Javase——正则表达式

 正则表达式的相关使用

    public static void main(String[] args) {//校验QQ号 System.out.println("3602222222".matches("[1-9][0-9]{4,}"));// 校验18位身份证号        System.out.println("11050220240830901X".matches("^([0-9]){7,18}(x|X)?$ 或 ^\\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$"));}
// 上面账号都位假

常用正则表达式

正则表达式常见用法——爬虫

字符串中查找匹配规则的关键词

String str = "Java自从95年问世以来,经历了很多版本,目前企业中用的最多的是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,相信在未来不久Java17也会逐渐登上历史舞台";|
//1.获取正则表达式的对象，即创建匹配规则
Pattern p= Pattern.compile("Java\\d{0,2}");
//2.获取文本匹配器的对象
//拿着m去读取str,找符合p规则的子串
Matcher m = p.matcher(str);//3.m读取完str后，利用.find()循环获取
while(m.find()){String s = m.group();System.out.println(s);
}

爬取网页里的信息

public static void main(String[] args) throws IOException {// 创建一个URL对象URL url = new URL("https://baike.baidu.com/item/%E6%AD%A6%E6%B1%89%E5%B8%82?fromModule=lemma_search-box");// 连接上这个网址// 细节:保证网络是畅通URLConnection conn = url.openConnection();// 创建一个对象去读取网络中的数据BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream(),"UTF-8")); // 要确定爬取数据的编码格式String line;// 获取正则表达式的对象 pattern，即确定字符串匹配规则Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+大学");// 在读取的时候每次读一整行while ((line = br.readLine()) != null) {// System.out.println(line);  这个可以将这个html页面打印下来Matcher matcher = pattern.matcher(line); // 扫描一整行，对这一行进行正则校验，得到matcher// 输出一行中匹配到的while (matcher.find()) {System.out.println(matcher.group());}}br.close();}

 贪婪爬取和非贪婪爬取 

String str = "abbbbbbbbbbbbaaaa"

•  贪婪爬取:在爬取数据的时侯尽可能的多获取数据
  • 正则表达式：ab+
  • 爬取为：abbbbbbbbbbbb
• 非贪婪爬取:在爬取数据的时侯尽可能的少获取数据
  • ​​​​​​​​​​​​​​​​​​​正则表达式：ab+？
  • 爬取为：ab

字符串方法使用

 正则表达式分组使用