 数据库 基础篇2(mysql)
2.1MySQL入门 1)到mysql官网下载. 2)安装mysql软件 3)使用 验证是否成功 打开cmd -> 输入 mysql -u root -p 回车 -> 输入密码 ...
- sql server 自增长id 允许插入显示值
--允许插入显示插入主键id的值SET IDENTITY_INSERT [T0002_SType] ON 执行insert插入语句------------------ --关闭 插入显示值SET ID ...
- bugfree安装
1.下载xampp文件:xampp-linux-x64-5.5.30-3-installer.run 2.安装此文件,用root账号安装,安装命令:./xampp-linux-x64-5.5.30-3 ...
- String类和StringBuffer类的方法
一.String类的方法 public char charAt(int index) 返回字符串index个字符 public int length() 返回字符串长 ...