9 正则表达式：Java爬虫和正则表达式、String中的正则表达式方法（基本语法7）

前言

没错，Java也是可以进行爬虫的，正则表达式所有语言都是通用的。

一、正则表达式

正则表达式基本语法没什么好说的，下面给出几个学习网站
正则表达式语法
正则表达式备忘清单，在线练习
正则表达式在线工具

正则表达式博客这篇博客我看访问量很大

下面我们只给出一下最基本的，最好能记住的

1 [ ] 语法

（1）[ABC] 和 [^ABC]

• [ABC]：匹配 […] 中的所有字符
  例如 [aeiou] 匹配字符串 “google runoob taobao” 中所有的 e o u a 字母。
  
• [^ABC] : 匹配除了 […] 中字符的所有字符
  例如 [^aeiou] 匹配字符串 “google runoob taobao” 中除了 e o u a 字母的所有字符。例如 [^aeiou] 匹配字符串 “google runoob taobao” 中除了 e o u a 字母的所有字符。
  

（2）[A-Z]和[a-zA-Z]

• [A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母。
  
• 推广[a-zA-Z] 表示 ，匹配所有大写字母和小写字母
  例如[a-zA-Z0-9_-] 表示字符集，包含小写字母、大写字母、数字、下划线和连接字符 -

小总结

可以看到上述（1）（2）是可以结合在一起灵活应用的

2 特殊字符语法（\w 这些）

• （1） . 点 ：匹配除换行符（\n、\r）之外的任何单个字符，相等于 [^\n\r]。
  

• （2）\w ：匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
  

• （3）\W : 匹配除字母、数字和下划线之外的任意字符。等价于[^\w]

• （4）\d ：匹配任意一个阿拉伯数字（0 到 9）。等价于 [0-9]
  

• （5）\D : 匹配除数字外的任意字符。等价于[^0-9]

• （6）\s : 匹配所有空白符（包括换行符）。等价于[\n\t\r\f\x0B]

• （7）\S：匹配所有非空白符（不包括换行符）。等价于[^\s]

• （8）[\s\S] : 结合起来就是匹配所有

3 数量符

• （1）+ ：匹配前面的子表达（如果用（）括起来就是括号内部，没有就是+前一个字符）式一次或多次。
  例如，zo+ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
• （2）* ：匹配前面的子表达式零次或多次。
  例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于 {0,}。
• （3）? ：匹配前面的子表达式零次或一次。
  例如，do(es)? 可以匹配 “do” 、 “does”、 “doxy” 中的 “do” 和 “does”。? 等价于 {0,1}。
• （4）{n} ：n 是一个非负整数。匹配确定的 n 次。
  例如，o{2} 不能匹配 “Bob” 中的 o，但是能匹配 “food” 中的两个 o。
• （5）{n,} ：n 是一个非负整数。至少匹配n 次。
  例如，o{2,} 不能匹配 “Bob” 中的 o，但能匹配 “foooood” 中的所有 o。o{1,} 等价于 o+。o{0,} 则等价于 o*。
• （6）{n,m} ：m 和 n 均为非负整数，其中 n <= m。最少匹配 n 次且最多匹配 m 次。
  例如，o{1,3} 将匹配 “fooooood” 中的前三个 o。o{0,1} 等价于 o?。请注意在逗号和两个数之间不能有空格。

4 \ 、（）、 |

• （1）\ ：转义符
  例如，前面说过 **.**匹配所有字母、数字和下划线，如果我只是想单纯的点呢？ 那就 \.
• （2）（）： 圆括号 () 用于创建子表达式，具有高于其他运算符的优先级。
  示例：(abc)+ 匹配 “abc” 一次或多次。
• （3）| ：管道符号 | 表示"或"关系，用于在多个模式之间选择一个。
  示例：cat|dog 匹配 “cat” 或 “dog”。

5 锚点 ^ 和 $，\b，\B

• ^ : 匹配输入字符串的开始位置，匹配字符串或行的开头。
  示例：
• $ : 匹配字符串或行的末尾。
  示例：
• \b ：单词边界，匹配单词的开头或末尾。
  示例：
• \B: 非单词边界，匹配不在单词开头或末尾的位置。
  示例：

6 (?i) : 忽略其后面的大小写 ---- 这个Java是可以的，其他语言我不知道（正则表达式虽然大多通用，但也有部分是各语言独有的）

这个有灵活应用，注意看下面演示，下面都以 abc 为例子给出

• (?i)abc : 表示忽略后面所有字符的大小写匹配 ，例如，可以匹配 ABC aBC abC abc等
• a(?i)bc:表示忽略bc的大小写匹配，例如，aBC,aBc,abc,abC
• a((?i)b)c: 表示只忽略b的大小写，例如，aBc,abc

7 一个完美匹配各种邮箱的应用

掌握了上面哪些，基本就够用了，下面是一个完美匹配邮箱的正则表达式

二、Java String里面的正则表达式练习

1 public boolean matches(String regex) : 判断此字符串是否与给定的 正则表达式 匹配。

• String regex : 正则表达式

注意：Java中的" "经常会将 \ 识别失败，python中是在 r“ ” 这样解决这个问题，但Java不能这么解决，Java只能采用 \ 替换 \ (通常路径中我们就是要这么处理), 因此我们在正则表达式中也要用 \ 来替换 \，简单来说Java中 \ = \

String s = "abc";
System.out.println(s.matches("[a-z]*"));    // true
System.out.println(s.matches("a"));         // falseString s2 = "a\\j";
System.out.println(s2.matches("a\\\\j"));   // true   两条\\ 才能匹配到一个\
System.out.println(s2.matches("[ab]"));     // falseSystem.out.println("3".matches("\\d"));     // true

下面就给出大量演示帮助进一步理解上面的正则表达式语法

// [] 只能匹配一位字符
System.out.println("----------1---------------");
System.out.println("a".matches("[abc]"));    // true
System.out.println("z".matches("[abc]"));    // false
System.out.println("ab".matches("[abc]"));     // false
System.out.println("ab".matches("[abc][abc]"));    // true// 不能出现 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z A到Z 0到9
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("aa".matches("[a-zA-Z][a-zA-Z]"));    // true
System.out.println("A".matches("[a-zA-Z]"));    // trueSystem.out.println("e".matches("[a-dm-p]"));    // false
System.out.println("b".matches("[a-dm-p]"));    // true
System.out.