Java和Groovy正则使用

2020 年 3 月 10 日
筆記

相信很多人都对正则有很深的交情，毕竟这玩意功能太强了，几乎无处不在。我最长用的正则还是爬虫。爬虫分两类，一种是接口返回json数据的，一种是返回HTML数据的。

对于第一种返回json数据的可以直接用jsonobject解析。而第二种往往用HTML解析类做起来比较麻烦，特别是提取表单信息的时候，所以我直接当做string信息，通过正则表达式提取想要的信息。

下面分享几个案例：

电子书网站爬虫实践
groovy爬虫实例——历史上的今天
爬取720万条城市历史天气数据
记一次失败的爬虫

Java正则

里面用到了一个Java的正则工具类，算是写了Java的正则Demo，代码如下：

package com.fun.utils;    import com.fun.frame.SourceCode;  import org.slf4j.Logger;  import org.slf4j.LoggerFactory;    import java.util.ArrayList;  import java.util.List;  import java.util.regex.Matcher;  import java.util.regex.Pattern;    /**   * 正则验证的封装   */  public class Regex extends SourceCode {        private static Logger logger = LoggerFactory.getLogger(Regex.class);        /**       * 正则校验文本是否匹配       *       * @param text  需要匹配的文本       * @param regex 正则表达式       * @return       */      public static boolean isRegex(String text, String regex) {          return Pattern.compile(regex).matcher(text).find();      }        /**       * 正则校验文本是否完全匹配，不包含其他杂项，相当于加上了^和$       *       * @param text  需要匹配的文本       * @param regex 正则表达式       * @return       */      public static boolean isMatch(String text, String regex) {          return Pattern.compile(regex).matcher(text).matches();      }        /**       * 返回所有匹配项       *       * @param text  需要匹配的文本       * @param regex 正则表达式       * @return       */      public static List<String> regexAll(String text, String regex) {          List<String> result = new ArrayList<>();          Matcher matcher = Pattern.compile(regex).matcher(text);          while (matcher.find()) {              result.add(matcher.group());          }          return result;      }        /**       * 获取匹配项，不包含文字信息，会删除regex的内容       * <p>不保证完全正确</p>       *       * @param text       * @param regex       * @return       */      public static String getRegex(String text, String regex) {          String result = EMPTY;          try {              result = regexAll(text, regex).get(0);              String[] split = regex.split("(\.|\+|\*|\?)");              for (int i = 0; i < split.length; i++) {                  String s1 = split[i];                  if (!s1.isEmpty())                      result = result.replaceAll(s1, EMPTY);              }          } catch (Exception e) {              logger.warn("获取匹配对象失败！", e);          } finally {              return result;          }      }    }

Groovy正则

首先来讲，Groovy完全可以使用Java的正则语法，上面的正则工具类完全适用于Groovy脚本，我的爬虫Demo里面基本上也都是在Groovy脚本里面直接使用的这个工具类。

下面分享一下Groovy语言自己的正则表达式。其中最重要的三个符号=~相当于Java里面的Pattern.compile(regex).matcher(text)，然后==~相当于Pattern.compile(regex).matcher(text).match()，这里不是find()，两者区别请自行搜索，还有一个写法def stra = /.*testw+/，专指正则表达式，使用收尾都加上/而不是"。

下面是我的Demo：

public static void main(String[] args) {          def str = "fantester"          def matcher = str =~ "\wt"          println matcher.find()          println matcher[0]          println matcher.size()          matcher.each {println it}          def b = str ==~ ".*er"          output b            def stra = /.*testw+/            println str ==~ stra            ("fanfanfanfan" =~ "\wf").each {println it}            "fanfanfanfan".eachMatch(/wa/) {println it}    }

控制台输出如下：

INFO-> 当前用户：fv，IP：192.168.0.100，工作目录：/Users/fv/Documents/workspace/fun/,系统编码格式:UTF-8,系统Mac OS X版本:10.15.3  true  nt  2  nt  st  INFO-> true  true  nf  nf  nf  fa  fa  fa  fa    Process finished with exit code 0

Groovy语法还是有很强的可玩性的，虽然基本兼容Java语法，但是深入了解Groovy之后，是可以写出不逊于Python的简洁语法。

郑重声明：文章首发于公众号“FunTester”，禁止第三方（腾讯云除外）转载、发表。