java--字符编码，正则表达式

转载请申明出处：http://blog.csdn.net/xmxkf

day21   字符编码

06-IO流(转换流的字符编码)

字符编码：

1、 字符流的出现为了方便操作字符，更重要的是加入了编码转换。

2、 通过子类转换流来完成：InputStream  OutputStream

3、 在两个对象进行构造是可以加入字符集。

4、 可以加入编码表的流还有PrintStream和PrintWriter，但是这两个流只能打印，不能读取

编码表由来：

计算机只能识别二进制数据，早起由来是电信号；为了方便应用计算机，让它可以识别各个国家的文字，就将各国的文字用数字来表示，并一一对应形成一张表。这就是编码表

常见的编码表：

ASCII：   美国标准信息交换码。用一个字节的7位可以表示；

ISO8859-1： 拉丁码表。欧洲码表。用一个字节的8位表示；

GB2312：  中国的中文编码表；两个字节存储一个文字

GBK：    中国的中文编码表升级，融合了更多的中文文字符号；

Unicode： 国际标准码，融合了多种文字；所有的文字都用两个字节来表示，java语言使用的就是unicode

UTF-8：  （unicode升级）最多用三个字节来表示一个字符

…………

了解：

1、我们常用的码表：gbk  ,  utf-8 ,  iso8859-1

访问服务器时，张三----à编码（gbk）------àTomcat服务器解码（iso8859-1）????---à编码（iso8859-1）----à解码（gbk）张三

2、但是gbk和utf-8不能编码解码，因为都识别中文，用gbk编码的字节数组用utf解码，再用utf编码得到的字节数组不会是以前那个字节数组，所以再用gbk解码得到的字符串不同

import java.io.*;

/**

* 用gbk编码表和utf编码表分别写文件和读取文件。

* 但是用一个表写文件，用另外一个表读取文件，就会乱码

*/

public
class EncodeStream

{

public
static void main(String[]args)throws IOException

{

writeText();

readText();

}

public
static void readText()
throws IOException

{

//用gbk编码表读取文件，但是文件使用utf表写的

InputStreamReaderisr =

new InputStreamReader(new FileInputStream("utf.txt"),"gbk");

char[] buf =new
char[10];

int len =isr.read(buf);

Strings = new String(buf,0,len);

System.out.println(s);   //浣犲ソ，

//为什么？因为utf是一个文字3个字节，gbk一个文字两个字节，

//用gbk编码表读文件上两个文字（6个字节），会读出3个字，乱码

//如果用gbk写数据，utf解析数据，返回？？

}

public
static void writeText()
throws IOException

{

//转换流融合了编码表，按照特定编码表写文件

OutputStreamWriterosw =

newOutputStreamWriter(new FileOutputStream("utf.txt"),"utf-8");

osw.write("你好");

osw.close();

}

}

day21-07-字符编码（编码，解码）

import java.util.Arrays;

/**

*编码：字符串变成字节数组 String->byte[];str.getbytes(charsetName);

*解码：字节数组变成字符串byte[]->String; newString(byte[],charsetNmae);

*/

public
class EncodeDemo

{

public
static void main(String[] args) throws Exception

{

Strings = "你好";

//     byte[] b1 = s.getBytes();  //默认是gbk编码表

byte[] b1 = s.getBytes("GBK");  //[-60, -29, -70, -61]

Strings1 = new String(b1,"GBK");    //s1=你好

Strings2 = new String(b1,"ISO8859-1");  //s2=????

//对s进行iso8859-1编码 [-60, -29, -70, -61]

byte[] b2 =s2.getBytes("ISO8859-1");

Strings3 = new String(b2,"GBK");

System.out.println(Arrays.toString(b2));

}

}

day21-08-字符编码-联通

1、记事本是一个软件，新建一个记事本文件后往里面写入数据，然后保存，记事本会以gbk编码表对字符串进行编码；关闭记事本后再次打开，记事本会对其中存的字节码进行解码并显示出来，但是不一定是按照gbk来解码。

2、但是汉字中有两个特殊的字“联通”，它通过记事本编码后得到四个字节码，分别为11000001  10101010 11001101  10101000  符合utf-8（null字符’\u0000’以及从’\u0080’到’\u07FF’的范围内的字符用两个字节表示）。

所以记事本首先就去用utf-8编码表去解码并显示出来，造成乱码

注意：前面加上字母abc……也一样，因为utf-8也可以用一个字节表示字母

在API中DataInputStream类下面可以查看到utf-8内容

public
class LianTong

{

public
static void main(String[]args) throws Exception

{

Strings = "联通";

byte[] by = s.getBytes("gbk");

for(byte b : by)

{

//取最后8位&255,得到的就是其中一个字节码

System.out.println(Integer.toBinaryString(b&255));

//11000001   10101010       11001101       10101000

}

}

}

day21-09-练习

需求：有五个学生，每个学生有3门课的成绩，从键盘输入以上数据（包括姓名，三门课成绩）；并把学生信息和计算出的总分数高低顺序存放在磁盘文件“student.txt”中

1、描述学生对象    2、定义一个可操作学生对象的工具类

分析：1、通过获取键盘录入一行数据，并将该行中的信息取出封装成学生对象；

2、因为学生有很多，那么就需要存储，使用到集合。因为要对学生总分排序；所以可使用TreeSet；

3、将集合的信息写入到一个文件中。

//获取键盘录入学生信息，并存放到TreeSet集合中

public
static Set<Student>getStudent(Comparator<Student> cmp) throws IOException

{

BufferedReaderbufr=

new BufferedReader(newInputStreamReader(System.in));

Stringline = null;   //用于接收读取的一行数据

Set<Student>stus = null; //存放学生对象

if(cmp==null)  //不传入比较器，学生排序依据自己实现的compareTo方法

stus= new TreeSet<Student>();

else     //传入比较器

stus= new TreeSet<Student>(cmp);  //带比较器的集合

while((line=bufr.readLine())!=null)

{

if("over".equals(line))

break;

String[]info = line.split(",");

//String name =info[0];

System.out.println(info.length);

Studentstu = new Student(info[0],Integer.parseInt(info[1]),

Integer.parseInt(info[2]),

Integer.parseInt(info[3]));

stus.add(stu);

}

bufr.close();

return stus;

}

Day25 正则表达式

01-正则表达式(特点)

正则表达式：符合一定规则的表达式；

作用：用于专门操作字符串；

好处：可以简化对字符串的复杂操作。

弊端：符号定义越多，正则表达式越长，阅读性越差。

特点：用于一些特定的符号来表示一些代码操作，这样就简化书写。

所以学习正则表达式就是在学习一些特殊字符的使用。

//对qq好进行校验，5~15位，不以0开头，只能是数字

public
static void checkQQ()

{

Stringqq = "156655";

//第一位1-9，0-9出现4至14次， 或者[1-9]\\d{4,14}

Stringregex = "[1-9][0-9]{4,14}";

boolean flag =qq.matches(regex);

if(flag)

System.out.println(qq+"…is ok");

else

System.out.println(qq+"…不合法");

}

02-正则表达式(匹配)返回

boolean matches(String
regex)  告知此字符串是否匹配给定的正则表达式。

1、匹配：String  matches方法。用规则匹配整个字符串，只要有一处不符合规则，就匹配不成功，返回false。

public
static void matcesDemo()

{

Stringstr = "b23a";

// 字符类(字母即可，不分大小写) 预定义字符类\d戴白数字0-9，

//Greedy 数量词X* X，零次或多次

Stringregex = "[a-zA-Z]\\d*";

boolean b =str.matches(regex);

System.out.println(b);

}

//匹配手机号端  13xxx   15xxx 18xxx

public
static void checkTel()

{

Stringtel = "13825883688";

StringtelReg = "1[358]\\d{9}";

System.out.println(tel.matches(telReg));

}

03-正则表达式(切割)

String[]split(String regex)  根据给定正则表达式的匹配拆分此字符串。

public
static void splitDemo(Stringstr, String reg)

{

String[]arr = str.split(reg);

System.out.println(arr.length);

for(String s : arr)

{

System.out.println(s);

}

}

主方法调用：

splitDemo("zhangsan    lisi wangwu"," +");//按一个或多个空格切

splitDemo("zhangsan.lisi.wangwu","\\.");     
//按'.'切

splitDemo("c:\\abc\\a.txt","\\\\");                
//按\\切

splitDemo("erkkasdqqsfdzzo"," +(.)\\1+");//按照叠词完成切割 重复的词  +代表出现多次

组：按照叠词完成切割，为了可以让规则的结果重用，可以将规则封装成一个组。用()完成。组的出现都有编号，从1开始。要想使用已有的组可以通过\n（n就是租的编号）的形式来获取。    （（（））（））判断几个组数左括号（，判断组的编号也看（。

04-正则表达式(替换)

String
replaceAll(String regex,String replacement)

使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。

public
static voidreplaceAllDemo(String str, String reg, String newStr)

{

str= str.replaceAll(reg, newStr);

System.out.println(str);

}

主方法调用：

String str1 = "wer15645648t123d3465u";

replaceAllDemo(str1,"\\d{5,}","#");   
//将字符串中的5个以上数组替换成#

Stringstr2 = "erkkefqqqdvfxxxxm";

replaceAllDemo(str2,"(.)\\1+","&");   
//将叠词替换成&

Stringstr3 = "erkkefqqqdvfxxxxm";

replaceAllDemo(str3,"(.)\\1+","$1");   
//将重叠字母替换为单个字母，$取第一组

day25-05-正则表达式(获取)

java.util.regex

类 Pattern

正则表达式第四个功能：

获取：将字符串中的符合规则的子串取出。

操作步骤：

1、  将正则表达式封装成对象；

2、  让正则对象和要操作的字符串相关联；

3、  关联后，获取正则匹配引擎；

4、  通过引擎对符合规则的子串进行操作，比如取出。

public
static void getDemo()

{

Stringstr = "ming tian jiu yao fang jia le ,da jia。";

System.out.println(str);

Stringreg = "\\b[a-z]{4}\\b";     //单词边界，连续四个字母

Patternp = Pattern.compile(reg);  
//讲规则封装成对象

//将正则对象和要作用的字符串相关联，获取匹配器对象

Matcherm = p.matcher(str);

//boolean b =m.find(); 尝试查找与该模式匹配的输入序列的下一个子序列

//System.out.println(b);

//System.out.println(m.group());返回由以前匹配操作所匹配的输入子序列

//其实其实，String类中的matches ，replaceAll等方法用的就是Pattern和Matcher对象来完成的

System.out.println("matches："+m.matches());   //matches是整个匹配 
false

while(m.find())   //find()是单个查找，直到找到符合规则子串

{

System.out.println(m.group());   //
返回由以前匹配操作所匹配的输入子序列

System.out.println(m.start()+"…"+m.end());

}

}

其实，String类中的matches ，replaceAll等方法用的就是Pattern和Matcher对象来完成的。

只不过被String封装后，用起来较为简单，但是功能却单一。

day25-06-正则表达式(练习1)

需求：将下列字符串转成：我要学编程

到底用四种功能中的哪一个呢？或者那几个？

思路：

1、 如果只想知道字符串师傅符合规则，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、 想要按照自定义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。

public
static void test_1()

{

Stringstr = "我我..我我...我要....要要..要...学学学.....学编........编编..编程......程";

/*将已有字符串编程另一个字符串，使用替换功能

* 1、先将.去掉

* 2、再将多个重复的内容变成单个内容

*/

str= str.replaceAll("\\.+","");  
//将多个点替换为空

System.out.println(str);//我我我我我要要要要学学学学编编编编程程

str= str.replaceAll("(.)\\1+","$1");

System.out.println(str);  //我要学编程

}

day25-06-正则表达式(练习2)

一、将IP地址进行地址段顺序排序。

192.68.1.254  102.45.23.14  10.10.10.10 2.2.2.2  2.3.2.2  6.32.105.30

还按照字符串自然顺序，只要让它们每一段都是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
static void test_2()

{

String IP = "192.68.1.254  102.45.23.14 10.10.10.10 2.2.2.2  2.3.2.2  6.32.105.30";

IP = IP.replaceAll("(\\d+)","00$1");

System.out.println(IP);

IP = IP.replaceAll("0*(\\d{3})","$1");

System.out.println(IP);

String[] arr = IP.split(" +");

TreeSet<String> ts = newTreeSet<String>();

for(String s : arr)

{

ts.add(s);        //排序

}

for(String s : ts)

{

System.out.println(s.replaceAll("0*(\\d+)","$1"));     //去掉前面的0

}

}

二、需求：对邮件地址进行校验

public
static void checkMail()

{

String mail = "abc12@sina.com";

String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//+一次或多次  
较为精确的匹配

reg = "\\w+@\\w+(\\.\\w+)+";    //相对不太精确的匹配

//mail.indexOf(@)!=-1;

System.out.println(mail.matches(reg));

}

day25-08-正则表达式(网页爬虫)

获取指定文档中的邮件地址，使用功能Pattern Mather

public
static void getMails()
throws Exception

{

BufferedReaderbufr = new BufferedReader(new FileReader("mail.txt"));

Stringline = null;

Stringmailreg = "\\w+@\\w+(\\.\\w+)+";

Patternp = Pattern.compile(mailreg);

while((line=bufr.readLine())!=null)

{

Matcherm = p.matcher(line);

while(m.find())

{

System.out.println(m.group());

}

}

}

网页上获取

public
static void getMails_2()
throws Exception

{

URLurl = new URL("http://127.0.0.1:8080/myweb/mail.html");

URLConnectionconn = url.openConnection(); 
//获取链接对象

BufferedReaderbufIn =

new BufferedReader(new InputStreamReader(conn.getInputStream()));

Stringline = null;

Stringmailreg = "\\w+@\\w+(\\.\\w+)+";

Patternp = Pattern.compile(mailreg);

while((line=bufIn.readLine())!=null)

{

Matcherm = p.matcher(line);

while(m.find())

{

System.out.println(m.group());

}

}

}