Java正则提取字符串|极客笔记

Java正则提取字符串

在Java中，正则表达式是一种强大的工具，用于匹配字符串模式。通过正则表达式，我们可以从给定的文本中提取特定的字符串。本文将详细介绍如何在Java中使用正则表达式来提取字符串。

1. 使用Pattern和Matcher类

Java提供了java.util.regex包来支持正则表达式。其中Pattern类用于表示正则表达式，Matcher类用于匹配字符串。下面是一个简单的示例，演示如何使用Pattern和Matcher类来提取字符串。

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

public class RegexDemo {
    public static void main(String[] args) {
        String text = "Hello, my email is john@example.com and my phone number is 123-456-7890.";
        String emailRegex = "\\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Z|a-z]{2,}\\b";
        String phoneRegex = "\\b\\d{3}-\\d{3}-\\d{4}\\b";

        Pattern emailPattern = Pattern.compile(emailRegex);
        Matcher emailMatcher = emailPattern.matcher(text);

        while (emailMatcher.find()) {
           System.out.println("Email found: " + emailMatcher.group());
        }

        Pattern phonePattern = Pattern.compile(phoneRegex);
        Matcher phoneMatcher = phonePattern.matcher(text);

        while (phoneMatcher.find()) {
           System.out.println("Phone number found: " + phoneMatcher.group());
        }
    }
}

在上面的示例中，我们首先定义了一个包含email和电话号码的文本字符串。然后定义了email和电话号码的正则表达式。接着使用Pattern类编译正则表达式，然后使用Matcher类进行字符串匹配。最后输出找到的email和电话号码。

2. 使用正则表达式提取URL

除了提取email和电话号码之外，我们还可以使用正则表达式来提取URL。下面是一个示例代码，演示如何提取文本中的URL。

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

public class UrlExtractor {
    public static void main(String[] args) {
        String text = "Visit my blog at http://www.example.com for more information. You can also check out http://www.google.com for search engine.";
        String urlRegex = "(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]";

        Pattern urlPattern = Pattern.compile(urlRegex);
        Matcher urlMatcher = urlPattern.matcher(text);

        while (urlMatcher.find()) {
           System.out.println("URL found: " + urlMatcher.group());
        }
    }
}

在上面的示例中，我们定义了一个包含URL的文本字符串。然后定义了提取URL的正则表达式。接着使用Pattern类编译正则表达式，然后使用Matcher类进行字符串匹配。最后输出找到的URL。

3. 使用正则表达式提取HTML标签内容

在处理网页数据时，经常需要提取HTML标签内的内容。下面是一个示例代码，演示如何提取文本中的HTML标签内容。

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

public class HtmlTagExtractor {
    public static void main(String[] args) {
        String html = "<div class='container'><h1>Title</h1><p>Content</p></div>";
        String tagRegex = "<[^>]+>";

        Pattern tagPattern = Pattern.compile(tagRegex);
        Matcher tagMatcher = tagPattern.matcher(html);

        while (tagMatcher.find()) {
           System.out.println("HTML tag found: " + tagMatcher.group());
        }        
    }
}

在上面的示例中，我们定义了一个包含HTML标签的文本字符串。然后定义了提取HTML标签的正则表达式。接着使用Pattern类编译正则表达式，然后使用Matcher类进行字符串匹配。最后输出找到的HTML标签。