一、导入
上一篇讲述了有关正则表达式的组成和规则，今天继续讲述。💕💕
二、正则表达式
（一）正则表达式的定义
正则表达式（Regular Expression）是一种用于匹配、查找和替换文本中特定模式的字符串。 它的应用场景包括：
- 数据验证：在用户注册、登录等场景中验证输入的信息是否符合要求。例如，验证电话号码、身份证号码、密码等格式是否正确。
- 文本搜索和替换：在文本编辑器、代码编辑器等工具中，用于查找特定的单词、短语或者代码模式，并进行替换操作。比如，在一篇文档中查找所有的日期格式并统一替换。
- 数据提取：从网页内容、日志文件等大量文本数据中提取特定的信息。例如，从网页的HTML代码中提取所有的链接地址。
（二）规则
能匹配单个字符的规则
| 单字符 | 大多数字符匹配自身 | 正则表达式abc，文本abc | a匹配a，b匹配b，c匹配c |
|---|---|---|---|
| 方括号 | []定义字符类，匹配其一 | [abc]，文本a、b或c | [abc]能匹配a、b或者c |
| 排除字符类^ | []开头加^，匹配其余字符 | [^abc]，文本d | [^abc]匹配除a、b、c之外的字符，如d |
能匹配很多规则的字符
| . | 匹配除换行外单个字符 | a.c，文本abc、a&c等 | a.c可匹配多种，只要中间是一非换行字符 |
|---|---|---|---|
| \d | 等价[0-9]，匹配数字 | \d{3}，文本123、456 | \d{3}匹配连续3个数字 |
| \D | 等价[^0-9]，匹配非数字 | \D+，文本abc | \D+匹配至少一个非数字字符，如abc |
| \w | 等价[a-zA-Z0-9_]，匹配相关字符 | \w+，文本abc、abc123、abc_ | \w+匹配对应字符串 |
| \W | 等价[^a-zA-Z0-9_]，匹配其他 | \W，文本& | \W匹配非字母等字符，如& |
| \s | 匹配空白字符 | a\sb，文本a b | a\sb匹配含空白字符串 |
| \S | 匹配非空白字符 | \S+，文本abc | \S+匹配至少一个非空白字符，如abc |
上一节课，我们介绍的规则都是只能匹配一个字符的规则，接下来，我们来学习如何去匹配多个字符的规则。
量词
| * | 匹配前面0次或多次 | a*，文本""、a、aa等 | a*可匹配空、a及多个a |
|---|---|---|---|
| + | 匹配前面至少1次 | a+，文本a、aa等 | a+匹配a及多个a，不匹配空 |
| ? | 匹配前面最多1次 | a?，文本""、a | a?匹配空或a |
| {n} | 匹配前面恰好n次 | a{3}，文本aaa | a{3}匹配aaa |
| {n,} | 匹配前面至少n次 | a{2,}，文本aa、aaa等 | a{2,}匹配多个a，至少2个 |
| {n,m} | 匹配前面n到m次 | a{1,3}，文本a、aa、aaa | a{1,3}匹配1到3个a |
特殊规则
除了上述规则之后，还有几条特殊的规则也需要介绍。
| 规则类型 | 具体规则 | 示例 | 说明 |
|---|---|---|---|
| 非贪婪 | 贪婪后加?，少匹配 | a*?，文本aaaa | a*?在aaaa中先匹配一个a |
| 锚点 - ^ | 匹配行首 | ^abc，文本abc abc | ^abc匹配以abc开头行，逐行判断 |
| 锚点 - $ | 匹配行尾 | abc$，文本abc abc | abc$匹配以abc结尾行，逐行判断 |
| 位置匹配（锚点 - 单词边界） | 匹配单词边界 | \bcat\b，文本cat、category | \bcat\b匹配独立cat，不匹配category中cat部分 |
| 分组匹配() | 用()创建，可提取子串 | (abc)+，文本abc、abcabc | (abc)+匹配abc多次，可提取子串 |
（三）案例一：查找字符串中的数字
代码
package reg
object reg01 {
def main(args: Array[String]): Unit = {
// 1. 定义正则表达式
val reg = "\\d".r
// 2. 给定要检查（查找）的目标字符串
val target = "I like 我喜欢 数字 3,6,8!"
println("找到的结果是：")
reg.findAllIn(target).foreach(println)
}
}
结果展示
代码分析
\\d是一个正则表达式规则，表示匹配任意一个数字字符- 在Scala中，字符串后加上
.r方法可以将其转换为正则表达式对象 findAllIn方法会在目标字符串中查找所有匹配的子串- 这里找到了字符串中的三个数字：3、6、8
（四）量词的使用
代码
package reg
object reg02 {
def main(args: Array[String]): Unit = {
// 1. 定义正则表达式
val reg = "^1\\d{10}$".r // 第一位是1，后边跟10个数字
// 2. 给定要检查（查找）的目标字符串
val target = "13276245321"
println("找到的结果是：")
reg.findAllIn(target).foreach(println)
}
}
结果展示
代码分析
^表示字符串开头，$表示字符串结尾\d{10}表示正好10个数字字符^1\d{10}$整体表示：以1开头，后面跟10个数字，总长度为11位的字符串- 这个正则表达式可以用于验证11位数字字符串，但不完全符合手机号规则
（五）案例：验证手机号格式
代码
package reg
object reg03 {
def main(args: Array[String]): Unit = {
// 手机号的第二位：3,5,6,7,8,9
val reg = "^1[356789]\\d{9}$".r // 第一位是1，第二位是356789中的某一个，后边跟9个数字
// 2. 给定要检查（查找）的目标字符串
val target = "13276245321"
println("找到的结果是：")
reg.findAllIn(target).foreach(println)
}
}
结果展示
代码分析
1[356789]表示第一位必须是1，第二位必须是3、5、6、7、8、9中的一个\d{9}表示后面必须是9个数字- 这个正则表达式更准确地匹配了中国大陆的手机号格式
- 目前中国大陆手机号第二位通常是3、4、5、6、7、8、9
（六）案例：手机号脱敏处理
代码
package reg
object reg04 {
def main(args: Array[String]): Unit = {
// 1. 读入文件：根目录下的address.txt
val source = scala.io.Source.fromFile("address.txt").mkString
// 2. 识别手机号并进行分组
val reg = "(1[3456789]\\d)(\\d{4})(\\d{4})".r
// 3. 替换，将中间4位替换为****
val newSource = reg.replaceAllIn(source, m => {
println(m.group(0))
println(m.group(1))
println(m.group(2))
println(m.group(3))
m.group(1) + "****" + m.group(3)
})
// 4. 输出文件
val writer = new java.io.PrintWriter("address_new.txt")
writer.write(newSource)
writer.close()
}
}
结果展示
代码分析
(1[3456789]\d)：第一个分组，匹配手机号前3位(\d{4})：第二个分组，匹配中间4位(\d{4})：第三个分组，匹配最后4位replaceAllIn方法使用回调函数处理每个匹配项m.group(0)获取整个匹配的字符串m.group(1)、m.group(2)、m.group(3)分别获取三个分组的内容- 将中间4位替换为
****，实现手机号脱敏
三、总结
通过本课的学习，我们掌握了：
- 正则表达式的基本概念：正则表达式是一种强大的文本处理工具，用于匹配、查找和替换特定模式的字符串。
- Scala中的正则表达式使用：
- 使用字符串的
.r方法创建正则表达式对象 - 使用
findAllIn查找所有匹配项 - 使用
replaceAllIn进行替换操作
- 使用字符串的
- 核心规则掌握：
- 字符类：
\d（数字）、\w（单词字符）等 - 量词：
{n}（正好n次）、{n,}（至少n次）、{n,m}（n到m次） - 锚点：
^（开头）、$（结尾） - 分组：
()用于分组和提取子串
- 字符类：
