編程環境

• windows 10

• eclipse

  
  

前言

??在一次Java程序設計課程中，在課堂上了解到了正則表達式，然后自己去百度了一番，發現正則表達式應用的范圍還是比較廣泛的，在Python爬蟲爬取數據時候，也會用上正則表達式，所以決定花點心思去學習一下正則表達式。

正則表達式語法

• 普通字符

正則表達式說明

[123abc]	匹配[…]括號里邊的所有字符，相當于匹配1或2或3或a或b或c， 等價于[1|2|3|a|b|c]
[^123abc]	匹配除了[…]之外的所有字符，相當于匹配除了1,2,3,a,b,c之外的所有字符
[a-z]	表示一個區間，匹配小寫字母
[A-Z]	表示一個區間，匹配大寫字母
[0-9]	表示一個區間，匹配0到9之間的數字
\d	匹配數字，等價于[0-9]
\D	匹配非數字，等價于[^0-9]
\w	匹配字母、數字或者下劃線，等價于[a-zA-z0-9_]
\W	匹配非字母、非數字或者非下劃線，\W相當于匹配\w的補集字符,等價于[^a-zA-z0-9_]

說明：\大寫字母 和 \小寫字母，匹配的字符內容是相反的，^代表取反的意思

• 非打印字符

正則表達式說明

\cx	匹配由x指明的控制字符。例如， \cM 匹配一個 control-M 或回車符。x 的值必須是26個字母
\f	匹配一個換頁符
\n	匹配一個換行符
\r	匹配一個回車符
\t	匹配一個制表符
\v	匹配一個垂直制表符
\s	匹配所有的空白字符，等價于[\f\n\r\t\v]
\S	匹配所有非空白字符，等價于[^\f\n\r\t\v]

??說明：控制字符主要有LF（換行）、CR（回車）、FF（換頁）、DEL（刪除）、BS（退格)、BEL（振鈴）等，存在于Ascii碼中的第0~31號及127號中。想了解更多關于控制字符的內容請點擊這里

• 特殊字符

正則表達式說明

$	匹配輸入字符串的結尾位置，要匹配 $ 字符本身，請使用\$。
( )	標記一個子表達式的開始和結束位置，要匹配這些字符，請使用 \( 和 \)
*	匹配前面的子表達式零次或多次，要匹配 * 字符，請使用 \*
+	匹配前面的子表達式一次或多次，要匹配 + 字符，請使用 \+
.	匹配除換行符 \n 之外的任何單個字符，要匹配 . ，請使用 \.
[	標記一個中括號表達式的開始。要匹配 [ ，請使用 \[
?	匹配前面的子表達式零次或一次，或指明一個非貪婪限定符，要匹配 ? 字符，請使用 ?
\	將下一個字符標記為或特殊字符、或原義字符、或向后引用、或八進制轉義符
^	匹配輸入字符串的開始位置，當該符號在方括號表達式中使用時，匹配非方括號內容的字符，相當于取反，要匹配 ^ 字符本身，請使用 ^
{	標記限定符表達式的開始，要匹配 {，請使用 \{
|	指明兩項之間的一個選擇，相當于或，要匹配 |，請使用 \

• 限定字符

正則表達式說明

{n}	n 是一個非負整數，匹配確定的 n 次
{n,}	n 是一個非負整數，至少匹配n 次
{n,m}	m 和 n 均為非負整數，其中n <= m，最少匹配 n 次且最多匹配 m 次

正則表達式的應用

• 實例1

??我們來講一下比較有用的例子吧，拿html的標簽頁來舉例子，假如說我們需要匹配html中a標簽下的鏈接

import java.util.regex.Matcher; import java.util.regex.Pattern;public class Debug {public static void main(String[] args) {String html = "<a class=\"regex\" href=\"https://www.baidu.com/\">正則表達式</a>";String regex = "<a class=\"[a-z]+\" href=\"(.*?)\">(.*?)</a>";for (int i = 0; i < 3; i++) {String content = getContentByRegex(html, regex, i);System.out.println(content);}}public static String getContentByRegex(String html, String regex, int index) {String content = ""; // 如果沒有匹配到, 則返回空字符串Pattern pattern = Pattern.compile(regex);Matcher match = pattern.matcher(html);if (match.find()) {content = match.group(index);}return content;}}

??解釋說明一下上面的代碼，html是我們獲取到的網頁源代碼，regex就是我們寫的正則表達式規則，可以看到的是，我在href=后邊使用了 .*? ，.*? 指的是匹配除了換行之外的所有字符，在這個代碼里邊就是匹配href后邊的整個鏈接（ps： .*? 在寫在href雙引號的里邊）， .*? 我個人覺得是比較常用的一種，簡單好用。接下來就是調用自己寫的函數來返回匹配的內容，其中match.find()是必不可少的，match.group(0)或者match.group()代表的是正則表達式規則的全部內容，match.group(1)代表的是第一個括號里邊的內容，match.group(2)代表的是第二個括號里邊的內容，依次類推。

代碼的運行結果如下

<a class="regex" href="https://www.baidu.com/">正則表達式</a> https://www.baidu.com/ 正則表達式

??如果我們只需要href里邊的鏈接，我們就只需要match.group(1)就可以了。

• 實例2

??那如果我們想匹配網頁上所有a標簽下的鏈接的話，該怎么做呢？先上代碼

import java.util.regex.Matcher; import java.util.regex.Pattern; import java.util.List; import java.util.ArrayList;public class Debug {public static void main(String[] args) {String html = "<a class=\"regex\" href=\"https://www.baidu.com/\">正則表達式\n</a>隔開兩個a標簽的內容\n<a class=\"regex\" href=\"https://blog.csdn.net/\">正則表達式\n</a>";String regex = "<a class=\"[a-z]+\" href=\"(.*?)\">(.*?)</a>"; // 正則表達式規則List<String> content = getContentByRegex(html, regex, 1); // 獲取到的內容System.out.println(content); // 輸出}public static List<String> getContentByRegex(String html, String regex, int index) {List<String> list = new ArrayList<>(); // 創建一個空列表Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);Matcher match = pattern.matcher(html);while (match.find()) {list.add(match.group(index));}return list;}}

??解釋說明：因為我們需要匹配多個a標簽下的鏈接，所以我們用列表來存儲這些鏈接比較方便，對比上一個例子，會發現compile中多了一個Pattern.DOTALL， 原來 .*? 匹配的是除了換行之外的所有字符，使用DOTALL會把\n也當成一個普通字符，也就是說 .*? 也會匹配換行符；還有就是在getContentByRegex函數中用的是while (match.find()) 而不是if (match.find())，因為這里是有多個鏈接的，所有用的是while。

代碼的運行結果如下

[https://www.baidu.com/, https://blog.csdn.net/]

我們來輸出一下match.group(2)，輸出結果如下：

[正則表達式 , 正則表達式 ]

會發現，也把 \n 符匹配了進去，所以輸出時候文字后邊會多了一個 \n ，這也就是使用DOTALL的原因，如果沒有使用DOTALL則會匹配失敗，返回的是空列表 [] 。

總結

??上述就是我對正則表達式的理解，講到的內容可能偏少，不過都是比較實用的東西。希望這篇文章會對你有幫助，如果有什么問題歡迎在評論區提出。

總結

以上是生活随笔為你收集整理的Java 正则表达式，正则表达式匹配a标签下的链接，正则表达式基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。