10-正则表达式

一 正则表达式简介

正则表达式（Regular Expressions），是一个特殊的字符串，可以对普通的字符串进行校验检测等工作。正则表达式不是Java特有的，它是一套独立的语法，可以在java,c++,python等语言中使用。

正则表达式，最基本的使用场景是用来做校验，校验一个字符串是否满足预设的规则。在校验的基础 上，又添加了若干个其他的引用场景，例如: 批量的查找、替换、切割...

二 正则表达式语法

2.1 字符串中常用方法

字符串类型中提供了几个与正则表达式相关的方法

2.2 字符集语法

2.3 量词语法

2.4 分组语法

reg: String regex = "(135|137)[\\d]{8}" //匹配手机号是135或者是137开头的

2.5 ^和$

三 Pattern的简介

其实，Pattern这个类，才是真正来操作正则表达式的类，它位于java.util.regex包下。在String类中的提供的 matches 、split 、replace等方 法，其实都是对这个类中的某些方法的封装。

在我们调用String类中的提供的 matches 、split 、replace等方法时，底层就会创建一个Pattern对象。这样的做法效率是很低的。我们何不主动创建一个pattern，然后每次需要匹配就直接用它而不需要再次创建，大大提高了程序的效率。

常用方法如下：

1. static Pattern complie(String regex)

Pattern类的构造方法是私有的,不可以直接创建,但可以通过Pattern.complie(String regex)简单工厂方法创建一个正则表达式，

如: Pattern p=Pattern.compile("\\w+");

1. pattern()

返回正则表达式的字符串形式，其实就是返回Pattern.complile(String regex)的regex参数

Pattern p=Pattern.compile("\\w+"); 
String regex = p.pattern();//返回 \w+ 

1. matcher(String str)

返回一个Matcher类型的对象。

Matcher matcher = p.matcher("michael");

四 Matcher类

Pattern类只能做一些简单的匹配操作,要想得到更强更便捷的正则匹配操作,那就需要将Pattern与Matcher一起合作.Matcher类提供了对正则表达式的分组支持,以及对正则表达式的多次匹配支持。简单来说，Matcher对象就是Pattern对象与字符串匹配的一个结果。

4.1 Matcher对象的获取

Matcher的构造方法是私有的，我们一般通过调用Pattern对象的matcher方法返回一个matcher。

String info = "名字:wulei  地址:hunan  电话:010-82350555";
Pattern p = Pattern.compile("(名字:\\w+\\s+)|(地址:\\w+\\s+)|(电话:\\d{3}-\\d{8})");
Matcher matcher = p.matcher(info);

4.2 Matcher类型的匹配方法

Matcher对象提供了三个不同的匹配方式：matches、 lookingAt()、find()。三个方法均返回boolean类型,当匹配到时返回true,没匹配到则返回false

1. boolean matches()

   String info = "123abc";
   Pattern p = Pattern.compile("\\d+");
   Pattern p1 = Pattern.compile("\\d+\\w+");
   Matcher matcher = p.matcher(info);
   Matcher matcher1 = p1.matcher(info);
   
   System.out.println(matcher.matches());//false
   System.out.println(matcher1.matches());//true
    

   1. 整个字符串必须符合正则表达式，才会返回true，否则返回false

2. boolean lookingAt()

   System.out.println(matcher.lookingAt()); //true、

   字符串的开头符合使用的正则表达式，返回true。否则返回false

   String info = "123abc456def789";
   Pattern p = Pattern.compile("\\d+");
   Matcher matcher = p.matcher(info);
   while(matcher.find()){
       System.out.println(matcher.group());
   }
   输出：
   123
   456
   789

3. reset()

   重置find()的指针。注意：lookingAt()会影响到find()查找的子字符串

   String info = "123abc456def789";
   Pattern p = Pattern.compile("\\d+");
   Matcher matcher = p.matcher(info);
   System.out.println("执行lookingAt()后的group:");
   matcher.lookingAt();
   System.out.println(matcher.group());
   //matcher.reset();
   System.out.println("执行find():");
   while(matcher.find()){
      System.out.println(matcher.group());
   }
   
   输出：
      执行lookingAt()后的group:
   123
      执行find():
   456
   789

4.3 Matcher类型的详情方法

当我们执行完匹配操作后，我们常常需要获得匹配到的具体字符串。matcher对象能够使用group()、start()、end()方法来获取相关信息。

注意：这三个方法是基于我们matcher执行matches()|lookingAt()|find()并匹配成功的情况下才能使用，否则会抛出java.lang.IllegalStateException

1. group()

   返回匹配到的子字符串

2. group(int index)

   返回匹配到的子字符串里的第index个分组，group(0)=group()。

3. start()

   返回匹配到的子字符串在字符串中的索引位置

4. start(int index)

   返回匹配到的子字符串里的第index个分组开始的索引。

5. end()

   返回匹配到的子字符串的最后一个字符在字符串中的索引位置+1

6. end(int index)

     现在我们使用一下稍微高级点的正则匹配操作,例如有一段文本,里面有很多数字,而且这些数字是分开的,我们现在要将文本中所有数字都取出来,利用java的正则操作是那么的简单
   

   String info = "123abc456def789";
   Pattern p = Pattern.compile("(\\d+)([a-z]+)");
   Matcher matcher = p.matcher(info);
   
   while (matcher.find()){
       System.out.println("start(1): " + matcher.start(1));
           System.out.println("start(2): " + matcher.start(2));
           System.out.println("end(1): " + matcher.end(1));
           System.out.println("end(2): " + matcher.end(2));
   }
   
   输出：
   start(1): 0
   start(2): 3
   end(1): 3
   end(2): 6
   start(1): 6
   start(2): 9
   end(1): 9
   end(2): 12
   

   .

   返回匹配到的子字符串里的第index个分组结束的索引+1。
   

   Pattern p=Pattern.compile("\\d+"); 
   Matcher m=p.matcher("我的QQ是:456456 我的电话是:0532214 我的邮箱是:aaa123@aaa.com"); 
   while(m.find()) { 
        System.out.println(m.group()); 
   } 
   
   输出: 
   456456 
   0532214 
   123 
   
   如将以上while()循环替换成 
   while(m.find()) { 
        System.out.println(m.group()); 
        System.out.print("start:"+m.start()); 
        System.out.println(" end:"+m.end()); 
   } 
   则输出: 
   456456 
   start:6 end:12 
   0532214 
   start:19 end:26 
   123 
   start:36 end:39 

7. int groupCount()

   1.用于获取正则表达式中的小括号的个数。() 用于分组。
   

   package com.se.day02.bPattern;
   
   import java.util.regex.Matcher;
   import java.util.regex.Pattern;
   
   /**
    * 研究一下groupCount():
    */
   public class PatternDemo07Matcher05 {
       public static void main(String[] args) {
           Pattern pattern = Pattern.compile("(((c)a)(t))s");
           Matcher matcher = pattern.matcher("one cat, two cats in the yard");
           /**
            * int groupCount():
            * 作用：用于获取正则表达式中的小括号的个数。() 用于分组。
            */
           System.out.println(matcher.groupCount());
           while (matcher.find()) {
               // 打印符合正则表达式的子串， 因此循环次数是xxxx次。
               System.out.println(matcher.group());
           }
           /**
            * 使用小括号的个数来循环, 可以使用group的重载方法：
            * String group(int group)
            *
            * 注意：想要使用()的个数进行遍历，需要将指针移动到字符串之前，然后还需要调用一下find方法
            *
            * group(0): 表示的是对组进行拆分括号的整体的样子
            * group(1): 表示第一个括号
            * group(2): 表示第二个括号
            */
           matcher.reset();
           matcher.find();
           for (int i = 0; i <=matcher.groupCount(); i++) {
               System.out.println(matcher.group(i));
           }
       }
   }

五 练习题以及八股文

1. 邮箱验证

     编写一个方法，使用正则表达式验证邮箱地址格式是否正确。要求：用户名可以包含字母、数字、点、下划线和连字符，域名包含至少一个点，且顶级域名至少2个字符。

2. 手机号码验证

编写一个方法验证中国大陆手机号码格式（11位数字，以1开头，第二位为3-9）。使用正则表达式实现。

1. 密码强度检查

创建一个方法检查密码强度，要求：

• 至少8位字符

• 包含至少一个大写字母

• 包含至少一个小写字母

• 包含至少一个数字

• 包含至少一个特殊字符（!@#$%^&*）

1. 提取URL信息

编写程序从文本中提取所有的URL链接，并分别提取协议、域名和路径部分。使用正则表达式的分组捕获功能。

1. HTML标签处理

     编写一个方法，使用正则表达式移除字符串中的所有HTML标签，但保留标签内的文本内容。

2. 日期格式验证与提取

编写程序验证并提取文本中的日期（支持yyyy-MM-dd、yyyy/MM/dd、dd-MM-yyyy等格式），并将它们转换为统一的yyyy-MM-dd格式。

1. 单词边界匹配

编写一个方法，使用正则表达式查找文本中完整单词"java"（不匹配"javascript"中的"java"），并统计出现次数。

1. IP地址验证

     编写一个方法验证IPv4地址格式是否正确（0-255之间的数字，用点分隔）。要求使用正则表达式的前瞻断言功能。

2. 字符串格式化处理

     编写程序处理文本，将连续的空白字符（空格、制表符、换行符）替换为单个空格，并去除行首行尾空白。

3. 复杂数据解析

     给定一个包含姓名、年龄、邮箱的文本文件，每行格式如："张三,25,zhangsan@example.com"，使用正则表达式解析并验证每行数据的正确性，将有效数据存储到对象列表中。