正则表达式基础及Java正则表达式应用.docxVIP

正则表达式基础及Java正则表达式应用陈敏刚 2016.7.15【引言】由于研究需要对日志信息、视频信息作大数据的分析，特整理以下正则表达式的各种用法，比如如何提取Apache日志信息中的IP地址和访问时间，如何设计简单的网络爬虫程序等，主要通过Java语言描述，其它语言如Python思路也基本相通。正则表达式基本概念正则表达式，也叫 Regular Expressions，它实际上是用来搜索、匹配字符串的模式，是一种强大而灵活的文本处理工具。在Java中要使用正则表达式，则需要import java.util.regex，一般与Java I/O联合使用正则表达式一般要表达三个要素。（1）要匹配的字符，如[0-9]；（2）字符的数量或者有几个这样的字符，如{2,4}，即2-4个字符，需要用大括号括起来。（3）字符的位置在哪儿？如\b表示字符的边界，border。要熟悉以上正则表达式的基本元素，可以对应于正则表达式的要素，分为字符类、数量类和位置类。（1）. 代表1个字符的通配符比如，t.n可匹配“tan，ten，ton，tpn”等（2）[]代表字符集，只有方括号里指定的字符才能参与匹配，方括号内只能匹配单个字符，但可用连字符-来表示范围，如[0-9]表示0-9中的一个数字；比如，t[aeiou]n,可匹配“tan，ten，ton”，但不匹配tpn、toon等。[^]表示排斥性字符集。比如，[^x][a-z]+,可匹配除x开头的所有单词。（3）（）用来分组，在（）内可以使用“|”操作表示“或”，方括号[]不能用“|”比如，t(a|e|i|o|u|oo)可匹配“tan，ten，ton”，还可匹配toon。（4）^表示起始位置、\b表示单词边界(a) ^的基本用法第一个例子的匹配是成功的，这是因为模式占据了整个输入的字符串。第二个例子失败了，是由于输入的字符串在开始部分包含了额外的空格。第三个例子指定的表达式是不限的空格，后跟着在行尾的 dog。第四个例子，需要 dog 放在行首，后面跟的是不限数量的单词字符。（b）对于检查一个单词开始和结束的边界模式（用于长字符串里子字符串），这时可以在两边使用\b，例如\bdog\b。（c）对于匹配非单词边界的表达式，可以使用\B来代替：（d）对于需要匹配仅出现在前一个匹配的结尾，可以使用\G：星号*表示 0个或多个加号+表示 1 或多个问号?表示0个或1个n就是写个数字表示重复多少次[0-9]+ 来查找年份，字符为数字，数字出现1个或多个。由于正则表达式比较难用，所以引入一些简写方式，比如\d表示数字（digit）[0-9]，\s表示空白符（space）、\w表示单词字符（word）[a-zA-Z_0-9]。正则表达式写起来还是比较麻烦，因此经常需要利用工具，比如QRe，\b(href)=(‘[^’]+’)上面正则表达式的解释：两个圆括号()代表两个group\b表示单词边界，(href)表示group1(‘[^’]+’)表示group2，字符是‘开始，’结束，中间1个或多个非’字符，整个匹配字符串的称为group0正则表达式的基本应用Java中正则表达式，需要用到java.util.regex包，这个包主要有两个类，分别是Pattern类（模式类）和Matcher类（匹配类）。Pattern 对象表示一个已编译的正则表达式。Pattern 类没有提供公共的构造方法。要构建一个模式，首先必须调用公共的静态 compile 方法，它将返回一个 Pattern 对象，这个方法接受正则表达式作为第一个参数，把正则表达式字符串编译到一个用于处理匹配的模式对象中。Matcher 是在输入的字符串中定位模式的匹配的对象与 Pattern 相似，Matcher 也没有定义公共的构造方法，需要通过调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。2.1字符串的分割//将正则表达式”[,\\s]+”编译成模式类对象p,\\s表示空格，并用了\表示转义符Pattern p = Ppile(“[, \\s]+”); //调用p的split方法分割字符串String[] result = p.split( one,two, three four , five );2.2字符串的匹配验证//开始的^表示字符串开始，结尾的$表示字符串结尾//@前表示1到多个非@字符//@后“[\\w]+”表示1到多个word，\\w表示\w的转义//“(file:///\\.[\\w%5d+)*\\.[\\w]+)*”表示多个”.word”的模式String pattern = ^[^@]+@[\\w]+(\\.[\\w]+)*$;String email = dstang2000@263.ne