Qt正则表达式

http://www.oschina.net/question/234345_48746?sort=time

引言

正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如表达式“ab+”描述的特征是“一个'a'和任意个'b' ”，那么'ab','abb','abbbbbbbbbb'都符合这个特征。

正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大。

1.正则表达式规则

1.1普通字符

字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

举例1：表达式"c"，在匹配字符串"abcde"时，匹配结果是：成功；匹配到的内容是："c"；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

举例2：表达式"bcd"，在匹配字符串"abcde"时，匹配结果是：成功；匹配到的内容是："bcd"；匹配到的位置是：开始于1，结束于4。

1.2简单的转义字符

一些不便书写的字符，采用在前面加"/"的方法。这些字符其实我们都已经熟知了。

还有其他一些在后边章节中有特殊用处的标点符号，在前面加"/"后，就代表该符号本身。比如：^,$都有特殊意义，如果要想匹配字符串中"^"和"$"字符，则表达式就需要写成"/^"和"/$"。

这些转义字符的匹配方法与"普通字符"是类似的。也是匹配与之相同的一个字符。

举例1：表达式"/$d"，在匹配字符串"abc$de"时，匹配结果是：成功；匹配到的内容是："$d"；匹配到的位置是：开始于3，结束于5。

1.3能够与'多种字符'匹配的表达式

正则表达式中的一些表示方法，可以匹配'多种字符'其中的任意一个字符。比如，表达式"/d"可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

举例1：表达式"/d/d"，在匹配"abc123"时，匹配的结果是：成功；匹配到的内容是："12"；匹配到的位置是：开始于3，结束于5。

举例2：表达式"a./d"，在匹配"aaa100"时，匹配的结果是：成功；匹配到的内容是："aa1"；匹配到的位置是：开始于1，结束于4。

1.4自定义能够匹配'多种字符'的表达式

使用方括号[ ]包含一系列字符，能够匹配其中任意一个字符。用[^ ]包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

举例1：表达式"[bcd][bcd]"匹配"abc123"时，匹配的结果是：成功；匹配到的内容是："bc"；匹配到的位置是：开始于1，结束于3。

举例2：表达式"[^abc]"匹配"abc123"时，匹配的结果是：成功；匹配到的内容是："1"；匹配到的位置是：开始于3，结束于4。

1.5修饰匹配次数的特殊符号

前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

使用方法是："次数修饰"放在"被修饰的表达式"后边。比如："[bcd][bcd]"可以写成"[bcd]{2}"。

举例1：表达式"/d+/.?/d*"在匹配"It costs $12.5"时，匹配的结果是：成功；匹配到的内容是："12.5"；匹配到的位置是：开始于10，结束于14。

举例2：表达式"go{2,8}gle"在匹配"Ads by goooooogle"时，匹配的结果是：成功；匹配到的内容是："goooooogle"；匹配到的位置是：开始于7，结束于17。

1.6其他一些代表抽象意义的特殊符号

一些符号在表达式中代表抽象的特殊意义：

进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。

举例1：表达式"^aaa"在匹配"xxx aaa xxx"时，匹配结果是：失败。因为"^"要求与字符串开始的地方匹配，因此，只有当"aaa"位于字符串的开头的时候，"^aaa"才能匹配，比如："aaa xxx xxx"。

举例2：表达式"aaa$"在匹配"xxx aaa xxx"时，匹配结果是：失败。因为"$"要求与字符串结束的地方匹配，因此，只有当"aaa"位于字符串的结尾的时候，"aaa$"才能匹配，比如："xxx xxx aaa"。

举例3：表达式"./b."在匹配"@@@abc"时，匹配结果是：成功；匹配到的内容是："@a"；匹配到的位置是：开始于2，结束于4。
进一步说明："/b"与"^"和"$"类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的左右两边，其中一边是"/w"范围，另一边是非"/w"的范围。

举例4：表达式"/bend/b"在匹配"weekend,end"时，匹配结果是：成功；匹配到的内容是："end"；匹配到的位置是：开始于15，结束于18。

一些符号可以影响表达式内部的子表达式之间的关系：

举例5：表达式"Tom|Jack"在匹配字符串"I'm Tom,he is Jack"时，匹配结果是：成功；匹配到的内容是："Tom"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack"；匹配到的位置时：开始于15，结束于19。

举例6：表达式"(go/s*)+"在匹配"Let's go go go!"时，匹配结果是：成功；匹配到内容是："go go go"；匹配到的位置是：开始于6，结束于14。

举例7：表达式"￥(/d+/.?/d*)"在匹配"＄10.9,￥20.5"时，匹配的结果是：成功；匹配到的内容是："￥20.5"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是："20.5"。

2.正则表达式中的一些高级规则

2.1匹配次数中的贪婪与非贪婪

在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："{m,n}","{m,}","?","*","+"，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本"dxxxdxxxd"，举例如下：

由此可见，"/w+"在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个"d"，但那也是为了让整个表达式能够匹配成功。同理，带"*"和"{m,n}"的表达式都是尽可能地多匹配，带"?"的表达式在可匹配可不匹配的时候，也是尽可能的"要匹配"。这种匹配原则就叫作"贪婪"模式。

非贪婪模式：

在修饰匹配次数的特殊符号后再加上一个"?"号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的"不匹配"。这种匹配原则叫作"非贪婪"模式，也叫作"勉强"模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本"dxxxdxxxd"举例：

更多的情况，举例如下：

举例1：表达式"<td>(.*)</td>"与字符串"<td><p>aa</p></td> <td><p>bb</p></td>"匹配时，匹配的结果是：成功；匹配到的内容是"<td><p>aa</p></td> <td><p>bb</p></td>"整个字符串，表达式中的"</td>"将与字符串中最后一个"</td>"匹配。

举例2：相比之下，表达式"<td>(.*?)</td>"匹配举例1中同样的字符串时，将只得到"<td><p>aa</p></td>"，再次匹配下一个时，可以得到第二个"<td><p>bb</p></td>"。

2.2反向引用/1,/2...

表达式在匹配时，表达式引擎会将小括号"( )"包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的"<td>(.*?)</td>"。

其实，"小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面"括号内的子匹配已经匹配到的字符串"。引用方法是"/"加上一个数字。"/1"引用第1对括号内匹配到的字符串，"/2"引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号"("在前，那这一对就先排序号。

举例如下：

举例1：表达式"('|")(.*?)(/1)"在匹配" 'Hello',"World" "时，匹配结果是：成功；匹配到的内容是：" 'Hello' "。再次匹配下一个时，可以匹配到" "World" "。

举例2：表达式"(/w)/1{4,}"在匹配"aa bbbb abcdefg ccccc 111121111 999999999"时，匹配结果是：成功；匹配到的内容是"ccccc"。再次匹配下一个时，将得到999999999。这个表达式要求"/w"范围的字符至少重复5次，注意与"/w{5,}"之间的区别。

举例3：表达式"<(/w+)/s*(/w+(=('|").*?/4)?/s*)*>.*?<//1>"在匹配"<td id='td1' style="bgcolor:white"></td>"时，匹配结果是成功。如果"<td>"与"</td>"不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。

2.3预搜索，不匹配；反向预搜索，不匹配

前面的章节中，我讲到了几个代表抽象意义的特殊符号："^"，"$"，"/b"。它们都有一个共同点，那就是：它们本身不匹配任何字符，只是对"字符串的两头"或者"字符之间的缝隙"附加了一个条件。理解到这个概念以后，本节将继续介绍另外一种对"两头"或者"缝隙"附加条件的，更加灵活的表示方法。

正向预搜索："(?=xxxxx)"，"(?!xxxxx)"

格式："(?=xxxxx)"，在被匹配的字符串中，它对所处的"缝隙"或者"两头"附加的条件是：所在缝隙的右侧，必须能够匹配上xxxxx这部分的表达式。因为它只是在此作为这个缝隙上附加的条件，所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。这就类似"/b"，本身不匹配任何字符。"/b"只是将所在缝隙之前、之后的字符取来进行了一下判断，不会影响后边的表达式来真正的匹配。

举例1：表达式"Windows(?=NT|XP)"在匹配"Windows 98,Windows NT,Windows 2000"时，将只匹配"Windows NT"中的"Windows "，其他的"Windows "字样则不被匹配。

举例2：表达式"(/w)((?=/1/1/1)(/1))+"在匹配字符串"aaa ffffff 999999999"时，将可以匹配6个"f"的前4个，可以匹配9个"9"的前7个。这个表达式可以读解成：重复4次以上的字母数字，则匹配其剩下最后2位之前的部分。当然，这个表达式可以不这样写，在此的目的是作为演示之用。

格式："(?!xxxxx)"，所在缝隙的右侧，必须不能匹配xxxxx这部分表达式。

举例3：表达式"((?!/bstop/b).)+"在匹配"fdjka ljfdl stop fjdsla fdj"时，将从头一直匹配到"stop"之前的位置，如果字符串中没有"stop"，则匹配整个字符串。

举例4：表达式"do(?!/w)"在匹配字符串"done,do,dog"时，只能匹配"do"。在本条举例中，"do"后边使用"(?!/w)"和使用"/b"效果是一样的。

反向预搜索："(?<=xxxxx)"，"(?<!xxxxx)"

这两种格式的概念和正向预搜索是类似的，反向预搜索要求的条件是：所在缝隙的"左侧"，两种格式分别要求必须能够匹配和必须不能够匹配指定表达式，而不是去判断右侧。与"正向预搜索"一样的是：它们都是对所在缝隙的一种附加条件，本身都不匹配任何字符。

举例5：表达式"(?<=/d{4})/d+(?=/d{4})"在匹配"1234567890123456"时，将匹配除了前4个数字和后个数字之外的中间8个数字。由于JScript.RegExp不支持反向预搜索，因此，本条举例不能够进行演示。很多其他的引擎可以支持反向预搜索，比如：Java 1.4以上的java.util.regex包，.NET中System.Text.RegularExpressions命名空间，以及本站推荐的最简单易用的DEELX正则引擎。

3.其他通用规则

还有一些在各个正则表达式引擎之间比较通用的规则，在前面的讲解过程中没有提到。

3.1表达式中，可以使用"/xXX"和"/uXXXX"表示一个字符（"X"表示一个十六进制数）

3.2在表达式"/s"，"/d"，"/w"，"/b"表示特殊意义的同时，对应的大写字母表示相反的意义

3.3在表达式中有特殊意义，需要添加"/"才能匹配该字符本身的字符汇总

3.4括号"( )"内的子表达式，如果希望匹配结果不进行记录供以后使用，可以使用"(?:xxxxx)"格式

举例1：表达式"(?:(/w)/1)+"匹配"a bbccdd efg"时，结果是"bbccdd"。括号"(?:)"范围的匹配结果不进行记录，因此"(/w)"使用"/1"来引用。

3.5常用的表达式属性设置简介：Ignorecase，Singleline，Multiline，Global

匹配非负整数（正整数+ 0）

^/d+$

匹配正整数

^[0-9]*[1-9][0-9]*$

匹配非正整数（负整数+ 0）

^((-/d+)|(0+))$

匹配负整数

^-[0-9]*[1-9][0-9]*$

匹配整数

^-?/d+$

匹配非负浮点数（正浮点数+ 0）

^/d+(/./d+)?$

匹配正浮点数

^(([0-9]+/.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*/.[0-9]+)|([0-9]*[1-9][0-9]*))$

匹配非正浮点数（负浮点数+ 0）

^((-/d+(/./d+)?)|(0+(/.0+)?))$

匹配负浮点数

^(-(([0-9]+/.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*/.[0-9]+)|([0-9]*[1-9][0-9]*)))$

匹配浮点数

^(-?/d+)(/./d+)?$

匹配由26个英文字母组成的字符串

^[A-Za-z]+$

匹配由26个英文字母的大写组成的字符串

^[A-Z]+$

匹配由26个英文字母的小写组成的字符串

^[a-z]+$

匹配由数字和26个英文字母组成的字符串

^[A-Za-z0-9]+$

匹配由数字、26个英文字母或者下划线组成的字符串

^/w+$

匹配email地址

^[/w-]+(/.[/w-]+)*@[/w-]+(/.[/w-]+)+$

匹配url

^[a-zA-z]+://匹配(/w+(-/w+)*)(/.(/w+(-/w+)*))*(/?/S*)?$

匹配html tag

</s*(/S+)(/s[^>]*)?>(.*?)</s*///1/s*>

如果要要求用户的输入只能是数字，英文大小写字母，下划线，汉字，则可以用下面的方法

QRegExp regExp;
regExp.setPattern("^[a-zA-Z0-9_u4e00-u9fa5w]+$");

w不要忘了啊~~

（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!