目录
正则部分定义举例 Java正则部分单子字符串提取数据多子字符串提取数据在日常使用正则表达式的时候，常常就是直接百度匹配这个字符串的正则表达式。正则表达式的规则还是比较多的，一段时间不用就容易忘了。这里就不得不提及两个非常通用的匹配方法贪婪匹配和惰性匹配，在做爬虫或者提取字符串中的数据时，基本使用这两个都能搞定。
正则部分
定义
贪婪匹配:.*
惰性匹配:.*?
.*具有贪婪模式匹配到不能匹配为止
.*?则相反匹配到匹配到一个后，就继续往下匹配不会回溯，具有最小匹配原则性质。
举例
直接上栗子
网上的正则测试也挺多的,这边附上一个链接 在线正则表达式测试
如字符串：{123}}}}
使用{.*}匹配的结果是{123}}}}
使用{.*?}匹配的结果是{123}
这个应该就能很明显看出贪婪与惰性匹配的区别所在了。在爬虫中，我们常常使用.*去匹配我们不需要的字符串，使用.*?来匹配我们需要提取的。
Java正则部分
正则表达式的匹配是不区分编程语言的，但是在语言的使用中也会有一些疑问如：
已经匹配上子字符串了如何提取自己想要的内容？
匹配到了多个子字符串，如何获取到所有匹配到的子字符串中的数据？
find()和matches()的区别是什么？
直接上代码
单子字符串提取数据
现在有这么个需要匹配的字符串，该如何将所有人的名字都提取出来呢
<areas><area>璃月</area></areas>
import org.junit.jupiter.api.Test;import java.util.regex.Matcher;import java.util.regex.Pattern;public class ReTest {@Testpublic void t1(){String xml = "<areas><area>璃月</area></areas>";Pattern compile = pile("<area>(.*?)</area>");Matcher m = compile.matcher(xml);if (m.find()){System.out.println(m.group(0));System.out.println(m.group(1));}}}
<area>璃月</area>璃月
<area>(.*?)</area>中的()是给我们的匹配到的子字符串定义分组，group(0)是匹配到的字符串的全部，而group(1)则是我们定义的匿名分组。
既然有匿名分组，自然有命名分组代码如下
@Testpublic void t2(){String xml = "<areas><area>璃月</area></areas>";Pattern compile = pile("<area>(?<area>.*?)</area>");Matcher m = compile.matcher(xml);if (m.find()){System.out.println(m.group(0));System.out.println("匿名分组:"+m.group(1));System.out.println("命名分组:"+m.group("area"));}}
<area>璃月</area>匿名分组:璃月命名分组:璃月
代码中还有一个方法m.find()，该方法如果找到满足条件的正则表达式就会返回ture。也可以传入一个int,如
m.find(5)表示从字符串的第5位开始匹配。
其实还有一个方法也是匹配字符串m.matches()：该方法是整个原始字符串满足正则才返回true,因此该方法适合于匹配字符串是否满足某个格式时使用，如手机号，身份证，邮箱等。
多子字符串提取数据
如下字符串，如何将所有的area都提取出来？
<areas><area>蒙德</area><area>璃月</area><area>稻妻</area><area>须弥</area></areas>
匹配这个字符串与上面的相同，正则表达式都不需要改变但提取的时候，需要进行循环提取。代码如下
@Testpublic void t3(){String xml = "<areas><area>蒙德</area><area>璃月</area><area>稻妻</area><area>须弥</area></areas>";Pattern compile = pile("<area>(?<area>.*?)</area>");Matcher m = compile.matcher(xml);int start = 0;while (m.find(start)){System.out.println(m.group(1));start = m.end(); // m.end() 返回当前到了哪个位置}}
