Java学习笔记------常用API（五）

爬虫

从网站中获取

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class date {public static void main(String[] args) throws IOException {//创建一个URL对象,获取网址URL url=new URL("https://zhuanlan.zhihu.com/p/465034540");//细节，保持网络畅通URLConnection conn=url.openConnection();//创建一个对象去读取网络中的数据BufferedReader br=new BufferedReader(new InputStreamReader(conn.getInputStream()));//获取正则表达式对象Pattern p=Pattern.compile("Java\\d{0,2}");//在读取时每次读一行String line;while((line=br.readLine())!=null){//文本适配器获取正则表达式规定文本Matcher m= p.matcher(line);while (m.find()){System.out.println(m.group());}}br.close();}
}

上述代码运行后即可获得Java？(?为空或数字)

带条件获取

只获取Java1和7，其他版本只要Java，可以这样写正则表达式"Java(?=1|7)"即可

java无视大小写可以这样写"((?i)Java)",

去掉1和7这样写"Java(?!1|7)"

只获取1和7，这样写"Java(?：1|7)"或者"Java(1|7)"

贪婪爬取

贪婪爬取：在爬取数据的时候尽可能多爬取数据

非贪婪爬取：在爬取数据的时候尽可能少爬取数据

例如：String str="abbbbbbbbb"；

正则表达式为"ab+"会获取abbbbbbbbb

为"ab+?"则获取ab

正则表达式在字符串方法中使用

public String[] matches(String regex) //判断字符串是否满足正则表达式规则

public String replaceAll(String regex,String newStr) //按照正则表达式的规则进行替换

public String[] split(String regex) //按照正则表达式的规则切割字符串，数组接受

分组

正则表达式分组，每组是有组号的，也就是序号

规则：从一开始连续不间断，以左括号为基准，最左边为第一组，依次类推

（\组号）：这一组内容和（\后面组号）的组内容相同

例如：（.+）(.+)(\\1) 即第三组与第一组一致

*：作用于某一组（写在后面），表示后面重复的内容出现0次或多次

例如：（.+)\\1*

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;import static java.util.regex.Pattern.matches;public class date {public static void main(String[] args) throws IOException {String s="(.+)(123)(\\1*)";System.out.println("aaa123aaaaaa". matches(s));//true}
}