正则表达式和爬虫

发布时间:2024年01月16日

目录

一、正则表达式:

? ? ? ? 作用:

字符类(只匹配一个字符)

? ? ? ? ? ? ? ? 细节

预定义字符字符(只匹配一个字符)

? ? ? ? ? ? ? ? 细节

数量词

二、爬虫

? ? ? ? Pattern

? ? ? ? Matcher

? ? ? ? ? ? ? ? 要点说明


一、正则表达式:

? ? ? ? 作用:

? ? ? ? ? ? ? ? 1、校验字符串是否满足规则

? ? ? ? ? ? ? ? 2、在一段文本中查找满足要求的内容(爬虫)

字符类(只匹配一个字符)

[abc]只能是a,b或c
[^abc]除了这三个之外的任何字符
[a-zA-Z]a-z,A-Z(字符串出现的字符只要在两个范围(包括z,Z)之内就为true)
[a-d[m-p]]a-d或者m-p
[a-z&&[def]]a-z和def的交集
[a-z&&[^bc]]a-z和非def的交集(即:[ad-z])
[a-z&&[^m-p]]a-z和除了m-p的交集(即:[a-[q-z]]])
? ? ? ? ? ? ? ? 细节:如果要求两个范围的交集,那么需要写符号“&&”。如果写成一个&那么此时“&”表示的就不是交集了,而是一个简简单单的“&”符号。
System.out.println("&".matches("[a-z&&[def]]"));//false
System.out.println("&".matches("[a-z&[def]]"));//true

?

预定义字符字符(只匹配一个字符)

.任何字符
\d一个数字[0-9]
\D非数字:[^0-9]
\s一个空白字符:[\t\n\x0B\f\r]
\S非空白字符
\w[a-za-Z_0-9]英文、数字、下划线
\W[^\w]一个非单词字符
? ? ? ? ? ? ? ? 细节:在Java中“\”为转义字符,表示改变后面那个字符原本的含义。双引号""在Java中表示字符串的开头或结尾。“\"”表示把"变成普普通通的"(仅仅只是一个符号,不具备任何含义)

“\\”表示把\变成普普通通的\

System.out.println("你a".matches("."));//false
System.out.println("你a".matches(".."));//true
System.out.println("你".matches("\\w"));//false
System.out.println("你".matches("\\W"));//true

数量词

X?X出现一次或零次
X*X出现零次或多次
X+X出现一次或多次
X{n}X出现正好n次
X{n,}X出现至少n次
X{n,m}X出现至少n次但不超过m次

二、爬虫

? ? ? ? Pattern:表示正则表达式

? ? ? ? Matcher:文本匹配器,作用按照正则表达式的规则去读取字符串,从头开始读取。在大串中去找符合匹配规则的子串

? ? ? ? ? ? ? ? eg.有如下文本:Java自从95年问世,经历了很多版本,目前企业中用到的最多的是Java8和Java11,因为这两个是长期支持版本,下一个长期支持版本是Java17,相信在不久Java17也会逐渐登上历史舞台。

? ? ? ? ? ? ? ? 要求:找出里面所偶的JavaXX。

代码如下:

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class 爬虫demo {
    public static void main(String[] args) {
        String str = "Java自从95年问世,经历了很多版本,目前企业中用到的最多的是Java8和Java11,因为这两个是长期支持版本,下一个长期支持版本是Java17,相信在不久Java17也会逐渐登上历史舞台";
        //获取正则表达式的对象
        Pattern p = Pattern.compile("Java\\d{0,2}");
        //获取文本匹配器的对象
        Matcher m = p.matcher(str);
        //利用循环从头获取,寻找是否有满足规则的子串。
        while(m.find()){
            String s = m.group();
            System.out.println(s);
        }
    }
}

运行结果如下:

? ? ? ? ? ? ? ? 要点说明:代码:

Matcher m = p.matcher(str);

中的——m:文本匹配器的对象

str:大串

p:规则

m:要在str中找符合p规则的小串

m.find()会返回一个boolean类型的结果。如果没有,返回false。反之返回true,并在底层记录字串的起始索引和结束索引+1(+1之后再作为结束索引进行传递)
String s = m.group();————方法底层会根据find方法记录的索引进行字符串的获取:subString(起始索引,结束索引);包头不包尾(所以find方法在结束索引位置+1就很有必要)
文章来源:https://blog.csdn.net/2301_78496658/article/details/135561712
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。