比较全面的C 、Java、JavaScript中的正则表达式详解
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:
Stringregex="^[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\\.
Stringtext="ZhanSan@126fcom"; //要检查的字符串
booleanisMatched=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)。
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> boolIsIpV4Address(conststd::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. conststd::regexpattern("(\\d{1,3}){1}\.(\\d{1,3}){1}\.(\\d{1,3}){1}\.(\\d{1,3}){1}"); //匹配验证 returnstd::regex_match(strIp,pattern); } intmain() { std::stringstrIp1="134.34.34.4";//192.168.1.1 std::stringstrIp2="192.168.255"; std::cout<<strIp1<<":"<<(IsIpV4Address(strIp1)?"valid":"invalid")<<std::endl; std::cout<<strIp2<<":"<<(IsIpV4Address(strIp2)?"valid":"invalid")<<std::endl; return0; }
Java中的正则表达式
1.验证一个字符串是否为URL
publicstaticbooleanisUrl(Stringtext){ Stringregex="^http://([\\w-]+.)+[\\w-]+(/[\\w-./?%&=#]*)?$"; returntext.matches(regex); }
2.判断一个文本中有多少个URL,并将所有的URL加上超链接.
如以下文本:
C++(VS2013编译器):http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary
Java: http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html
JavaScript: http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp
添加链接后变成:
C++(VS2013编译器):<ahref=”http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary
”>http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary</a>
Java: <ahref=”http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html
”>http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html</a>
JavaScript: <ahref=”http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp
”>http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp</a>
/** *给一个字符串添加链接 *@paramtext要添加链接的字符串 *@paramurl链接的URL *@return添加链接后的字符串 */ publicstaticStringAddHref(Stringtext,Stringurl){ return"<ahref=\""+url+"\">"+text+"</a>"; } /** *查找文本中的URL字符串,并将其添加链接 *@paramtext需要查找的文本 *@return添加链接后的文本 */ publicstaticStringAddLinkToText(Stringtext){ Patternpattern=Pattern.compile("http://([\\w-]+.)+[\\w-]+(/[\\w-./?%&=#]*)?"); Matchermatcher=pattern.matcher(text); StringBuffersb=newStringBuffer();//定义一个字符缓冲区,用于保存新的文本 while(matcher.find()){ StringmatchedSubStr=matcher.group();//提取出查找到的子串 matcher.appendReplacement(sb,AddHref(matchedSubStr,matchedSubStr));//将找到的子串添加链接后塞到字符缓冲区内 } matcher.appendTail(sb); returnsb.toString(); }
JavaScript中的正则表达式
JavaScript中的正则表达式是通过RegExp对象实现的。RegExp对象的创建有三种方式:
精简方式:
/pattern/attributes
new方式:
newRegExp(pattern,attributes);
函数调用的方式:
RegExp(pattern,attributes);
参数pattern可以是一个模式串,也可以是一个RegExp对象,如果pattern本身就是RegExp的对象,则attributes参数将不起作用(新创建的对象的必发与pattern对象相同。),需要省略,如果不省略会抛TypeError异常。
参数attributes有三种属性"g"、"i"和"m",分别用于指定全局匹配、区分大小写的匹配和多行匹配。
RegExp主要有三个方法:
1.验证字符串是否为数字
<scripttype="text/javascript"> functionisNumber(text){ varpattern=newRegExp("^\\d*$"); returnpattern.test(text); } varvalue1="1234"; document.write(value1+"isNumed:"+isNumber(value1)); </script>
2.邮箱格式:
<scripttype="text/javascript"> functionisEmail(text){ varreg=/^([\w-.])+@([\w-])+((\.[\w-]{2,3}){1,2})$/; returnreg.test(text); } varvalue2="Zhang.San@163.com"; document.write(value2+"isEmail:"+isEmail(value2)); </script>
3.将一个文本中的所有邮箱地址和在文本中的位置打印到页面
<scripttype="text/javascript"> functionPrintEmail(text){ //匹配的模式 varreg=RegExp("([\\w-.])+@([\\w-])+((\.[\\w-]{2,3}){1,2})","g"); varresult;//保存结果 while((result=reg.exec(text))!=null){ document.write(result[0]+"<br/>"+result.index); document.write("<br/><br/>"); } } vartext="张三Zhang.San@163.com;李四Li_si@126.com;王五WangWu@gmail.com.cn"; PrintEmail(text); </script>
应用场景
数据验证:
例如,可以检查输入的字符串,看其是否为电话号码格式,或是否为邮箱格式。这在网页的表单输入中经常用到。
查找子串:
可以查找文档内(或一个字符串内)符合指定模式的子串。
替换文本:
可以使用正则表达式来识别文档中的特定内容,完全删除该部分内容或者用其他字符串来替换它。
使用工具:
如Word、NotePad++、EditPlus等文字编辑器中的查找功能都支持正则表达式,用正则表达式你就可以实现更加多样化的查找。还有像VS、CodeBlock、Eclipse、IntellijIdea等开发工具的IDE的查找替换功能也都支持正则表达式,用它你可以修改变量名,调整代码格式,统计代码行数等。
常用正则表达式总结
常用的正则表达式已经有很多人做了总结了,在网上能够找到非常多,我就没有再写的必要了。下面贴出我觉得还不错的一个总结。
此部分内容为转载,来自:http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html
一、校验数字的表达式
1数字:^[0-9]*$
2n位的数字:^\d{n}$
3至少n位的数字:^\d{n,}$
4m-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*$或^([1-9][0-9]*){1,3}$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
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
1Email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})+/.?
3InternetURL:[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"和"XXXXXXXX):^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6国内电话号码(0511-4405222、021-87888822):\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)?$或^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
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"和"10,000.00",和没有"分"的"10000"和"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"和"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
25xml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)
29HTML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)
33IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
34IP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。
如果您有什么疑惑和想法,请在评论处给予反馈,您的反馈就是最好的测评师!由于本人技术和能力有限,如果本博文有错误或不足之处,敬请谅解并给出您宝贵的建议!