java.util.regex包下的Pattern

每日心得

今天只上了上午的课，因为班上大部分人都感冒了，所以公司放了四天假，来让我们调养。

Pattern

来源于Linux，unix系统，用于处理字符串。其本身包含一个字符串，用于在java中呈现正则表达式，正则表达式是一个字符串，是一种通用的规范，通过这个工具类来使用，正常情况下可跨语言来使用，这个类本身不代表正则表达式。

  Pattern p=Pattern.compile("a*b");//正则表达式
  Matcher m=p.matcher("aaaaab");//进行比较的字符串
  boolean b =m.matches();返回结果

  boolean b=Pattern.matches("a*b","aaaaab");

上方两种代码效果一致，下面一种简写版本，但只适合于练习时使用，一般开发时不会使用，因为如果要多次使用这个正则表达式，就等于重复使用上方三行代码，但那三行代码中部分代码是不需要多次使用的，例如第一行。在多线程并发时，Pattern是线程安全的，但Matcher并不安全。
正则表达式有很多种表现方式，有一点需要注意"\",""，要用四个反斜杠表示java的两个反斜杠，因为是转义字符，像 等必须在前面再加一个符号.在windows系统中，能够识别 换行符， 确认符，但Linux系统不能识别 ，所以有时候当windows的文件转成linux时可能会多出很多 .

  [abc]//匹配中间的一个，需要匹配几个就在后面加几次[abc][abc]类似这种；
  [^abc]//^取反,除abc以外；
  [a-zA-Z]//表示范围，闭区间，范围有限制，与ASCll编码有关，从小到大；单个字符
  [a-d[m-p]]or[a-dm-p]//并集；
  [a-z&&[def]]//取交集，即d，e，f；
  [a-z&&[^bc]]//a-z除bc外；
  [a-z&&[^m-p]]//与上一致；

预定义字符类型

  . //匹配任意字符，在操作系统不同的情况下,可能因为行的原因,会不同，单匹配 . -->"\.”"[.]"；
  d//匹配一个数字；
  D//匹配一个非数字；
  w//[a-zA-Z_0-9],单词字符，匹配这里面的一个
  s//匹配空白字符

边界字符

  ^//以什么开头,用在搜索时;
  $//以什么结尾；

数量词

Greedy(贪婪型)

  X？//一个或者一个都没有
  X*//0个或者更多
  X+//一个或者更多
  X{n}//刚好n次
  X{n,}// 至少n次
  X{n,m}// 至少n次，但是不超过m次

Reluctant(惰性型)

  X??//在贪婪的基础上加一个？，含义一样

Possessvie(支配型)

  X?+//在贪婪的基础上加一个+，含义一样

数量词有三种，它们在进行字符串匹配时并没有区别，但在进行子串查找时会有区别。
第一种：拿整个字符串与正则表达式匹配，如果成功，则返回，不成功，则会去掉最后一个字符，
再次匹配，直到匹配或者去到没有字符为止。

第二种：先读取字符串的第一个字符，与正则表达式进行匹配，若成功，则返回。从当前位置，
继续读取其他字符，进行匹配，如果不成功，则读取下一个字符，和当字符一起和正则表达式
进行匹配；

第三种：拿整个字符串和正则表达式进行匹配，根据数量词的最大数量进行匹配

m.find，用于查询单个，可使用循环语句查询多个。m.group();查询后获值，m.replaceAll()；替换；

分组与捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1 ((A)(B(C)))
2 A
3 (B(C))
4 (C)

零组始终代表整个表达式。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。

还有一个扒取小说的作业，我这个是扒取到指定的文件夹到本地的文本文件：
第一个扒取目录中每个章节的地址：

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class novel{
public static void main(String[] args) throws Exception{
	novelcontent n=new novelcontent();
	String url="https://www.biqugg.com/xs/15300/";
	URLConnection urlConnection = new URL(url).openConnection();
	HttpURLConnection conn = (HttpURLConnection)urlConnection;
	InputStream is = conn.getInputStream();
	BufferedReader reader = new BufferedReader(new InputStreamReader(is,"utf-8"));
	StringBuilder html=new StringBuilder();
	String s =null;
	while((s=reader.readLine())!=null){
		//System.out.println(s);
		html.append(s);
	}
	
	String jh=null;
	Pattern p =Pattern.compile("<div(.+?)《沧元图》正文(.+?)</div>");
	Matcher m=p.matcher(html);
	while(m.find()){
		jh=m.group();
		//System.out.println(jh);
	}
	Pattern p2 =Pattern.compile("<dl>(.+?)</dl>");
	Matcher m2=p2.matcher(jh);
	while(m2.find()){
		jh=m2.group();
		//System.out.println(jh);
	}
	
	Pattern p3 =Pattern.compile("<dd>(.+?)</dd>");
	Matcher m3=p3.matcher(jh);
	while(m3.find()){
		jh+=m3.group();
		
	}
	String jh1=jh;
	String b="**";
	Pattern p4 =Pattern.compile("">(.+?)<");
	Pattern p5 =Pattern.compile(""(.+?)"");
	Matcher m4=p4.matcher(jh);
	Matcher m5=p5.matcher(jh1);
	while(m4.find()&&m5.find()){
		jh=m4.group(1);
		jh1=m5.group(1);
		if(jh.equals("第二十一集 第十章 洞天阁**")){
			jh=jh.replace(b,"");
		}
		n.context(jh1, jh);
	}
}
	
	
}

因为有一个章节中带有号，而文件命名不能使用号，所以将那章的*去除了；
还有一个扒取具体小说内容的类

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class novelcontent {
public static void main(String[] args) throws Exception {
//context("15589163.html","洞天阁");
	
}
	public void context(String urls,String name) throws Exception{
		String path="D://novel//";
		String filenameTemp;
		filenameTemp =path+name+".txt";
		File filename = new File(filenameTemp);
		filename.createNewFile();
		FileWriter fw =new FileWriter(filename);
		BufferedWriter bw=new BufferedWriter(fw);
		String url="https://www.biqugg.com/xs/15300/"+urls;
		URLConnection urlConnection = new URL(url).openConnection();
		HttpURLConnection conn = (HttpURLConnection)urlConnection;
		InputStream is = conn.getInputStream();
		BufferedReader reader = new BufferedReader(new InputStreamReader(is,"utf-8"));
		StringBuilder html=new StringBuilder();
		String s =null;
		while((s=reader.readLine())!=null){
			//System.out.println(s);
			html.append(s);
		}
		String jh=null;
		Pattern p =Pattern.compile("<div id="content"(.+?)</div>");
		Matcher m=p.matcher(html);
		while(m.find()){
			jh=m.group();
			//System.out.println(jh);
		}
		Pattern p2 =Pattern.compile("&nbsp;&nbsp;&nbsp;&nbsp;(.+?)<br />");
		Matcher m2=p2.matcher(jh);
		while(m2.find()){
			jh=m2.group(1);
			 bw.write(jh+"

");
		}
		bw.flush();
		bw.close();
		fw.close();
	}
}

部分注释是测试时候用的。