正则表达式

Yang大约 4 分钟

| 表达式 | 说明 |
| :-------------------------- | ------------------------------------ | ------------------ |
| A | 精准匹配单个字符 |
| x | y | 允许出现的两个字符 |
| [xyz] | 字符集合，允许出现集合内任意单个字符 |
| [a-z]
[A-Z]
0-9 | 字符范围 |
| [^xyz]
[^0-9] | 集合内字符不允许出现 |

元字符

表达式	说明
`\d`	匹配任意单个数字
`\D`	匹配 `\d` 规则之外的任意单个字符
`\w`	匹配任意单个字母数字下划线
`\W`	匹配 `\w` 规则之外的任意单个字符
`\s`	匹配单个空格
`\n`	匹配单个换行符
`.`	匹配任意单个字符（换行符除外）
`\.`	特殊字符，只匹配 `.`

多次重复匹配

表达式	说明
`{m}`	精准匹配 `m` 次
`{m,}`	最少出现 `m` 次
`{m,n}`	最少出现 `m` 次，最多出现 `n` 次
`*`	可以出现零次至无限次，相当于 `{0,}`
`+`	最少出现一次，相当于 `{1,}`
`?`	做多出现一次，相当于 `{0,1}`

定位匹配

表达式	说明
`^`	头匹配
`$`	尾匹配
`^$`	头尾匹配

贪婪与非贪婪

正则表达式默认使用贪婪模式

贪婪模式

在满足条件的情况下尽可能多的匹配到字符串

非贪婪模式

在满足条件的情况下尽可能少的匹配到字符串

在（描述数量）表达式末尾添加 ? 表示非贪婪模式

表达式分组

用 () 将表达式分组为多个子表达式

Java 中的正则表达式

Pattern
- 方法
  - compile：创建正则表达式对象
  - matcher：匹配正则表达式
  - find：查找匹配结果
  - group：对应正则表达式分组 ()

<!DOCTYPE html>
<html>
  <head>
    <meta charset="UTF-8" />
    <title>国际主要城市</title>
  </head>
  <body>
    <h1>国际主要城市</h1>
    <ul>
      <li>纽约NewYork</li>
      <li>伦敦London</li>
      <li>东京Tokyo</li>
      <li>巴黎Paris</li>
      <li>香港HongKong</li>
      <li>新加坡Singapore</li>
      <li>悉尼Sydney</li>
      <li>米兰Milano</li>
      <li>上海Shanghai</li>
      <li>北京Beijing</li>
      <li>马德里Madrid</li>
      <li>莫斯科Moscow</li>
      <li>首尔Seoul</li>
      <li>曼谷Bangkok</li>
      <li>多伦多Toronto</li>
      <li>布鲁塞尔Brussels</li>
      <li>芝加哥Chicago</li>
      <li>吉隆坡KualaLumpur</li>
      <li>孟买Mumbai</li>
      <li>华沙Warsaw</li>
      <li>圣保罗SaoPaulo</li>
      <li>苏黎世Zurich</li>
      <li>阿姆斯特丹Amsterdam</li>
      <li>墨西哥城MexicoCity</li>
      <li>雅加达Jakarta</li>
      <li>都柏林Dublin</li>
      <li>曼谷Bangkok</li>
      <li>台北Taipei</li>
      <li>伊斯坦布尔Istanbul</li>
      <li>里斯本Lisbon</li>
      <li>罗马Rome</li>
      <li>法兰克福Frankfurt</li>
      <li>斯德哥尔摩Stockholm</li>
      <li>布拉格Prague</li>
      <li>维也纳Vienna</li>
      <li>布达佩斯Budapest</li>
      <li>雅典Athens</li>
      <li>加拉加斯Caracas</li>
      <li>洛杉矶LosAngeles</li>
      <li>新西兰NewZealand</li>
      <li>圣地亚哥SanDiego</li>
      <li>布宜诺斯艾利斯BuenosAires</li>
      <li>华盛顿Washington</li>
      <li>墨尔本Melbourne</li>
      <li>约翰内斯堡Johannesburg</li>
      <li>亚特兰大Atlanta</li>
      <li>巴塞罗那Barcelona</li>
      <li>旧金山SanFrancisco</li>
      <li>马尼拉Manila</li>
      <li>波哥大Bogota</li>
      <li>特拉维夫TelAviv-Yafo</li>
      <li>新德里NewDelhi</li>
      <li>迪拜Dubai</li>
      <li>布加勒斯特Bucharest</li>
      <li>奥斯陆Oslo</li>
      <li>柏林Berlin</li>
      <li>赫尔辛基Helsinki</li>
      <li>日内瓦Geneva</li>
      <li>利雅得Riyadh</li>
      <li>哥本哈根Copenhagen</li>
      <li>汉堡Hamburg</li>
      <li>开罗Cairo</li>
      <li>卢森堡Luxembourg</li>
      <li>班加罗尔Bangalore</li>
      <li>达拉斯Dallas</li>
      <li>科威特城Kuwaitcity</li>
      <li>波士顿Boston</li>
      <li>慕尼黑Munich</li>
      <li>迈阿密Miami</li>
      <li>利马Lima</li>
      <li>基辅Kiev</li>
      <li>休斯顿Houston</li>
      <li>广州Guangzhou</li>
      <li>贝鲁特Beirut</li>
      <li>卡拉奇Karachi</li>
      <li>索菲亚Sophia</li>
      <li>蒙得维的亚Montevideo</li>
      <li>里约热内卢RioDEJaneiro</li>
      <li>胡志明市HoChiMinhCity</li>
      <li>蒙特利尔Montreal</li>
      <li>内罗毕Nairobi</li>
      <li>巴拿马城Panamacity</li>
      <li>金奈Chennai</li>
      <li>布里斯班Brisbane</li>
      <li>卡萨布兰卡Casablanca</li>
      <li>丹佛Denver</li>
      <li>基多Quito</li>
      <li>斯图加特Stuttgart</li>
      <li>温哥华Vancouver</li>
      <li>麦纳麦MaiNaMai</li>
      <li>危地马拉市Guatemalacity</li>
      <li>开普敦CapeTown</li>
      <li>圣何塞SanJose</li>
      <li>西雅图Seattle</li>
      <li>深圳Shenzhen</li>
      <li>珀斯Perth</li>
      <li>加尔各答Calcutta</li>
      <li>安特卫普Antwerp</li>
      <li>费城Philadelphia</li>
      <li>鹿特丹Rotterdam</li>
      <li>拉各斯Lagos</li>
      <li>波特兰Portland</li>
      <li>底特律Detroit</li>
      <li>曼彻斯特Manchester</li>
      <li>惠灵顿Wellington</li>
      <li>里加Riga</li>
      <li>爱丁堡Edinburgh</li>
      <li>圣彼得堡StPetersburg</li>
      <li>圣迭戈SanDiego</li>
      <li>伊斯兰堡Islamabad</li>
      <li>伯明翰Birmingham</li>
      <li>多哈Doha</li>
      <li>阿拉木图AlmaAtaAlmaty</li>
      <li>卡尔加里Calgary</li>
    </ul>
  </body>
</html>

package com.imooc.regex;

import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.InputStreamReader;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexSample {
	public static void main(String[] args) {
		StringBuilder content = new StringBuilder();
		try {
			FileInputStream fis = new FileInputStream("D:/workspace/regex/WebContent/sample.html");
			InputStreamReader isr = new InputStreamReader(fis,"UTF-8");
			BufferedReader bufferedReader = new BufferedReader(isr);
			String lineText = "";
			while((lineText = bufferedReader.readLine()) != null) {
				// System.out.println(lineText);
				content.append(lineText + "\n");
			}
			bufferedReader.close();
			System.out.println(content);

		} catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}

		// 1.创建正则表达式对象
		Pattern p = Pattern.compile("<li>([\\u4e00-\\u9fa5]{2,10})([a-zA-Z]+)</li>");
		// 2.匹配正则表达式
		Matcher m = p.matcher(content);
		// 3.查找匹配的结果
		while(m.find()) {
		  // System.out.println(m.group(0));
			String chs = m.group(1);
			String eng = m.group(2);
			System.out.println(chs + "-" + eng);
		}
	}
}