Java提取文本文档中的所有网址（小案例介绍正则基础知识）

正则表达式基础以及Java中使用正则查找

定义： 正则表达式是一些用来匹配和处理文本的字符串

正则的基础（先大致了解下）

1. 正则表达式的作用

查找特定的信息（搜索）
替换一些文本（替换）

2. 正则基础知识

1. 元字符

. 匹配除换行符（\n）以外的任何单个字符
w 匹配字母、数字、下划线、汉字
s 匹配任意空白字符（包括空格、制表符、换页符等）
d 匹配数字，匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束

例子：

#匹配abc开头的字符串  
^abd#匹配8位数字的QQ号
^dddddddd$#匹配以153开头的11位数字手机号  
^153dddddddd$

2. 重复限定符

* 重复0次或更多次
+ 重复1次或更多次
? 重复0次或1次
{n} 重复n次
{n,} 重复n次或更多次
{n,m} 重复n到m次

#匹配8位数字QQ号    
^d{8}$#匹配153开头11位手机号  
^(153)d{8}$#匹配身份证号第7到14位（出生日期）    
^d{7,14}$  #匹配以a开头的，0个或者多个以b结尾的字符串
^ab*$

3. 分组

#匹配字符串中包含0到多个ab开头
^(ab)*$

4. 条件或

正则用【|】表示或，当满足分支里任何一种条件时，就会匹配成功

#匹配手机号中联通的手机（联通号段130/131/132等）
^(130|131|132)d{8}$

5. 区间

正则提供‘[]’表示区间条件

[0-9] 限定0到9
[a-z] 限定a-z
[165] 限定某些数字

Java中使用正则表达式

这里会说一个例子：在一段txt文档中找出所有的网址

Java与正则

1. 这里有一段100000000（自己数，我也不知道几个0）行的文本，如图

原始文档

2. 高手写好的匹配url的正则`(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]`当然还有n多种方式

3. Java代码献上

正则表达式匹配使用方式

/*** 参数1 regex:我们的正则字符串* 参数2 就是一大段文本，这里用data表示*/
private String filterSpecialStr(String regex, String data) {//sb存放正则匹配的结果StringBuffer sb = new StringBuffer();//编译正则字符串Pattern p = Pattern.compile(regex);//利用正则去匹配Matcher matcher = p.matcher(data);//如果找到了我们正则里要的东西while (matcher.find()) {//保存到sb中，"\r\n"表示找到一个放一行，就是换行sb.append(matcher.group() + "\r\n");}return sb.toString();
}

4. 这里增加两个文件的读写

Java读取文本文件

private String readFile(String pathName) {//读取到的文件内容放到这个sb里StringBuffer sb = new StringBuffer();//The Java 7 try-with-resources syntax (Automatic Resource Management) is nice （这种写法是Java7的一种语法，自动管理资源，不理解自行百度）try (BufferedReader br = new BufferedReader(new FileReader(pathName))) {String line;while ((line = br.readLine()) != null) {sb.append(line + "\r\n");}System.out.println("读取文件完成");} catch (IOException e) {e.printStackTrace();}return sb.toString();}

Java写入文本文件

private void writeFile(String pathName, String data) {try {//文件不存在的话新建，存在覆盖File file = new File(pathName);file.createNewFile();//The Java 7 try-with-resources syntax (Automatic Resource Management) is nicetry (BufferedWriter bw = new BufferedWriter(new FileWriter(file))) {bw.write(data);bw.flush();System.out.println("文件写入完成");} catch (IOException e) {e.printStackTrace();}} catch (IOException e) {e.printStackTrace();}
}

5. 执行结果

测试代码

把文档.txt读取到Java中，然后处理完，最后写到我指定的文件中

public static void main(String[] args) {//0. 准备好正则String regex = "(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]";//1. 读取文档String data = readFile("F:\\test\\文档.txt");//2. 正则查找String needData = filterSpecialStr(regex, data);//3. 写到某个文件中writeFile("F:\\test\\needData.txt", needData);
}