什么是正则表达式

正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

Java利用正则表达式提取数据

Java正则表达式的用途很广，之前要用到将一大 3M 的 txt 文本切分成多个小文本，用 C# 写的话很简洁，代码也就二十几行，今天用 Java 写了一下，果然，Java 很罗嗦。

切分文件的代码就不贴了，主要贴一下怎么使用正则表达式将大字符串进行分组：

比如，现在有一个 endlist.txt 文本文件，内容如下：

1300102,北京市1300103,北京市1300104,北京市1300105,北京市1300106,北京市1300107,北京市1300108,北京市1300109,北京市1300110,北京市1300111,北京市1300112,北京市1300113,北京市1300114,北京市1300115,北京市1300116,北京市1300117,北京市1300118,北京市1300119,北京市

七位数字代表手机号码的前七位，后面的汉字表示号码归属地。现在我要将这些内容按照 130 131 132... 开头分别写到 130.txt 131.txt 132.txt.....这些文件中。

public static void main(String args[]) { File file = null; BufferedReader br = null; StringBuffer buffer = null; String childPath = "src/endlist.txt"; String data = ""; try { file = new File(childPath); buffer = new StringBuffer(); InputStreamReader isr = new InputStreamReader(new FileInputStream(file), "utf-8"); br = new BufferedReader(isr); int s; while ((s = br.read()) != -1) { buffer.append((char) s); } data = buffer.toString(); } catch (Exception e) { e.printStackTrace(); } Map<String, ArrayList<String>> resultMap = new HashMap<String, ArrayList<String>>(); for (int i = 0; i < 10; i++) { resultMap.put("13" + i, new ArrayList<String>()); } Pattern pattern = Pattern.compile("(\\d{3})(\\d{4},[\u4e00-\u9fa5]*\\n)"); Matcher matcher = pattern.matcher(data); while (matcher.find()) { resultMap.get(matcher.group(1)).add(matcher.group(2)); } for (int i = 0; i < 10; i++) { if (resultMap.get("13" + i).size() > 0) { try { File outFile = new File("src/13" + i + ".txt"); FileOutputStream outputStream = new FileOutputStream(outFile); OutputStreamWriter writer = new OutputStreamWriter(outputStream, "utf-8"); ArrayList<String> tempList = resultMap.get("13" + i); for (int j = 0; j < tempList.size(); j++) { writer.append(resultMap.get("13" + i).get(j)); } writer.close(); outputStream.close(); } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } } } }

第24行使用正则表达式 "(\\d{3})(\\d{4},[\u4e00-\u9fa5]*\\n)" 每个()中的内容为一组，索引从 1 开始，0表示整个表达式。所以这个表达式分为两组，第一组表示3个数字，第二组表示 4个数字加多个汉字加一个换行符。提取时如26-28行所示。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。