正则表达式处理文本

1.校验文本内容

在 Java 中，正则相关的类在 java.util.regex 中，其中最常用的是 Pattern 和 Matcher， Pattern 是正则表达式对象，Matcher是匹配到的结果对象，Pattern 和字符串对象关联，可以得到一个 Matcher。下面是 Java 中匹配的示例：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

class Main {
  public static void main(String[] args) {
    //方法1，可以不加 A 和 z
    System.out.println(Pattern.matches("d{4}-d{2}-d{2}", "2020-06-01")); // true

    //方法2，可以不加 A 和 z
    System.out.println("2020-06-01".matches("d{4}-d{2}-d{2}")); // true
  
    //方法3，必须加上 A 和 z
    Pattern pattern = Pattern.compile("Ad{4}-d{2}-d{2}z");
    System.out.println(pattern.matcher("2020-06-01").find()); // true
  }
}

2.提取文本内容

内容提取，就是从大段的文本中抽取出我们关心的内容。比较常见的例子是网页爬虫，或者说从页面上提取邮箱、抓取需要的内容等。如果要抓取的是某一个网站，页面样式是一样的，要提取的内容都在同一个位置，可以使用 xpath 或 jquery选择器等方式，否则就只能使用正则来做了。

在 Java 中，可以使用 Matcher 的 find 方法来获取查找到的内容，就像下面这样：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

class Main {
  public static void main(String[] args) {  
    Pattern pattern = Pattern.compile("d{4}-d{2}");
    Matcher match = pattern.matcher("2020-06 2020-07");
    while (match.find()) {
      System.out.println(match.group());  
    }
  }
}

3.替换文本内容

在 Java 中，一般是使用 replaceAll 方法进行替换，一次性替换所有的匹配到的文本。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

class Main {
  public static void main(String[] args) {
    //方法1，输出 2020年02月20日 2020年05月21日
    System.out.println("02-20-2020 05-21-2020".replaceAll("(d{2})-(d{2})-(d{4})", "$3年$1月$2日"));
  
    //方法2，输出 2020年02月20日 2020年05月21日
    final Pattern pattern = Pattern.compile("(d{2})-(d{2})-(d{4})");
    Matcher match = pattern.matcher("02-20-2020 05-21-2020");
    System.out.println(match.replaceAll("$3年$1月$2日"));
  }
}

4.切割文本内容

import java.util.regex.Matcher;
import java.util.regex.Pattern;

class Main {
  public static void main(String[] args) {
    Pattern pattern = Pattern.compile("W+");
    for(String s : pattern.split("apple, pear! orange; tea")) {
      System.out.println(s);
    }
  }
}