正则表达式（1）

韩顺平老师课程

正则表达式底层实现

案例分析

给定一段文本（字符串），请找出所有四个数字连在一起的子串，如：1998 2020 2021

public static void main(String[] args) {
   
	String context = "1995年，互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的静态网页能够“灵活”起来，……";
	
	 // \\d 表示一个任意的数字
	String regStr = "\\d\\d\\d\\d";
	
	//创建一个模式对象
	Pattern pattern = Pattern.compile(regStr);
	//创建一个匹配器
	Matcher matcher = pattern.matcher(context);
	//开始匹配
	while(matcher.find()){
   
		System.out.println("找到：" + matcher.group(0));
	}		
}

不考虑分组

matcher.find()

1. 根据指定的规定，定位满足规则的子字符串（比如1995）
2. 找到后将子字符串开始的索引记录到matcher对象的属性 int[] groups;
   groups[0] = 0,把该子字符串结束的索引(3)+1的值 记录到 groups[1] = 4
3. 同时记录oldLast 的值为 子字符串的结束的 索引+1的值即4，即下次执行find时，就从4开始匹配

matcher.group(0)

1. 根据group[0] = 0 和 group[1] = 4 的记录的位置，从context 开始截取子字符串[0,4) 返回
2. 如果再次执行find方法，仍然按照上面分析来执行

考虑分组

分组：正则表达式中有小括号代表分组，第一个()代表第一组……：(\d\d)(\d\d)

matcher.find()

1. 根据指定的规定，定位满足规则的子字符串（比如(19)(95)）
2. 找到后将子字符串开始的索引记录到matcher对象的属性 int[] groups;

2.1 groups[0] = 0,把该子字符串结束的索引(3)+1的值 记录到 groups[1] = 4
2.2 记录第一组()匹配到的字符串: groups[2] = 0, groups[3] = 2
2.3 记录第二组()匹配到的字符串: groups[4] = 2, groups[5] = 4
…… ……

matcher.group()
group(0) 表示匹配到的整体的子字符串
group(1) 表示匹配到的子字符串的第一个分组
group(2) 表示匹配到的子字符串的第二个分组
注：分组数不能越界

正则表达式语法

元字符（Metacharacter)

转义号 \\

在使用正则表达式去检索某些特殊字符的时候，需要用到转义符号\\，否则检索不到结果，甚至会报错。
注：在java的正则表达式中，两个\\代表其它语言中的一个\。
需要用到转义符号的字符：.*+()$/?[]^{}
如找到左括号（：\\(

字符匹配符

说明

默认区分大小写

选择匹配符 |

限定符 *+？{n} {n,} {n,m}

定位符

b-结束位置 B开始位置

分组

捕获分组

非捕获分组（特别分组）

不能通过使用matcher.group(1) 进行获取

非贪婪匹配

应用实例

1. ^[\u0391-\uffe5]+$
2. ^[1-9]\\d{5}$
3. ^[1-9]\\d{4,9}$
4. ^1[3|4|5|8]\\d{9}$

5. 获取URL: ^(https:// | http://)?([\\w-]+\\. )+[\\w-]+(\\/[\\w-?=&/#%.]*)?$

——解题思路
对于https://www.bilibili.com/video/BV1Eq4y1E79W?p=17
1）确定url的开始部分（可0次或1次）：
(https:// | http://)?
2）确定www.bilibili.（字母数字下划线+.）com（字母数字）：
([\\w-]+\\. )+[\\w-]
【注：\\w = [0-9a-zA-Z]，+ 一个或多个】
3）确定后面的部分（/video/BV1Eq4y1E79W?p=17）【可能有可能没有】：
(\\/[\\w-?=&/#%.]*)?
【注：？在外面0次或1次，在里面就是实实在在的问号(.也是如此)；*——0次或多次】