爬虫
正则表达式的作用
作用1：校验字符串是满足规则
作用2：在一段文本中查找满足需要的内容
本地爬虫和网络爬虫
Pattern类 表示正则表达式
Matter类 文本编译器，作用按照正则表达式的规则去读取字符串，从头开始读取，在大串中去找符合匹配规则的子串
方法底层会根据find方法记录的索引进行字符串的截取
subString（起始索引，结束索引）
包头不包尾
爬取第一个
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main {
public static void main(String[] args) {
String str="Java自从问世以来,经历了很多版本,目前企业中" +
"用的最多的是Java8和Java11,因为这两个是长期支" +
"持的版本,下一个长期支持的版本是Java17,相信在" +
"未来不久Java17也会逐渐登上历史舞台";
//创建Partton类 表示正则表达式
//Matter类 文本编译器，作用按照正则表达式的规则去读取字符串
//从头开始读取，在大串中去找符合匹配规则的子串
Pattern p=Pattern.compile("Java\\d{0,2}");
Matcher m= p.matcher(str);
m.find();
//拿着文本匹配器从头开始读取，查找是否有满足规则的子串
//返回值true false
//还会记录子串的起始索引 结束索引+1
//方法底层会根据find方法记录的索引进行字符串的截取
//subString（起始索引，结束索引）
//包头不包尾
String s=m.group();
System.out.println(s);
}
}依次爬取
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main {
public static void main(String[] args) {
String str="Java自从问世以来,经历了很多版本,目前企业中" +
"用的最多的是Java8和Java11,因为这两个是长期支" +
"持的版本,下一个长期支持的版本是Java17,相信在" +
"未来不久Java17也会逐渐登上历史舞台";
//method(str);
//获得正则表达式的对象
Pattern p=Pattern.compile("Java\\d{0,2}");
//获得文本匹配器的对象
//拿着m去读取str 找符合p规则的子串
Matcher m= p.matcher(str);
//用循环爬取
while(m.find()){
String s=m.group();
System.out.println(s);
}
}
private static void method(String str) {
//创建Partton类 表示正则表达式
//Matter类 文本编译器，作用按照正则表达式的规则去读取字符串
//从头开始读取，在大串中去找符合匹配规则的子串
Pattern p=Pattern.compile("Java\\d{0,2}");
Matcher m= p.matcher(str);
m.find();
//拿着文本匹配器从头开始读取，查找是否有满足规则的子串
//返回true false
//还会记录子串的起始索引 结束索引+1
//方法底层会根据find方法记录的索引进行字符串的截取
//subString（起始索引，结束索引）
//包头不包尾
String s=m.group();
System.out.println(s);
}
}爬取网站中的内容
有条件的爬取数据
定义正则表达式
String regex ="Java(?=8|11|17)"?表示前面的数据Java (替代的占位符)
=表示在Java后面要跟随的数据
这样写的意思是，在获取的时候，只获取前半部分
先获取到正则表达式的对象
再传递给文本解析器对象
Pattern p = Pattern.compile(regex);
Matcher m=p.matcher(str);最后用文本解析器调用方法
while（m.find）{
m.group();
}find（）
如果找到了
方法返回值为true
并且把字符串始末索引加一后进行记录
group（）
会按照find记录的索引去记录字符串
（（？i）Java）表示不计Java的大小写
需求1
需求2
需求3
！表示非
贪婪爬取和非贪婪爬取
贪婪爬取：在爬取数据的时候尽可能多获取数据
非贪婪爬取：在爬取数据的时候尽可能少获取数据
正则表达式在字符串方法中的使用
练习
快捷键ctr l + p查看方法参数
[\ \w && [ ^ _ ]]+
在前面的范围中去掉下划线_ 得到数字和字母至少出现一次
replaceAll（）方法
this表示当前方法调用者的地址值
方法在底层跟之前一样也会创建文本解析器的对象
然后从头开始去读取字符串中的内容，只要有满足的
那么就用第二个参数去替换
split（）方法
按照正则表达式下刀切割 在放入字符串数组 返回
在API文档中查找
个人号推广
博客主页
多多!-CSDN博客
Web后端开发
https://blog.csdn.net/qq_30500575/category_12624592.html?spm=1001.2014.3001.5482
Web前端开发
https://blog.csdn.net/qq_30500575/category_12642989.html?spm=1001.2014.3001.5482
数据库开发
https://blog.csdn.net/qq_30500575/category_12651993.html?spm=1001.2014.3001.5482
项目实战
https://blog.csdn.net/qq_30500575/category_12699801.html?spm=1001.2014.3001.5482
算法与数据结构
https://blog.csdn.net/qq_30500575/category_12630954.html?spm=1001.2014.3001.5482
计算机基础
https://blog.csdn.net/qq_30500575/category_12701605.html?spm=1001.2014.3001.5482
回忆录
https://blog.csdn.net/qq_30500575/category_12620276.html?spm=1001.2014.3001.5482
