java正則表達式簡單使用和網(wǎng)頁爬蟲的制作代碼

更新時間：2013年05月14日 14:39:17 作者：

java正則表達式簡單使用和網(wǎng)頁爬蟲的制作代碼，需要的朋友可以參考一下

正則表達式是一種專門用于對字符串的操作的規(guī)則。

1.在String類中就有一些方法是對字符串進行匹配，切割。

判斷字符串是否與給出的正則表達式匹配的：boolean matches( String regex);

按照給定的正則表達式對字符串進行切割的：String[] split(String regex);

將符合正則表達式的字符串替換成我們想要的其他字符串：String replaceAll(String regex,String replacement)

2.下面介紹一下正則表達式常用的用法

(1)

復制代碼代碼如下:

String regex="[1-9][0-9]{4,15}";
//[1-9]表示這個數(shù)字只能在1-9內(nèi)選擇
//[0-9]表示這個數(shù)字可以是0-9
//{4，15}表示其前面的這個格式的數(shù)字可以重復4-15次

這個正則表達式的意思是：第一個數(shù)字應該是1-9中任意的一個，然后緊接著就必須要出現(xiàn)0-9中的數(shù)字中的一種，而且這種數(shù)字至少要出現(xiàn)4次，至多出現(xiàn)15次

如：

10175 符合

10不符合，因為[0-9]{4,15},至少要出現(xiàn)4次以上，在這里只出現(xiàn)了一次

(2)

[a-zA-Z0-9_]{6}表示恰好要出現(xiàn)6次a-z或A-Z或_ 中的字符

+表示至少出現(xiàn)一次

*表示出現(xiàn)0次或多次

？表示出現(xiàn)一次或0次

(3)根據(jù)正則表達式來切割字符串

復制代碼代碼如下:

String str="sjd.ksdj.skdjf";

String regex="\\.";

注意: . 在正則表達式中是表式一個任意的字符，是一個特殊的符號。我們想要用.來切割，就必須將其轉(zhuǎn)換為普通字符用\\即可。

因為\ 也是特殊符號，所以要兩個\\來表示。當我們想要使用普通的 \ 時，那么就要用\\\\來表示才可。

String[] ss=str.split(regex); 返回字符串數(shù)組： "sjd" "ksdj" "skdjf" 實現(xiàn) 了對原有字符串的切割

(4)根據(jù)正則表達式來替換掉我們想要替換的東西

將字符串中所有連續(xù)出現(xiàn)5個或以上的數(shù)字串替換成#

復制代碼代碼如下:

String str="abcd1334546lasjdfldsf2343424sdj";

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

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

(5)獲取符合正則表達式規(guī)則的字符串

復制代碼代碼如下:

Pattern p=Pattern.compile(String regex);

Matcher m=p.matcher(String str);

while(m.find())

{

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

}

3.網(wǎng)頁爬蟲的制作

我們制作一個可以將一個網(wǎng)頁中的全部的郵箱讀取出，并且存放在一個文本文件中。

復制代碼代碼如下:

/*
網(wǎng)頁爬蟲
即：從網(wǎng)頁中獲取符合正則表達式的字符串或內(nèi)容

從網(wǎng)絡中獲取郵箱地址
*/
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();
   }
  }

}
}

您可能感興趣的文章: