上一篇內(nèi)容寫了如何請(qǐng)求資源，那么資源請(qǐng)求下載之后我們就要對(duì)它就行解析了，解析之前我們先熟悉一下正則表達(dá)式

正則表達(dá)式在平常使用時(shí)還是很廣泛的，比如說表單輸入驗(yàn)證，驗(yàn)證手機(jī)號(hào)郵箱之類，Java的字符串匹配實(shí)現(xiàn)等都用到了正則，正則表達(dá)式的規(guī)則也不是很多，我簡(jiǎn)單寫幾種，如果你想詳細(xì)的了解學(xué)習(xí)正則表達(dá)式，推薦閱讀正則表達(dá)式30分鐘入門教程，寫的很全面，講解的也很到位。

我要寫的是使用過程

下面是一些常用的

元字符

\b 用于單詞的間隙處，\bhello\b表示匹配hello單詞

\d 匹配數(shù)字 0\d\d 表示匹配011,023，以0開頭三位數(shù)字，還可以寫成0\d{2}，0后面兩個(gè)數(shù)字

. ?匹配換行符以外的所有字符

* 它前面的字符可以無限重復(fù)

\s 任意的空白符 ，比如空格，TAB

\w?字母或數(shù)字或下劃線或漢字等

+ 和*類似，但是+至少一次，*可能0此

^ 字符串開始

$ 字符串結(jié)束

{5,12} 長(zhǎng)度限制在5到12之間

？ 重復(fù)0到1次

[ ] 表示需要查找的內(nèi)容，比如[aeiou]包含元音字母，[.?*]包含.?*的串

字符轉(zhuǎn)義

用 \ 來轉(zhuǎn)義元字符，比如要查找含*的串，\* == *

分支條件

| 表示或，兩個(gè)表達(dá)式連接?a|b，表示滿足表達(dá)式a或者b

分組

()分組，可以把多個(gè)匹配放到一塊，重復(fù)查找

反義

\W\S\D\B把小寫改成大寫，[]里的加^，比如[^aeiou]不是元音字母

注釋

(?#comment) 對(duì)表達(dá)式進(jìn)行注釋，比如 2\d[0-2](?#200-292) ? 表示200-292之間的數(shù)字

貪婪與懶惰

a.*b，它將會(huì)匹配最長(zhǎng)的以a開始，以b結(jié)束的字符串。如果用它來搜索aabab的話，它會(huì)匹配整個(gè)字符串a(chǎn)abab。這被稱為貪婪匹配。

在 . * ？ {n,m}等后面加？則表示盡可能少的匹配，.? *? ?? {n,m}?

可能你看了上面還是不知道在說什么不要緊，下面寫了java的正則API之后會(huì)舉例說明

java.util.regex 包主要由三個(gè)類所組成：Pattern、Matcher 和 PatternSyntaxException。

Pattern 對(duì)象表示一個(gè)已編譯的正則表達(dá)式。Pattern 類沒有提供公共的構(gòu)造方法。要構(gòu)建一個(gè)模式，首先必須調(diào)用公共的靜態(tài) compile 方法，它將返回一個(gè) Pattern 對(duì)象。這個(gè)方法接受正則表達(dá)式作為第一個(gè)參數(shù)。

Matcher 是一個(gè)靠著輸入的字符串來解析這個(gè)模式和完成匹配操作的對(duì)象。與 Pattern 相似，Matcher 也沒有定義公共的構(gòu)造方法，需要通過調(diào)用 Pattern 對(duì)象的 matcher 方法來獲得一個(gè) Matcher 對(duì)象。

PatternSyntaxException 對(duì)象是一個(gè)未檢查異常，指示了正則表達(dá)式中的一個(gè)語(yǔ)法錯(cuò)誤。

使用的流程可以分為下面幾個(gè)步驟

Pattern的compile靜態(tài)方法獲取pattern對(duì)象

pattern調(diào)用自身的matcher方法返回Matcher對(duì)象matcher

matcher對(duì)象通過find，matches，lookingAt等方法進(jìn)行匹配

下面是個(gè)示例，要找到匹配ae,be,de,he之中的任意一個(gè)

package?com.hldh.river.regex;

import?java.util.regex.Matcher;

import?java.util.regex.Pattern;

/**

*?Created?by?liuhj?on?2016/1/5.

*?本例用于測(cè)試JDK1.7?中的Matcher和Pattern

*

*?使用時(shí)主要是Pattern編譯正則，Matcher用來匹配字符串

*/

public?class?AppTest?{

public?static?void?main(String?args[]){

String?regexStr?=?"[abdh]e";

String?targetStr?=?"hello?world";

//獲取Pattern對(duì)象

Pattern?pattern?=?Pattern.compile(regexStr);

//?定義一個(gè)matcher用來做匹配

Matcher?matcher?=?pattern.matcher(targetStr);

if?(matcher.find())?{

System.out.println(matcher.group());

}

}

}

輸出結(jié)果

he

是不是很簡(jiǎn)單，主要的難點(diǎn)還是在正則表達(dá)式的掌握上，API很好理解

還有一個(gè)點(diǎn)我覺得需要說明一下，就是group，正則表達(dá)式里有個(gè)分組的概念，比如說“^([abdh]e)(\d+)$”這里面就是兩個(gè)分組，對(duì)應(yīng)API里的group(int group)，參數(shù)里是2的話就對(duì)應(yīng)匹配(\d+)，參數(shù)是1的話對(duì)應(yīng)匹配([abdh]e)，參數(shù)0是系統(tǒng)默認(rèn)，表示匹配整個(gè)串。

使用group就可以把匹配到的字符竄捕獲。

Matcher中find方法是匹配字符串中的一部分，matches匹配整個(gè)字符串，所以啊你看表單驗(yàn)證都是用的matches方法。

總結(jié)

以上是生活随笔為你收集整理的java正则表达式爬虫_Java简单爬虫系列（3）---正则表达式和Java正则API的使用的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。