编程思想之正则表达式

Posted 阿玛尼迪迪

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了编程思想之正则表达式相关的知识,希望对你有一定的参考价值。

 

 

什么是正则表达式?

正则表达式(Regular Expression)就是用某种模式去匹配一类字符串的公式。如你要在一篇文章中查找第一个字是“罗”最后一个字是“浩”的三个字的姓名,即“罗*浩”;那么“罗*浩”就是公式,也称作模式(Pattern),这篇文章就是要匹配的串(或叫文本text)。再如,你要检查输入的一个字符串是否是126邮箱的格式,你得制定一个规则去查检,这种规则就是正则表达式。

 

从入门开始

我们从上面提到的一个例子开始:检查一个字符串是否符合126邮箱的格式。

我们从网易的邮箱注册页面可以看到126邮箱的用户名需要符合以下的格式:6~18个字符,可使用字母、数字、下划线,需以字母开头。我们可以定义一个模式:^[a-zA-Z]\\w{5,17}@126.com

 

这个模式可以这样理解:


[a-zA-Z]:任何一个a到z或A到Z的英文字母

^:        表示以什么开头,则^[a-zA-Z]表示以字母开头

\\w:      单词字符[a-zA-Z_0-9],即a-z或A-Z或0-9或_中的任何一个字符

{5,17}: 表示出现5到17次(至少5次,不超过17次),则\\w{5,17}表示5~17个字符。

因为还有一个以非数字字母开头的字符,所以^[a-zA-Z]\\w{5,17}表示:“6~18个字符,可使用字母、数字、下划线,需以字母开头”

@126.com:表示符合以上规则的用户名后跟上@126.com字符串,即组成一个邮箱地址。


^[a-zA-Z]\\w{5,17}@126.com”就是我们所说的正则表达式,用Java的简单实现如下:

1 String regex = "^[a-zA-Z]\\\\w{5,17}@126\\\\.com";    //定义匹配的规则:正则表达式
2 //说明:126.com中的.需要转义\\\\.
3 String text = "ZhanSan@126fcom";    //要检查的字符串
4 boolean isMatched = text.matches(regex);    //判断text是否符合规则regex
5 System.out.println(isMatched);

 

 

正则表达式常用符号

上面一个示例中用到的“^”、“\\w”、“{5,17}”等都是正则表达式中的常用符号,这些符号在正则表达式中都有特殊的含义。下面这个表格是Java中的正则表达式常用符号的含意(只抽取了其常用的部分进行说明,就这些部分其实可以解决关于正则表达式的绝大多数的问题了)。

 

参考文档:Calss Pattern

 

这些常用的符号在各种编程语言的正则表达式中含义基本相同(因为正则表达式的思想是相同的),所以都可以用来参考。

但不同语言可能会有一些细小的差别,如果要针对各种编程语言,想有更精确和权威的说明,可参考其官方文档:

C++(VS2013编译器):http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

Java:          http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

javascript:       http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

 

 

正则表达式的使用

下面从常见的需求出发讲述C++、Java和JavaScript中正则表达式的使用

 

C++中的正则表达式

C++中正则表达式主要有三种实现方式:C语言的实现方式(C regex),C++标准库的实现(C++ regex),Boost库的实现(boost regex)。C regex的方式是一种面向过程的编程方式,使用起来不太方便;C++ regex的方式因为是标准库的一部分,所以可以直接使用(好像Linux平台下不支持),但C++ regex非常难用,语法要求比较严格,而且好多默认的选项和我们正常的想法不一样;Boost是一个开源的第三方库,这个库非常优秀,广泛应用于C++的项目开发中,boost regex非常灵活好用,C++开发时是大家推崇的一种方式。

关于boost regex的用法,在后继的文章将会进一步介绍,现在以C++ regex的方式列举一个使用样例。

1、验证ip地址

 1 #include <regex>
 2 #include <iostream>
 3 #include <string>
 4 
 5 bool IsIpV4Address(const std::string& strIp)
 6 {
 7     //验证IP地址的模式,这里"\\."中的"\\"是转义字符,表示这是一个.
 8     const std::regex pattern("(\\\\d{1,3}){1}\\.(\\\\d{1,3}){1}\\.(\\\\d{1,3}){1}\\.(\\\\d{1,3}){1}");
 9     //匹配验证
10     return std::regex_match(strIp, pattern);
11 }
12 
13 int main()
14 {
15     std::string strIp1 = "134.34.34.4";//192.168.1.1
16     std::string strIp2 = "192.168.255";
17 
18     std::cout << strIp1 << " : " << (IsIpV4Address(strIp1) ? "valid" : "invalid") << std::endl;
19     std::cout << strIp2 << " : " << (IsIpV4Address(strIp2) ? "valid" : "invalid") << std::endl;
20     return 0;
21 }

 

 

Java中的正则表达式

1、验证一个字符串是否为URL

1 public static boolean isUrl(String text) {
2     String regex = "^http://([\\\\w-]+.)+[\\\\w-]+(/[\\\\w-./?%&=#]*)?$";
3     return text.matches(regex);
4 }

 

2、判断一个文本中有多少个URL,并将所有的URL加上超链接。

如以下文本:


C++(VS2013编译器):http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

Java:              http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

JavaScript:         http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

添加链接后变成:

C++(VS2013编译器):<a href=”http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

”>http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary</a>

Java:              <a href=”http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

”>http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html</a>

JavaScript:         <a href=”http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

”>http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp</a>


 

 

 1 /**
 2  * 给一个字符串添加链接
 3  * @param text 要添加链接的字符串
 4  * @param url 链接的URL
 5  * @return 添加链接后的字符串
 6  */
 7 public static String AddHref(String text, String url) {
 8     return  "<a href=\\"" + url +  "\\">" + text + "</a>";
 9 }
10 
11 /**
12  * 查找文本中的URL字符串,并将其添加链接
13  * @param text 需要查找的文本
14  * @return 添加链接后的文本
15  */
16 public static String AddLinkToText(String text) {
17     Pattern pattern = Pattern.compile("http://([\\\\w-]+.)+[\\\\w-]+(/[\\\\w-./?%&=#]*)?");
18     Matcher matcher = pattern.matcher(text);
19     StringBuffer sb = new StringBuffer();            //定义一个字符缓冲区,用于保存新的文本
20     while (matcher.find()) {
21         String matchedSubStr = matcher.group();        //提取出查找到的子串
22         matcher.appendReplacement(sb, AddHref(matchedSubStr, matchedSubStr));    //将找到的子串添加链接后塞到字符缓冲区内
23     }
24     matcher.appendTail(sb);
25     return sb.toString();
26 }    

 

 

JavaScript中的正则表达式

JavaScript中的正则表达式是通过RegExp对象实现的。RegExp对象的创建有三种方式:


 

精简方式:

/pattern/attributes

new方式:

new RegExp(pattern, attributes);

函数调用的方式:

RegExp(pattern, attributes);


 

 

参数pattern可以是一个模式串,也可以是一个RegExp对象,如果pattern本身就是RegExp的对象,则attributes参数将不起作用(新创建的对象的必发与pattern对象相同。),需要省略,如果不省略会抛TypeError 异常。

 

参数attributes有三种属性"g"、"i" 和 "m",分别用于指定全局匹配、区分大小写的匹配和多行匹配。

 

 

RegExp主要有三个方法:


 

compile:  编译正则表达式,可用于改变和重新编译正则表达式

exec:     检索字符串中指定的值。返回找到的值,并确定其位置。

test:     检索字符串是否有指定的值。返回true或false。  


 

 

1、验证字符串是否为数字

1 <script type="text/javascript">
2     function isNumber(text) {
3         var pattern = new RegExp("^\\\\d*$");
4         return pattern.test(text);
5     }
6      
7     var value1 = "1234";
8     document.write(value1 + " is Numed:" + isNumber(value1));
9 </script>

 

2、邮箱格式:

1 <script type="text/javascript">
2     function isEmail(text) {
3         var reg = /^([\\w-.])+@([\\w-])+((\\.[\\w-]{2,3}){1,2})$/;
4         return reg.test(text);
5     }
6  
7     var value2 = "Zhang.San@163.com";
8     document.write(value2 + " is Email:" + isEmail(value2));
9 </script>

 

 

3、将一个文本中的所有邮箱地址和在文本中的位置打印到页面

 1 <script type="text/javascript">
 2     function PrintEmail(text) {
 3     //匹配的模式
 4     var reg = RegExp("([\\\\w-.])+@([\\\\w-])+((\\.[\\\\w-]{2,3}){1,2})", "g");
 5     var result;    //保存结果
 6  
 7     while ((result = reg.exec(text)) != null)  {
 8         document.write(result[0] + "<br/>" + result.index);
 9         document.write("<br/><br/>");
10     }
11     }
12  
13     var text = "张三 Zhang.San@163.com; 李四 Li_si@126.com;王五 WangWu@gmail.com.cn" ;
14     PrintEmail(text);
15 </script>

 

应用场景

数据验证:

例如,可以检查输入的字符串,看其是否为电话号码格式,或是否为邮箱格式。 这在网页的表单输入中经常用到。

查找子串:

可以查找文档内(或一个字符串内)符合指定模式的子串。

替换文本:

可以使用正则表达式来识别文档中的特定内容,完全删除该部分内容或者用其他字符串来替换它。

使用工具:

如Word、NotePad++、EditPlus等文字编辑器中的查找功能都支持正则表达式,用正则表达式你就可以实现更加多样化的查找。还有像VS、CodeBlock、Eclipse、Intellij Idea等开发工具的IDE的查找替换功能也都支持正则表达式,用它你可以修改变量名,调整代码格式,统计代码行数等。

 

常用正则表达式总结

常用的正则表达式已经有很多人做了总结了,在网上能够找到非常多,我就没有再写的必要了。下面贴出我觉得还不错的一个总结。

此部分内容为转载,来自:http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html

 

一、校验数字的表达式

1 数字:^[0-9]*$
2 n位的数字:^\\d{n}$
3 至少n位的数字:^\\d{n,}$
4 m-n位的数字:^\\d{m,n}$
5 零和非零开头的数字:^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数:^(\\-)?\\d+(\\.\\d{1,2})?$
8 正数、负数、和小数:^(\\-|\\+)?\\d+(\\.\\d+)?$
9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数:^[1-9]\\d*$^([1-9][0-9]*){1,3}$^\\+?[1-9][0-9]*$
12 非零的负整数:^\\-[1-9][]0-9"*$^-[1-9]\\d*$
13 非负整数:^\\d+$^[1-9]\\d*|0$
14 非正整数:^-[1-9]\\d*|0$^((-\\d+)|(0+))$
15 非负浮点数:^\\d+(\\.\\d+)?$^[1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*|0?\\.0+|0$
16 非正浮点数:^((-\\d+(\\.\\d+)?)|(0+(\\.0+)?))$^(-([1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*))|0?\\.0+|0$
17 正浮点数:^[1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*$^(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数:^-([1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*)$^(-(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数:^(-?\\d+)(\\.\\d+)?$^-?([1-9]\\d*\\.\\d*|0\\.\\d*[1-9]\\d*|0?\\.0+|0)$

 

二、校验字符的表达式

 1 汉字:^[\\u4e00-\\u9fa5]{0,}$
 2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
 3 长度为3-20的所有字符:^.{3,20}$
 4 由26个英文字母组成的字符串:^[A-Za-z]+$
 5 由26个大写英文字母组成的字符串:^[A-Z]+$
 6 由26个小写英文字母组成的字符串:^[a-z]+$
 7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
 8 由数字、26个英文字母或者下划线组成的字符串:^\\w+$ 或 ^\\w{3,20}$
 9 中文、英文、数字包括下划线:^[\\u4E00-\\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号:^[\\u4E00-\\u9FA5A-Za-z0-9]+$ 或 ^[\\u4E00-\\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&\',;=?$\\"等字符:[^%&\',;=?$\\x22]+
12 禁止输入含有~的字符:[^~\\x22]+

 

三、特殊需求表达式

1 Email地址:^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$
 2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
 3 InternetURL:[a-zA-z]+://[^\\s]* 或 ^http://([\\w-]+\\.)+[\\w-]+(/[\\w-./?%&=]*)?$
 4 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\d{8}$
 5 电话号码("XXX-XXXXXXX""XXXX-XXXXXXXX""XXX-XXXXXXX""XXX-XXXXXXXX""XXXXXXX""XXXXXXXX):^(\\(\\d{3,4}-)|\\d{3.4}-)?\\d{7,8}$ 
 6 国内电话号码(0511-4405222021-87888822):\\d{3}-\\d{8}|\\d{4}-\\d{7}
 7 身份证号(15位、18位数字):^\\d{15}|\\d{18}$
 8 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$^\\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
 9 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$  
12 日期格式:^\\d{4}-\\d{1,2}-\\d{1,2}
13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$ 
15 钱的输入格式:
16    1.有四种钱的表示形式我们可以接受:"10000.00""10,000.00", 和没有 """10000""10,000"^[1-9][0-9]*$ 
17    2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$ 
18    3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$ 
19    4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$ 
20    5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10""10.2" 是通过的:^[0-9]+(.[0-9]{2})?$ 
21    6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$ 
22    7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ 
23    8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$ 
24    备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式:[\\u4e00-\\u9fa5]
27 双字节字符:[^\\x00-\\xff]    (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
28 空白行的正则表达式:\\n\\s*\\r    (可以用来删除空白行)
29 HTML标记的正则表达式:<(\\S*?)[^>]*>.*?</\\1>|<.*? />    (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式:^\\s*|\\s*$或(^\\s*)|(\\s*$)    (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
31 腾讯QQ号:[1-9][0-9]{4,}    (腾讯QQ号从10000开始)
32 中国邮政编码:[1-9]\\d{5}(?!\\d)    (中国邮政编码为6位数字)
33 IP地址:\\d+\\.\\d+\\.\\d+\\.\\d+    (提取IP地址时有用)
34 IP地址:((?:(?:25[0-5]|2[0-4]\\\\d|[01]?\\\\d?\\\\d)\\\\.){3}(?:25[0-5]|2[0-4]\\\\d|[01]?\\\\d?\\\\d))    (由@飞龙三少 提供,感谢共享)

 

 

写在后面

正则表达式是一个非常强大而又非常常用的一个编程技术,我以上这片文章也只是抛砖引玉,讲述了其中最常用的一部分。因为其内容实在太庞大,如果要详细描述,每一种编程语言的正则表达式都可以单独成一本书。

 

转自luoweifu 《编程思想之正则表达式》

以上是关于编程思想之正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

shell编程之正则表达式基础正则表达式

Python之re模块 - 正则表达式操作

shell编程之正则表达式详解

Python爬虫编程思想(29):正则表达式的匹配(match)与搜索(search)

Python爬虫编程思想(32):正则表达式的分组

Python爬虫编程思想(35):用正则表达式搜索替换和分隔字符串