java正則表達式備忘

最近框架和爬蟲上常要處理字符串匹配和替換的場景，備忘。

非貪婪模式

好比要匹配html文本中的鏈接，例如a href="www.abc.com/xyz/o"須要替換爲a href="www.bing.com?q=o"，能夠以下：

    static final String OSCHINA_LINK = "\"(https://www\\.abc\\.net/p/)(.+)\"";
    static Pattern pattern = Pattern.compile(OSCHINA_LINK);
    static String BING_SEARCH = "\"https://cn.bing.com/search?q=$2";

可是此時會致使第一個href="以後的文字到最後一個"之間的內容都是連接地址了，由於java正則默認是貪婪模式。要想在第一個"就結束，須要非貪婪模式，也就是加上?，以下：

    static final String OSCHINA_LINK = "\"(https://www\\.abc\\.net/p/)(.+?)\"";
    static Pattern pattern = Pattern.compile(OSCHINA_LINK);
    static String BING_SEARCH = "\"https://cn.bing.com/search?q=$2";

        Matcher m = pattern.matcher(param.getData().getNewsBody());
        StringBuffer sb = new StringBuffer();
        // 使用find()方法查找第一個匹配的對象
        boolean result = m.find();
        // 使用循環將句子裏全部的表找出並替換爲用戶名.表名，再將內容加到sb裏
        while (result) {
            m.appendReplacement(sb, BING_SEARCH);
            // 繼續查找下一個匹配對象
            result = m.find();
        }
        // 最後調用appendTail()方法將最後一次匹配後的剩餘字符串加到sb裏；
        m.appendTail(sb);

分組替換

還有一個場景是要在全部給定的關鍵字以前加上前綴，例如"abc,bcf,wdf"替換爲"x.abc,x.bcf,x.wdf"，其中關鍵字列表由輸入給定。

這個時候就須要分組替換了，用()進行分組。以下：

String tel = "18304072984";
// 括號表示組，被替換的部分$n表示第n組的內容
tel = tel.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");
System.out.print(tel);   // output: 183****2984

String one = "hello girl hi hot".replaceFirst("(\\w+)\\s+(\\w+)", "a.$2 a.$1"); 
String two = "hello girl hi hot".replaceAll("(\\w+)\\s+(\\w+)", "a.$2 a.$1"); 
System.out.println(one);   // a.girl a.hello hi hot
System.out.println(two);   // a.girl a.hello a.hot a.hi