编程思想之正则表达式

什么是正则表达式？

正则表达式(RegularExpression)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

我们就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：

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

这些常用的符号在各种编程语言的正则表达式中含意基本相同(因为正则表达式的思想是相同的)，所以都可以用来参数。但不同的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(Cregex)，C++标准库的实现(C++regex)，Boost库的实现(boostregex)。Cregex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，boostregex非常灵活好用，C++开发时是大家推崇的一种方式。

关于boostregex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

#include <regex>
#include <iostream>
#include <string>

bool IsIpV4Address(const std::string& strIp)
{
	//验证IP地址的模式，这里"."中的""是转义字符,表示这是一个.
	const std::regex pattern("(d{1,3}){1}");
	//匹配验证
	return std::regex_match(strIp,pattern);
}

int main()
{
	std::string strIp1 = "134.34.34.4";//192.168.1.1
	std::string strIp2 = "192.168.255";

	std::cout << strIp1 << " : " << (IsIpV4Address(strIp1) ? "valid" : "invalid") << std::endl;
	std::cout << strIp2 << " : " << (IsIpV4Address(strIp2) ? "valid" : "invalid") << std::endl;
	return 0;
}

Java中的正则表达式

1.验证一个字符串是否为URL

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

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：

编译器)：<ahref=””>http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary</a>

Java：<ahref=”>http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.htmlJavaScript：<ahref=”http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

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

/**
 * 给一个字符串添加链接
 * @param text 要添加链接的字符串
 * @param url 链接的URL
 * @return 添加链接后的字符串
 */
public static String AddHref(String text,String url) {
	return  "<a href="" + url +  "">" + text + "</a>";
}

/**
 * 查找文本中的URL字符串，并将其添加链接
 * @param text 需要查找的文本
 * @return 添加链接后的文本
 */
public static String AddLinkToText(String text) {
	Pattern pattern = Pattern.compile("http://([w-]+.)+[w-]+(/[w-./?%&=#]*)?");
	Matcher matcher = pattern.matcher(text);
	StringBuffer sb = new StringBuffer();			//定义一个字符缓冲区，用于保存新的文本
	while (matcher.find()) {
		String matchedSubStr = matcher.group();		//提取出查找到的子串
		matcher.appendReplacement(sb,matchedSubStr));	//将找到的子串添加链接后塞到字符缓冲区内
	}
	matcher.appendTail(sb);
	return sb.toString();
}	

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：

newRegExp(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：

1.验证字符串是否为数字

<script type="text/javascript">
	function isNumber(text) {
		var pattern = new RegExp("^d*$");
		return pattern.test(text);
	}
	 
	var value1 = "1234";
	document.write(value1 + " is Numed:" + isNumber(value1));
</script>

2.邮箱格式：

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

<script type="text/javascript">
	function PrintEmail(text) {
	//匹配的模式
	var reg = RegExp("([w-.])+@([w-])+((.[w-]{2,2})","g");
	var result;	//保存结果
 
	while ((result = reg.exec(text)) != null)  {
		document.write(result[0] + "<br/>" + result.index);
		document.write("<br/><br/>");
	}
	}
 
	var text = "张三 Zhang.San@163.com; 李四 Li_si@126.com；王五 WangWu@gmail.com.cn" ;
	PrintEmail(text);
</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、IntellijIdea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.52php.cn/article/p-txexikfq-bnx.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{1,128); padding:0px; margin:0px; line-height:1.5!important"> 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*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^+?[1-9][0-9]*$
12 非零的负整数：^-[1-9][]0-9"*$ 或 ^-[1-9]d*$
13 非负整数：^d+$ 或 ^[1-9]d*|0$
14 非正整数：^-[1-9]d*|0$ 或 ^((-d+)|(0+))$
15 非负浮点数：^d+(.d+)?$ 或 ^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$
16 非正浮点数：^((-d+(.d+)?)|(0+(.0+)?))$ 或 ^(-([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*$ 或 ^(([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*)$ 或 ^(-(([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+)?$ 或 ^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$

二、校验字符的表达式

三、特殊需求表达式

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。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!