java正则表达式学习

1.简单认识正则：　　　　　　

public class Test {

    public static void main(String[] args) {
        //简单认识正则
        p("abc".matches("..."));
        p("a8729a".replaceAll("\\d", "-"));
    }

    public static void p(Object o){
        System.out.println(o);
    }

}

一个.代表一个字母

true
a----a

2.简单认识Pattern和Matcher：　　　　　　　　　　　　　　　　

　　　　　/**
         * 比下面一句话的好处：
         * 1.Pattern.compile将正则表达式先编译了，速度更快；
         * 2.Pattern 和Matcher有更多的方法，是String.matches所没有的；
         */
        Pattern p = Pattern.compile("[a-z]{3}");
        Matcher m = p.matcher("fgh");
        p(m.matches());

        p("fgh".matches("[a-z]{3}"));    //相当于上面三句话

true
true

解释：

/**
* Pattern：模式，[a-z]{3}的这种模式。
* Matcher：匹配器；[a-z]{3}的这种模式去匹配"fgh"这个字符串；
* 匹配这个字符串的过程之中，要注意有可能产生多个结果，匹配的结果会保留在Matcher对象m里面。
* 这个结果是匹配还是不匹配呢？调用m.matches();
*/

3.初步认识. * + ?　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

        /**
         * 初步认识 . * +
         * . 任意一个字符
         * * 0个或多个
         * + 1个或多个
         * ? 0个或1个，可有可无。
         */
        p("a".matches("."));                                //true
        p("aa".matches("aa"));                                //true
        p("aaaa".matches("a*"));                            //true
        p("aaaa".matches("a+"));                            //true
        p("".matches("a*"));                                //true
        p("aaaa".matches("a?"));                            //false
        p("".matches("a?"));                                //true
        p("a".matches("a?"));                                //true
        p("214523145234532".matches("\\d{3,100}"));            //true
        p("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));    //false
        p("192".matches("[0-2][0-9][0-9]"));                //true

解释：

.是一个特殊的字符，用转义字符，所以写\.       可是\在正则表达式里面确实是\，但是在java里面比较特殊，用两个\\。

所以\\.代表.这个字符。

4.范围：

/**
         * 范围
         * []里面匹配一个字符。中括号里面写的再长，也是匹配一个字符
         */
        p("a".matches("[abc]"));
        p("a".matches("[^abc]"));    //取反，除了abc之外的内容
        p("A".matches("[a-zA-Z]"));    //大写字母或小写字母
        p("A".matches("[a-z]|[A-Z]"));    //这种写法和上面写法一样
        p("A".matches("[a-z[A-Z]]"));    //也是a-z或者A-Z的意思
        p("R".matches("[A-Z&&[RFG]]")); //A-Z中的，并且是RFG之一的    

true
false
true
true
true
true

5.认识 \s  \w   \d   \

　　　　　/**
         * 认识 \s  \w   \d   \
         * \s     空白字符，包含空格，tab、换行、制表符、回车
         * \w     构成单词的字符[a-zA-Z_0-9]
         * 在java里面字符串\\代表的是一个反斜线\；用正则表达式去匹配一个反斜线\：
         *         正则表达式本身要匹配一个反斜线的话，需要用两个反斜线;
         *         然后你要用字符串把这个正则表达式表现出来的时候，每一个反斜线都要用两个反斜线替代；
         * 在java里面一个反斜线\和后面的字符会合在一起，构成一个转义字符；所以在java里面一个反斜线\必须用两个反斜线来替代;
         */
        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("\\\\"));

        //如果写：p("\\".matches("\\"))的话：
        //matches("\\")里的\\会被正则表达式认为成它是一个反斜线；
        //在正则表达式里面，一个\也会是一个特殊字符，它会和后面的字符合在一起，那第一个双引号"又没有配对的了；
        //所以要在正则表达式里，匹配一个\，要写成：\\\\

true
false
true
true
true

解释：

/**
* 怎么用正则表达式匹配一个反斜线呢？
* 在java里面 一个\必须用两个\\来替代。
* 正则表达式本身要匹配一个反斜线，使用\\来匹配的，然后你要用字符串把这个正则表达式表现出来的时候，每一个\都要用两个\\替代；
* 所以要在正则表达式里面匹配一个反斜线，写4个\
*/

6.POSIX Style风格：

　　　　　//POSIX Style
        //参考API \p{Lower}    A lower-case alphabetic character: [a-z]
        p("a".matches("\\p{Lower}"));        //true

6.boundary  边界匹配：

　　　　　/**
         * boundary 边界匹配
         * ^        位于[]外面，代表开头
         * \b        一个单词的边界；单词边界：空格、空白字符、各种各样的特殊字符、换行的时候等等，都算单词边界；
         */
        p("hello sir".matches("^h.*"));                        //true
        p("hello sir".matches(".*ir$"));                    //true
        p("hello sir".matches("^h[a-z]{1,3}o\\b.*"));        //true
        p("hellosir".matches("^h[a-z]{1,3}o\\b.*"));        //false

7.匹配空白行：

　　　　　/**
         * white lines空白行：
         */
        //以空白字符开头的并且不是换行符，紧跟0个或多个，以换行符结尾；
        p(" \n".matches("^[\\s&&[^\\n]]*\\n$"));        //true

8.匹配Email地址：

　　　　　/**
         * 匹配Email地址的正则表达式
         * 构成单词的字符或者是.-   出现1次或多次     @  单词字符或.- 1次或多次   .  单词字符或.- 1次或多次
         * 注意.是元字符代表任意字符，这里表示.要用 \\. 代表
         */
        p("asdfasdfsafsf@dsdfsdf.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));    //true

.写在[ ]里面表示.          [.-]表示.或者-

例子：

p("ab4com".matches("[a-z]{2}[.]{1}\\w{3}"));      ——false，因为要求两个a-z的字母后面紧接的是.   所以false

9.matches（）、find（）、lookingAt():

　　　　　/**
         * matches find  lookingAt
         * matches 是否匹配   matches()永远是匹配整个字符串
         * m.find():     找一个和模式相匹配的子串；是找子串，而不是匹配整个字符串；
         *                   找着一个之后，正则引擎会将找到的子串截掉，然后从剩下的字符串里再找；
         * lookingAt(): 每次找，都是从开头位置找；
         */
        Pattern p = Pattern.compile("\\d{3,5}");
        String s = "123-34345-234-00";
        Matcher m = p.matcher(s);
        p(m.matches());                                                //false 

        p(m.find());                                                //true
        p(m.find());                                                //true
        p(m.find());                                                //false
        p(m.find());                                                //false

        //上面的结果解释：
        //m.matches()运行时，开始分析"123-34345-234-00"，分析到123-发现已经不匹配了，停止，返回false；
        //m.find()执行，继续从34345-234-00开始找，find第一个34345返回true；find第二个234返回true，后面两个false

 /**
          * start():找到的字符串的起始位置；
          * end()： 找到的字符串的结束位置；是找到的字符的后面一个位置；
          * 必须能够找到，否则打印会报错；
          */
         Pattern p = Pattern.compile("\\d{3,5}");
         String s = "123-34345-234-00";
         Matcher m = p.matcher(s);
         p(m.matches());                                                //false
         m.reset();
         p(m.find());                                                //true
         p(m.start() + "-" + m.end());                                //0-3

         p(m.find());                                                //true
         p(m.start() + "-" + m.end());                                //4-9

         p(m.find());                                                //true
         p(m.start() + "-" + m.end());                                //10-13

         p(m.find());                                                //false

         p(m.lookingAt());
         p(m.lookingAt());
         p(m.lookingAt());
         p(m.lookingAt());

         //上面结果解释：
         //m.matches()执行，分析到123-发现已经不匹配了，停止，返回false；
         //m.reset()执行，m又回到了"123-34345-234-00"的开头位置。从头开始分析(回到初始的状态)；
         //m.lookingAt()：每次从开头位置找，每次找到123，就都返回true

10.replacement：

 /**
          * replacement
          * group():     输出匹配到的子串；整个的正则表达式可以看作组号为0的一个组；
          */
         //将下面的字符串中java全都替换成大写的：
         Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
         Matcher m = p.matcher("java Java JAVa JaVa IloveJAVA you hateJava");
         p(m.replaceAll("JAVA"));

JAVA JAVA JAVA JAVA IloveJAVA you hateJAVA

 //将下面字符串中，找到的java，第奇数个替换成JAVA，第偶数个替换成java
         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 count = 0;
         while(m.find()){
             count++;
             if(count%2 == 0){
                 m.appendReplacement(buf, "java");
             }else{
                 m.appendReplacement(buf, "JAVA");
             }
         }
         m.appendTail(buf);
         p(buf);

JAVA java JAVA java IloveJAVA you hatejava afasdfasdf

11.分组：group：

         /**
          * group 分组
          * group():        返回整个正则表达式所匹配的子串；
          */
         Pattern p = Pattern.compile("\\d{3,5}[a-z]{2}");
         String s = "123aa-34345bb-234cc-00";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());
         }

123aa
34345bb
234cc

         //将上面字符串中，匹配的3-5位的数字拿出来：
         //要知道第几组：数左边的小括号，第一个小括号为第1组，第二个小括号为第2组...
         Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");
         String s = "123aa-34345bb-234cc-00";
         Matcher m = p.matcher(s);
         while(m.find()){
             p(m.group(1));
         }

123
34345
234

12.抓取网页Email地址的例子：

 package com.cy.regexp;

 import java.io.BufferedReader;
 import java.io.BufferedWriter;
 import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.FileWriter;
 import java.io.IOException;
 import java.util.regex.Matcher;
 import java.util.regex.Pattern;

 public class EmailSpider {

     @SuppressWarnings("resource")
     public static void main(String[] args) {
         try {
             BufferedReader br = new BufferedReader(new FileReader("D:\\fromEmail.html"));
             BufferedWriter bw = new BufferedWriter(new FileWriter("D:\\findEmail.txt"));

             String line = "";
             while((line = br.readLine()) != null){
                 writeToFile(line, bw);
             }
             bw.flush();
         } catch (FileNotFoundException e) {
             e.printStackTrace();
         } catch (IOException e) {
             e.printStackTrace();
         }
     }

     public static void writeToFile(String line, BufferedWriter bw) throws IOException{
         Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");
         Matcher m = p.matcher(line);
         while(m.find()){
             bw.write(m.group());
             bw.newLine();
         }
     }
 }

13.修饰符、限定词：

         /**
          * qulifiers  修饰符 限定词  在数量后面 加限定词
          * Greedy quantifiers  贪婪的；默认的写法都是贪婪的；x? x* x+ x{n} x{n,} x{n,m}都是贪婪的
          * Reluctant  quantifiers： 勉强的，非贪婪的,和Greedy正好相反：x?? x*? x+? ...
          * Possessive quantifiers: 独占的；和贪婪的类似，.{3,10}+，一下吞进去10个字符，不匹配时但是不往外吐,就是找不着;
          */

         Pattern p = Pattern.compile(".{3,10}[0-9]");
         String s = "aaaa5bbbb6";
         Matcher m = p.matcher(s);
         if(m.find()){
             p(m.start() + "-" + m.end());    //0-10
         }else{
             p("not match!");
         }

         Pattern p = Pattern.compile(".{3,10}?[0-9]");
         String s = "aaaa5bbbb6";
         Matcher m = p.matcher(s);
         if(m.find()){
             p(m.start() + "-" + m.end());    //0-5
         }else{
             p("not match!");
         }

         Pattern p = Pattern.compile(".{3,10}+[0-9]");
         String s = "aaaa5bbbb6";
         Matcher m = p.matcher(s);
         if(m.find()){
             p(m.start() + "-" + m.end());
         }else{
             p("not match!");            //not match!
         }

         Pattern p = Pattern.compile(".{3,10}+[0-9]");
         String s = "aaaa5bbbb68";
         Matcher m = p.matcher(s);
         if(m.find()){
             p(m.start() + "-" + m.end());    //0-11
         }else{
             p("not match!");
         }

14.non-capturing groups 非捕获组：

         /**
          * non-capturing groups
          * 非捕获组： 如果符合这个条件就捕获；如果不符合这个条件就不捕获
          */
         //这个正则表达式匹配 3个字母的后面紧跟的是一个a，像这样的才去匹配它；而且这个a不被抓出来
         // ?=a  不捕获这个a
         //(?=X)    X, via zero-width positive lookahead   lookahead从头开始看
         Pattern p = Pattern.compile(".{3}(?=a)");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());            //
         }

         //前面是a的，3个字母
         Pattern p = Pattern.compile("(?=a).{3}");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());            //a66
         }

         //(?!a)  前面不是a的，3个字母
         Pattern p = Pattern.compile("(?!a).{3}");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());    //444 66b
         }

         //3个字母, 后面不是a
         Pattern p = Pattern.compile(".{3}(?!a)");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());    //44a  66b
         }

         //3个字母，从后往前数，不能是a
         Pattern p = Pattern.compile(".{3}(?<!a)");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());        //444 a66
         }

         //3个字母，从后往前数，是a, 包含a
         Pattern p = Pattern.compile(".{3}(?<=a)");
         String s = "444a66b";
         Matcher m = p.matcher(s);
         while(m.find()) {
             p(m.group());    //44a
         }

15.back refenrences  向前引用：

         /**
          * back refenrences
          * 向前引用；
          * (\\d\\d)匹配两个数字，作为结果；\\1 指的是后面的东西必须和前面第一个group找到的结果一模一样
          * 第一个group找到的是12，后面是12，和前面第1个group找到的东西一样, 所以返回true
          */
         Pattern p = Pattern.compile("(\\d\\d)\\1");
         String s = "1212";
         Matcher m = p.matcher(s);
         p(m.matches());                //true

         //第2个group抓到的是2，后面的结果要和第2个group抓到的内容一样
         Pattern p = Pattern.compile("(\\d(\\d))\\2");
         String s = "122";
         Matcher m = p.matcher(s);     //true
         p(m.matches());    

16.flags的简写：

 　　　　　/**
          * flags的简写
          * DOTALL .可以匹配所有的字符，默认的.是不匹配换行符的；
          * CASE_INSENSITIVE        忽略大小写
          * API:       Case-insensitive matching can also be enabled via the embedded flag expression (?i).
          */
         Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);

         //(?i) 也是非捕获组  跟上面的写法一模一样，上面写法的简写
         p("Java".matches("(?i)(java)"));    //true