概念介绍
之前做底稿项目时，该项目主要将 ai 抽取的文本、表格数据通过正则表达式匹配进行处理，当时用到了正则的以下知识点
匹配单个字符
匹配一组字符
使用元字符
重复匹配
位置匹配等等，今天我在处理另外一个需求时，学习到了子表达式的使用。先说他能帮我解决什么事情，将目标匹配的内容进行分组，当成一个整体来进行应用。应用方面：
取值-取不同子表达式的值
替换-将不同的子表达式匹配的内容整体替换
上手使用：
语法：() 括号内就是正则表达式的其他元素了比如我要匹配某个 ip 地址，平常我们会这样写：
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
复制代码
{n,m} m 和 n 均为非负整数，其中 n <= m。最少匹配 n 次且最多匹配 m 次 {n,m}
匹配如下内容:
使用子表达式可以怎么做呢？观察上面的正则这个部分 \d{1,3}\.出现了多次，所以我们的正则可以改写为:
这样就很简单，将一个很长的正则表达式，可读性更好些。但是这并不是最终的正则。
最终的表达式，好的表达式并不是可以匹配到我们需要的数据，还要屏蔽掉我们不需要的数据
(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))
复制代码
[]数据范围{}前面字符或者元字符出现的次数| 是 或 的含义
应用
取值
既然是一个整体，我们怎么获取一个整体的值呢？比如我们想在一个文本中，把邮箱名称取出来。我们之前的思路就是先匹配出邮箱，然后程序取出来按照 @拆分。实际上正则可以一次帮我们做了这一件事情
公司董事会确认，公司没有根据《上海证券交易所股票上市规则》等有关规定应披露而未披露的事项或与该等事项有关的筹划、商谈、意向、协议等。董事会也未获悉根据《上海证券交易所股票上市规则》等有关规定应披露而未披露的、对公司股票交易价格可能产生较大影响的信息。公司前期披露的信息不存在需要更正、补充之处发表人Lzh.rz1997@163.com
复制代码
如果我们修改下正则，添加子表达式
(\w+[\.\w]*)@[\.\w]+\.\w+
复制代码
在程序中可以通过 group 方式进行取不同组的值，group(index), index 从 0 开始意味着匹配第一个表达式。代码中我们使用 group(0)就可以取到Lzh.rz1997值
替换
我们可能会有这样的需求，匹配到后，对邮箱增加一个超链接。超链接为：
<a href= "mailto:张三 @163.com">发送张三 email</a>
之前我的做法是，先匹配到邮箱，然后取出来，最后替换到文本中去。现在使用正则可以一步搞定，通过 $取不同的组数，利用匹配子表达式取值的特性在 java 中是这样做的：
public class ReplaceExpTest { private static final String text = "公司董事会确认，公司没有根据《上海证券交易所股票上市规则》等有关规\n" + "定应披露而未披露的事项或与该等事项有关的筹划、商谈、意向、协议等。董事\n" + "会也未获悉根据《上海证券交易所股票上市规则》等有关规定应披露而未披露的、\n" + "对公司股票交易价格可能产生较大影响的信息。公司前期披露的信息不存在需要\n" + "更正、补充之处发表人Lzh.rz1997@163.com"; private static final String reg = "((\\w+[\\.\\w]*)@[\\.\\w]+\\.\\w+)"; public static void main(String[] args) { Matcher matcher = Pattern.compile(reg).matcher(text); // 尝试查找与该模式匹配的输入序列的下一个子序列。 showMatchGroup(matcher); // 开始替换 Matcher matcher1 = Pattern.compile(reg).matcher(text); if (matcher1.find()){ String strcha = matcher1.replaceAll("<A HREF=\"mailto:$1\">$2</A>"); System.out.println(strcha); } } }
复制代码
输出的结果为：
公司董事会确认，公司没有根据《上海证券交易所股票上市规则》等有关规定应披露而未披露的事项或与该等事项有关的筹划、商谈、意向、协议等。董事会也未获悉根据《上海证券交易所股票上市规则》等有关规定应披露而未披露的、对公司股票交易价格可能产生较大影响的信息。公司前期披露的信息不存在需要更正、补充之处发表人<A HREF="mailto:Lzh.rz1997@163.com">Lzh.rz1997</A>
复制代码
参考：
https://weread.qq.com/web/reader/c6932c00718ff68ac6959c4k64232b60230642e92efb54c?
测试工具：
regex101: build, test, and debug regex
这个奇怪需求
给我一个格式不正确的 json，帮我修正，有的字段缺少中括号，需要补全中括号。json 如下：
data1 = '{"org_info": "中国银行", "fields": ["长期借款", "period": "年", "start_date": "20231018", "stop_date": "20231018"}'
data2 = '{"org_info": "中国银行", "fields": ["长期借款", "应付债券总额", "period": "年", "start_date": "20231018", "stop_date": "20231018"}'
复制代码
fields 缺少中括号，使用正则进行修复。
仓库
https://gitee.com/xiedi_148/su-service-parent.git
评论