知识点总结于毕向东Java基础视频教程25天版本，侵权请联系删除。
正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。在众多语言中都可以支持正则表达式，如Perl、PHP、Java、Python、Ruby等。 当然在Java中也可以通过处理字符串的方式达到检索，替换文本字符串的目的，但是有了正则表达式写代码更加简洁，通常两三行代码就可以达到目的，当然这也是建立在熟悉正则表达式的基础之上的。
作用：用于专门操作字符串。特点：用一些特定的符号来表示一些代码操作，这样就简化了书写。所以学习正则表达式，就是在学习一些特殊符号的使用。好处：可以简化对字符串的复杂操作。弊端：符号定义越多，正则越长，阅读性越差。任意一个字符表示匹配任意对应的字符，如a匹配a，7匹配7，-匹配-。
[]代表匹配中括号中其中任一个字符，如[abc]匹配a或b或c。
-在中括号里面和外面代表含义不同，如在外时，就匹配-，如果在中括号内[a-b]表示匹配26个小写字母中的任一个；[a-zA-Z]匹配大小写共52个字母中任一个；[0-9]匹配十个数字中任一个。
^在中括号里面和外面含义不同，如在外时，就表示开头， 如＾7[0-9]表示匹配开头是7的，且第二位是任一数字的字符串；如果在中括号里面，表示除了这个字符之外的任意字符(包括数字，特殊字符)，如[^abc]表示匹配出去abc之外的其他任一字符。
.表示匹配任意的字符。
\d表示数字。
\D表示非数字。
\s表示由空字符组成，[ \t\n\r\x\f]。
\S表示由非空字符组成，[^\s]。
\w表示字母、数字、下划线，[a-zA-Z0-9_]。
\W表示不是由字母、数字、下划线组成。
?: 表示出现0次或1次。
+表示出现1次或多次。
*表示出现0次、1次或多次。
{n}表示出现n次。
{n,m}表示出现n~m次。
{n,}表示出现n次或n次以上。
XY表示X后面跟着Y，这里X和Y分别是正则表达式的一部分。
X|Y表示X或Y，比如"food|f"匹配的是foo（d或f），而"(food)|f"匹配的是food或f。
(X)子表达式，将X看做是一个整体。
作者：Vic_is_new_Here 链接：https://www.jianshu.com/p/3c076c6b2dc8
String matches方法。用规则匹配整个字符串，只要有一处不符合规则，就匹配结束，返回false。
class Demo { public static void main(String[] args){ String str="01231231"; String str1="111111111111111";//15个1 String regex="[1-9]\\d{4,14}"; //代表第一个字符为数字，除去第一个字符后的所有字符都为数字且最多有14个 System.out.println(str.matches(regex));//false System.out.println(str1.matches(regex));//true } }String split(String regex);
class Demo { public static void main(String[] args){ String str="D:\\Demo\\Demo.txt"; //一个\为转义字符，需要再加一个转义字符将后面的\转义为字符形式的\，所以两个字符形式的\\就是各需要一个转义字符将其转义 String regex="\\\\"; splitDemo(str,regex); //在正则表达式中.代表任何字符，所以在正则表达式中需要转义字符将其转义即'\.'，但是在字符串中'\.'将'.'转义没有意义，所以需要再加一个转义字符将'\.'转译为在字符串中的两个普通字符 splitDemo("1.2.3.4","\\."); //按照叠词完成切割。 //可以将规则封装成一个组。用()完成。组的出现都有编号。 //从1开始。 想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。 splitDemo("aadnsasssmxksddddasm","(.)\\1+"); } public static void splitDemo(String str,String regex){ String[] arr = str.split(regex); System.out.println(arr.length); for(String s : arr) { System.out.println(s); } System.out.println("---------"); } }我们可以通过括号将多个字符组合为一个单位。例如(ab)。
正则表达式中的每个组都有一个组号，从1开始。
Matcher类中的方法groupCount()返回与Matcher实例相关联的模式中的组数。
组0引用整个正则表达式和不由groupCount()方法报告。
正则表达式中的每个左括号标记新组的开始。
我们可以在正则表达式中返回引用组号。
假设我们要匹配以“abc"开头，后跟“xyz"的文本，后跟“abc"。
我们可以写一个正则表达式为“abcxyzabc"。
我们可以使用反向引用将正则表达式重写为“(abc)xyz \ 1"。
\1 指第1组，即(abc)，\2 引用组2， \3 引用组3，依此类推。
replaceAll(String regex, String replacement); 使用给定的参数 replacement 替换字符串所有匹配给定的正则表达式的子字符串。
如果regex中有定义组，可以在第二参数中通过$符号获取正则表达式中的已有的组。
class Demo { public static void main(String[] args){ String str="dsak1151351dsa213dsad546846"; replaceAllDemo(str,"\\d{5,}","*"); //将字符串中数字连续超过5个（包括5）的替换成* String str1="qqqnxsjkawwwnxszzsjk"; replaceAllDemo(str1,"(.)\\1+","$1");//将字符串中的叠词替换成1个叠词的字符 } public static void replaceAllDemo(String str,String reg,String sign) { str = str.replaceAll(reg,sign); System.out.println(str); } }结论：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。 单独用Pattern只能使用Pattern.matcher(String regex,CharSequence input)一种最基础最简单的匹配。
Pattern类用于创建一个正则表达式,也可以说创建一个匹配模式,它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。 Pattern p=Pattern.compile("\w+"); p.pattern();//返回 \w+ //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 常用方法： 1.Pattern.split(CharSequence input) Pattern有一个split(CharSequence input)方法,用于分隔字符串,并返回一个String[],String.split(String regex)就是通过Pattern.split(CharSequence input)来实现的. Java代码示例: //讲指定的正则表达式加载进Pattern类 Pattern p=Pattern.compile("\\d+"); String[] str=p.split("我的QQ是:456456我的电话是:0532214我的邮箱是:aaa@aaa.com"); 结果:str[0]="我的QQ是:" str[1]="我的电话是:" str[2]="我的邮箱是:aaa@aaa.com" 2.Pattern.matches(String regex,CharSequence input)是一个静态方法,用于快速匹配字符串,该方法适合用于只匹配一次,且匹配全部字符串. Java代码示例: Pattern.matches("\\d+","2223");//返回true Pattern.matches("\\d+","2223aa");//返回false,需要匹配到所有字符串才能返回true,这里aa不能匹配到 Pattern.matches("\\d+","22bb23");//返回false,需要匹配到所有字符串才能返回true,这里bb不能匹配到 3.Pattern.matcher(CharSequence input)：Pattern.matcher(CharSequence input)返回一个Matcher对象. Matcher类的构造方法也是私有的,不能随意创建,只能通过Pattern.matcher(CharSequence input)方法得到该类的实例. 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. Pattern p=Pattern.compile("\d+"); Matcher m=p.matcher(“22bb23”); m.pattern();//返回p 也就是返回该Matcher对象是由哪个Pattern对象的创建的 //将字符串中的符合规则的子串取出。 1.Matcher.matches()/ Matcher.lookingAt()/ Matcher.find() Matcher类提供三个匹配操作方法,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 matches()对整个字符串进行匹配,只有整个字符串都匹配了才返回true Java代码示例: Pattern p=Pattern.compile("\\d+"); Matcher m=p.matcher("22bb23"); m.matches();//返回false,因为bb不能被\d+匹配,导致整个字符串匹配未成功. Matcher m2=p.matcher("2223"); m2.matches();//返回true,因为\d+匹配到了整个字符串 我们现在回头看一下Pattern.matches(String regex,CharSequence input),它与下面这段代码等价 Pattern.compile(regex).matcher(input).matches() lookingAt()对前面的字符串进行匹配,只有匹配到的字符串在最前面才返回true Java代码示例: Pattern p=Pattern.compile("\\d+"); Matcher m=p.matcher("22bb23"); m.lookingAt();//返回true,因为\d+匹配到了前面的22 Matcher m2=p.matcher("aa2223"); m2.lookingAt();//返回false,因为\d+不能匹配前面的aa find()对字符串进行匹配,匹配到的字符串可以在任何位置. Java代码示例: Pattern p=Pattern.compile("\\d+"); Matcher m=p.matcher("22bb23"); m.find();//返回true Matcher m2=p.matcher("aa2223"); m2.find();//返回true Matcher m3=p.matcher("aa2223bb"); m3.find();//返回true Matcher m4=p.matcher("aabb"); m4.find();//返回false 2.Mathcer.start()/ Matcher.end()/ Matcher.group() 当使用matches(),lookingAt(),find()执行匹配操作后,就可以利用以上三个方法得到更详细的信息. start()返回匹配到的子字符串在字符串中的索引位置. 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. group()返回匹配到的子字符串 Java代码示例: Pattern p=Pattern.compile("\\d+"); Matcher m=p.matcher("aaa2223bb"); m.find();//匹配2223 m.start();//返回3 m.end();//返回7,返回的是2223后的索引号 m.group();//返回2223 Mathcer m2=p.matcher("2223bb"); m2.lookingAt(); //匹配2223 m2.start(); //返回0,由于lookingAt()只能匹配前面的字符串,所以当使用lookingAt()匹配时,start()方法总是返回0 m2.end(); //返回4 m2.group(); //返回2223 Matcher m3=p.matcher("2223"); //如果Matcher m3=p.matcher("2223bb"); 那么下面的方法出错，因为不匹配返回false m3.matches(); //匹配整个字符串 m3.start(); //返回0 m3.end(); //返回3,原因相信大家也清楚了,因为matches()需要匹配所有字符串 m3.group(); //返回2223操作步骤：
将正则表达式封装成对象。让正则对象和要操作的字符串相关联。关联后，获取正则匹配引擎。通过引擎对符合规则的子串进行操作，比如取出。 import java.util.regex.*; class Demo { public static void main(String[] args){ String str="zheng ze biao da shi"; String regex="\\b[a-z]{2,}\\b"; // \b在正则表达式中为单词边界 Pattern p= Pattern.compile(regex); Matcher m=p.matcher(str); //m.matches(); //匹配整个字符串，调用该方法后索引位置会发生改变，可能会导致匹配字符的遗漏 //类似于迭代器，先查找字符串中是否有匹配的数据，如果有就获取 while(m.find()){ System.out.println(m.group()); } } }网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。
（部分）
