java正則表達式簡略應用和網頁爬蟲的制造代碼

正則表達式是一種專門用於對字符串的操作的規矩。

1.在String類中就有一些辦法是對字符串停止婚配，切割。

斷定字符串能否與給出的正則表達式婚配的：boolean matches( String regex);

依照給定的正則表達式對字符串停止切割的：String[]    split(String regex);

將相符正則表達式的字符串調換成我們想要的其他字符串：String  replaceAll(String  regex,String replacement)

2.上面引見一下正則表達式經常使用的用法

(1)

String regex="[1-9][0-9]{4,15}";
//[1-9]表現這個數字只能在1-9內選擇
//[0-9]表現這個數字可所以0-9
//{4，15}表現其後面的這個格局的數字可以反復4-15次

這個正則表達式的意思 是：第一個數字應當是1-9中隨意率性的一個，然後緊接著就必需要湧現0-9中的數字中的一種，並且這類數字至多要湧現4次，至少湧現15次

如：

10175   相符 

10不相符，由於[0-9]{4,15},至多要湧現4次以上，在這裡只湧現了一次

(2)

[a-zA-Z0-9_]{6}表現正好要湧現6次a-z或A-Z或_  中的字符

+表現至多湧現一次

*表現湧現0次或屢次

？表現湧現一次或0次

(3)依據正則表達式來切割字符串

String str="sjd.ksdj.skdjf";

String regex="\\.";

留意:  . 在正則表達式中是表式一個隨意率性的字符，是一個特別的符號。我們想要用.來切割，就必需將其轉換為通俗字符 用\\便可。

由於\ 也是特別符號，所以要兩個\\來表現。當我們想要應用通俗的 \ 時，那末就要用\\\\來表現才可。

String[] ss=str.split(regex); 前往字符串數組： "sjd"  "ksdj"  "skdjf"  完成 了對原有字符串的切割

(4)依據正則表達式來調換失落我們想要調換的器械

將字符串中一切持續湧現5個或以上的數字串調換成#

String str="abcd1334546lasjdfldsf2343424sdj";

String regex="[0-9]{5,}";

String   newstr=str.replaceAll(regex,"#");

(5)獲得相符正則表達式規矩的字符串

Pattern p=Pattern.compile(String regex);

Matcher  m=p.matcher(String str);

while(m.find())

{

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

}

3.網頁爬蟲的制造

我們制造 一個可以將一個網頁中的全體的郵箱讀掏出，而且寄存在一個文本文件中。

/*
網頁爬蟲
即：從網頁中獲得相符正則表達式的字符串或內容

從收集中獲得郵箱地址
*/
import java.io.*;
import java.util.regex.*;
import java.net.*;
class  MailTest
{
 public static void main(String[] args) throws Exception
 {
  getMailAddr();
 }

 public static void getMailAddr()throws Exception
 {
  URL url=new URL("http://bbs.jb51.net/topics/390148495");
  URLConnection con=url.openConnection();

  BufferedReader bufIn=new BufferedReader(new InputStreamReader(con.getInputStream()));
  BufferedWriter bufw=new BufferedWriter(new FileWriter(new File("e://mailaddress.txt")));
  String str=null;
  String regex="[a-zA-Z0-9_]{6,12}@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";

  Pattern p=Pattern.compile(regex);
  while((str=bufIn.readLine())!=null)
  {
   Matcher m=p.matcher(str);
   while(m.find())
   {
    String ss=m.group();
    bufw.write(ss,0,ss.length());
    bufw.newLine();
    bufw.flush();
   }
  }

 }
}