利用java正则表达式来解析并获取指定的字符串

Java的正则表达式不仅可以用来匹配验证字符串是否符合标准类型,还可以用来解析字符串,获取自己想要得到的数据。在java.util.regex包下提供了系列的类来对字符串进行匹配。

来看一下下面的例子:

publicstatic String parse (String s){
    Pattern pattern =Pattern.compile("charset=(.+?)\"");//匹配的模式
     //通配符中也要加入转移字符 (.+?)代表要查找的内容
    Matcher matcher=pattern.matcher(s);
    while(matcher.find()){
       System.out.println(matcher.group(1)); //每次返回第一个即可 可用groupcount()方法来查看捕获的组数个数
    }
    return s;
}

**要匹配一下类型的字符串:
其中标红的部分为想要获取的数据,注意这里要获取的数据长度不固定,并且可能为unicode
Gb2312等其他编码类型,在这里我们所希望获取的是其编码方式。**
具体应用实例:

package URL;
import java.NET.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.io.BufferedReader;
importjava.io.InputStream;
import java.io.InputStreamReader;
importjava.util.regex.*;
publicclass DataFromURL {
publicstatic String parse (String s){
    Pattern pattern =Pattern.compile("charset=(.+?)\"");
    //通配符中也要加入转移字符 (.+?)代表要查找的内容
    Matcher matcher=pattern.matcher(s);
    while(matcher.find()){
       System.out.println(matcher.group(1));
    }
    return s;
}
publicstaticvoidgetDataFromURL(String url){
    try{
        URL u=new URL(url);//通过连接创建URL对象
        BufferedReader reader=new BufferedReader(new       InputStreamReader(u.openStream(),"gb2312"));//采用gb2312方式打开输入流
        intc;
       /*while((c=reader.read())!=-1)//该方法为每个字符读取
        {
            System.out.print((char)c);
        }*/
        String s;
        while((s=reader.readLine())!=null){//不为空一次性读取一行
        //System.out.println(s);
            if(s.contains("charset")){
                 parse(s);
            }
        }
    }catch(Exception e){
       e.printStackTrace();
    }
}
}

附录正则表达式说明:

众所周知,在程序开发中,难免会遇到需要匹配、查找、替换、判断字符串的情况发生,而这些情况有时又比较复杂,如果用纯编码方式解决,往往会浪费程序员的时间及精力。因此,学习及使用正则表达式,便成了解决这一矛盾的主要手段。
大 家都知道,正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
自从jdk1.4推出java.util.regex包,就为我们提供了很好的JAVA正则表达式应用平台。

因为正则表达式是一个很庞杂的体系,所以我仅例举些入门的概念,更多的请参阅相关书籍及自行摸索。

// 反斜杠
/t 间隔 ('/u0009')
/n 换行 ('/u000A')
/r 回车 ('/u000D')
/d 数字 等价于[0-9]
/D 非数字 等价于1
/s 空白符号 [/t/n/x0B/f/r]
/S 非空白符号 2
/w 单独字符 [a-zA-Z_0-9]
/W 非单独字符 3
/f 换页符
/e Escape
/b 一个单词的边界
/B 一个非单词的边界
/G 前一个匹配的结束

^为限制开头
^java 条件限制为以Java为开头字符
$为限制结尾
java$ 条件限制为以java为结尾字符
. 条件限制除/n以外任意一个单独字符
java.. 条件限制为java后除换行外任意两个字符

加入特定限制条件「[]」
[a-z] 条件限制在小写a to z范围中一个字符
[A-Z] 条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9] 条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

[]中加入^后加再次限制条件「[^]」
4 条件限制在非小写a to z范围中一个字符
5 条件限制在非大写A to Z范围中一个字符
6 条件限制在非小写a to z或大写A to Z范围中一个字符
1 条件限制在非小写0 to 9范围中一个字符
7 条件限制在非小写0 to 9或a to z范围中一个字符
8] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

在限制条件为特定字符出现0次以上时,可以使用「*」
J* 0个以上J
.* 0个以上任意字符
J.*D J与D之间0个以上任意字符

在限制条件为特定字符出现1次以上时,可以使用「+」
J+ 1个以上J
.+ 1个以上任意字符
J.+D J与D之间1个以上任意字符

在限制条件为特定字符出现有0或1次以上时,可以使用「?」
JA? J或者JA出现

限制为连续出现指定次数字符「{a}」
J{2} JJ
J{3} JJJ
文字a个以上,并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)
文字个以上,b个以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
两者取一「|」
J|A J或A
Java|Hello Java或Hello

「()」中规定一个组合类型
比如,我查询index中间的数据,可写作(.+?)

在使用Pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
PatternPattern.compile(String regex, int flag)

flag的取值范围如下:
Pattern.CANON_EQ 当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a/u030A"会匹配"?"。默认情况下,不考虑"规 范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹 配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x) 在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"//s",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s) 在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE
(?m) 在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE
(?u) 在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d) 在这个模式下,只有'/n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。

抛开空泛的概念,下面写出几个简单的Java正则用例:

◆比如,在字符串包含验证时

//查找以Java开头,任意结尾的字符串
Patternpattern = Pattern.compile("^Java.*");
Matchermatcher = pattern.matcher("Java不是人");
boolean b=matcher.matches();
//当条件满足时,将返回true,否则返回false
System.out.println(b);

◆以多条件分割字符串时
Pattern pattern =Pattern.compile("[, |]+");
String[] strs =pattern.split("Java Hello World Java,Hello,,World|Sun");
for (inti=0;i
System.out.println(strs[i]);
}

◆文字替换(首次出现字符)
Pattern pattern =Pattern.compile("正则表达式");
Matcher matcher =pattern.matcher("正则表达式 HelloWorld,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceFirst("Java"));

◆文字替换(全部)
Pattern pattern =Pattern.compile("正则表达式");
Matcher matcher =pattern.matcher("正则表达式 HelloWorld,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceAll("Java"));

◆文字替换(置换字符)
Pattern pattern =Pattern.compile("正则表达式");
Matcher matcher =pattern.matcher("正则表达式 HelloWorld,正则表达式 Hello World ");
StringBuffer sbr =new StringBuffer();
while(matcher.find()) {
matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());

◆验证是否为邮箱地址

Stringstr="ceponline@yahoo.com.cn";
Pattern pattern =Pattern.compile("[//w//.//-]+@([//w//-]+//.)+[//w//-]+",Pattern.CASE_INSENSITIVE);
Matcher matcher =pattern.matcher(str);
System.out.println(matcher.matches());

◆去除html标记
Pattern pattern =Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher =pattern.matcher("主页");
String string =matcher.replaceAll("");
System.out.println(string);

◆查找html中对应条件字符串
Pattern pattern =Pattern.compile("href=/"(.+?)/"");
Matcher matcher =pattern.matcher("主页");
if(matcher.find())
System.out.println(matcher.group(1));
}

◆截取http://地址
//截取url
Pattern pattern =Pattern.compile("(http://|https://){1}[//w//.//-/:]+");
Matcher matcher =pattern.matcher("dsdsdsfdf");
StringBuffer buffer= new StringBuffer();
while(matcher.find()){
buffer.append(matcher.group());
buffer.append("/r/n");
System.out.println(buffer.toString());
}

◆替换指定{}中文字

String str ="Java目前的发展史是由{0}年-{1}年";
String[][]object={new String[]{"//{0//}","1995"},newString[]{"//{1//}","2007"}};
System.out.println(replace(str,object));

public staticString replace(final String sourceString,Object[] object) {
    Stringtemp=sourceString;    
    for(int i=0;i
        String[]result=(String[])object[i];
        Pattern   pattern = Pattern.compile(result[0]);
        Matcher matcher =pattern.matcher(temp);
        temp=matcher.replaceAll(result[1]);
        }
        return temp;
}

◆以正则条件查询指定目录下文件

//用于缓存文件列表
      private ArrayList files = new ArrayList();
      //用于承载文件路径
      private String _path;
      //用于承载未合并的正则公式
      private String _regexp;

      class MyFileFilter implements FileFilter {

            /**
             * 匹配文件名称
             */
            public boolean accept(File file) {
              try {
                Patternpattern = Pattern.compile(_regexp);
                Matchermatch = pattern.matcher(file.getName());               
                returnmatch.matches();
              } catch (Exception e) {
                returntrue;
              }
            }
          }

      /**
       * 解析输入流
       * @param inputs
       */
      FilesAnalyze (String path,String regexp){
          getFileName(path,regexp);
      }

      /**
       * 分析文件名并加入files
       * @param input
       */
      private void getFileName(String path,String regexp) {
          //目录
            _path=path;
            _regexp=regexp;
            File directory = new File(_path);
            File[] filesFile =directory.listFiles(new MyFileFilter());
            if (filesFile == null) return;
            for (int j = 0; j
             files.add(filesFile[j]);
            }
            return;
          }

      /**
       * 显示输出信息
       * @param out
       */
      public void print (PrintStream out) {
          Iterator elements = files.iterator();
          while (elements.hasNext()) {
              File file=(File)elements.next();
                 out.println(file.getPath());    
          }
      }

      public static void output(String path,String regexp) {

          FilesAnalyze fileGroup1 = newFilesAnalyze(path,regexp);
          fileGroup1.print(System.out);
      }

      public static void main (String[] args) {
         output("C://","[A-z|.]*");
      }

Java正则的功用还有很多,事实上只要是字符处理,就没有正则做不到的事情存在。(当然,正则解释时较耗时间就是了|||……)


  1. 0-9
  2. /t/n/x0B/f/r
  3. a-zA-Z_0-9
  4. a-z
  5. A-Z
  6. a-zA-Z
  7. 0-9a-z
  8. 0-9[a-z
Last modification:November 25th, 2019 at 05:11 pm
如果觉得我的文章对你有用,请随意赞赏

Leave a Comment