正則表示式入門(java,python版本)
阿新 • • 發佈：2019-02-01
目錄
本文目標
正則表示式到底是什麼
正則表示式可以用來做什麼
基本語法
元字元
例項
本文目標
快速讓你知道真這個表示式是什麼，對正則表示式的概念有基本的瞭解，並且能夠在不同的程式語言中使用它。
正則表示式到底是什麼
正則表示式,（英語：Regular Expression，在程式碼中常簡寫為regex、regexp或RE），是電腦科學的一個概念。正則表示式使用單個字串來描述、匹配一系列匹配某個句法規則的字串。
注意上文加粗的‘概念’，即用英文來說，叫做concept。顯然，正則表示式是跟程式語言無關的，因此，我們可以使用任何程式語言去實現和使用它。幸運的是，絕大多數程式語言都已經實現了正則表示式，並且提供了相應的類或者API介面，我們可以在程式中直接使用它，而無需去考慮底層是如何實現的。
正則表示式可以用來做什麼
1 驗證字串是否符合指定特徵，比如驗證是否是合法的郵件地址。
2 用來查詢字串，從一個長的文字中查詢符合指定特徵的字串
3 用來替換，比普通的替換更強大
4 等等…
基本語法
一個正則表示式通常被稱為一個模式（pattern），為用來描述或者匹配一系列匹配某個句法規則的字串。 語法很簡單，就是一個“字串”。 例如： "hello Regular Expression" 這個字串: 我們可以用下面語法來篩選出來： 1"hello Regular Expression" 2 "hello*" 3 "hello.+" 4 "hello .+n" ... 這些**描述**篩選出來，這裡我們可以先不用管裡面的"*",".","+"是什麼意思，我們只需知道這個可以作為一個正則表示式的表示形式(基本語法)。
元字元
上面的".","*","+"等字元都是正則表示式中的元字元，關於元字元的講述，可以再新開一篇文章來講解，這裡提供一個正則表示式元字元含義的講解連結，**請認真瀏覽完此頁面再檢視本文章的後面的內容。**
為了避免轉載侵權和防止和諧，這裡提供百度的地址：
字元轉義：
這裡仍然有一個問題：如果我們需要匹配元字元本身，該如何處理？ 那麼就需要用到字元轉義符號：'\'。 例如，如果我們需要從"test * test"匹配出 "*"這個符號， 那麼正則表示式就要寫成： "\*"，而不是"*", 值得注意的是轉義字元本身： 如果我們需要從"test \ test"匹配出 "\"這個符號， 那麼正則表示式就要寫成： "\\\\"，而不是"\\"。
例項
上面看了這麼多，接下來我們來看看具體的應用例項吧，以加深我們的印象。
下面的例子只提供了Python和Java版本，其它語言類似，可自行參考相應語言的API文件。
- 匹配出網頁中的title標籤和其中的內容
python 程式碼：
#!/usr/bin/python
# coding=utf-8
import re
reg_str = """
<!DOCTYPE html>
<html>
<head>
<title>我是title</title>
</head>
<body>
</body>
</html>
"""
reg1 = u"<title>.+</title>"
reg2 = u"<title>.*</title>"
rst1 = re.search(reg1, reg_str)
rst2 = re.search(reg2, reg_str)
print rst1 and rst1.group()
print rst2 and rst2.group()
結果:
我是title
我是title
[Finished in 0.0s]
java 程式碼：
package regular_expression;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Chapter1 {
public static void main(String []args) {
String reg_str = "<!DOCTYPE html><html><head> <title>我是title</title></head><body></body></html>";
String reg1 = "<title>.+</title>";
String reg2 = "<title>.*</title>";
Pattern p1=Pattern.compile(reg1);
Matcher m1=p1.matcher(reg_str);
Pattern p2=Pattern.compile(reg2);
Matcher m2=p2.matcher(reg_str);
if (m1.find()) {
System.out.println(m1.group());
}
if (m2.find()) {
System.out.println(m2.group());
}
}
}
結果：
<title>我是title</title>
<title>我是title</title>結果解釋：
"<title>.+</title>"
# . 是正則表示式裡面的元字元，檢視元字元的文件可知，.表示 “匹配除換行符以外的任意字元”，因此他會匹配出
# <title>和</title>之間的任何非換行符。
# +也是正則表示式中的元字元，+表示匹配一次或者多次(即至少匹配一次，同{1,})
# 因此這個正則最終的意思就是 匹配<title>和</title>之間的任何非換行符，並且至少匹配一次
# 同理 *表示0次或多次，即匹配<title>和</title>之間的任何非換行符，並且至少匹配0次。
兩個的差別就是：
+不能匹配出 “<title></title>”字串
*可以匹配出 “<title></title>”字串
因為<title>和</title>之間一個字元也沒有，所以需要*才能匹配。統計字串中所有詞的詞性的個數
Python程式碼：
#!/usr/bin/python
# coding=utf-8
import re
reg_str = """
詞語1 \q
詞語2 \w
詞語3 \ee
詞語1 \q
詞語5 \w
詞語6 \e
詞語7 \c
"""
reg = u"\\\\[a-z]{1,2}"
rst2 = re.finditer(reg, reg_str)
# 詞性個數
count_map = {}
for m in rst2:
value = m.group()
if (count_map.get(value)):
count_map[value] = count_map[value] + 1
else:
count_map[value] = 1
for k,v in count_map.items():
print '詞性{}的個數為{}'.format(k,v)結果：
詞性\c的個數為1
詞性\w的個數為2
詞性\e的個數為1
詞性\ee的個數為1
詞性\q的個數為2
[Finished in 0.0s]
java程式碼：
package regular_expression;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.HashMap;
import java.util.Map.Entry;
public class Chapter1 {
public static void main(String []args) {
String reg_str = "詞語1 \\q詞語2 \\w詞語3 \\ee詞語1 \\q詞語5 \\w詞語6 \\e詞語7 \\c";
String reg ="\\\\[a-z]{1,2}";
Pattern p=Pattern.compile(reg);
Matcher m=p.matcher(reg_str);
// 詞性個數
HashMap<String, Integer> count_map = new HashMap<String, Integer>();
String value = "";
while (m.find()) {
value = m.group();
if (count_map.get(value) != null) {
count_map.put(value, count_map.get(value) + 1);
} else {
count_map.put(value,1);
}
}
for (Entry<String, Integer> entry: count_map.entrySet()){
System.out.println("詞性"+entry.getKey()+"的個數為"+ Integer.toString(entry.getValue()));
}
}
}
結果：
詞性\q的個數為2
詞性\c的個數為1
詞性\e的個數為1
詞性\w的個數為2
詞性\ee的個數為1
結果解釋：
“\\[a-z]{1,2} 表示匹配 ‘\’符號加上後面的任意1-2個英文小寫字母。
即：\字母 表示詞性的話，那麼這個正則就已經把所有詞的詞性的個數都已經篩選出來。最後再經過詞性的map操作，就把所有詞性的個數計算出來了。
PS：至於為什麼是\\\\，文章前面已經提到。