免费刷金币,请点击这里
TE社区 > 前端技术
客服QQ:1206116161

比较全面的C 、Java、JavaScript中的正则表达式详解

35985670 于 2018-04-02 22:00:08 创建话题
(27)
(0)
举报

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 ) 。

模式

匹配的内容(含意)

字符类

[abc]

a、b 或 c(简单类)

[^abc]

任何字符,除了 a、b 或 c(否定)

[a-zA-Z]

a 到 z 或 A 到 Z,两头的字母包括在内(范围)

[a-d[m-p]]

a 到 d 或 m 到 p:[a-dm-p](并集)

[a-z&&[def]]

d、e 或 f(交集)

[a-z&&[^bc]]

a 到 z,除了 b 和 c:[ad-z](减去)

[a-z&&[^m-p]]

a 到 z,而非 m 到 p:[a-lq-z](减去)

预定义字符类

.

任何字符(与 行结束符 可能匹配也可能不匹配)

\d

数字:[0-9]

\D

非数字: [^0-9]

\s

空白字符:[ \t\n\x0B\f\r]

\S

非空白字符:[^\s]

\w

单词字符:[a-zA-Z_0-9]

\W

非单词字符:[^\w]

边界匹配器

^

行的开头

$

行的结尾

\b

单词边界

\B

非单词边界

\A

输入的开头

\G

上一个匹配的结尾

\Z

输入的结尾,仅用于最后的 结束符 (如果有的话)

\z

输入的结尾

数量词(Greedy策略)

X?

X,一次或一次也没有

X*

X,零次或多次

X+

X,一次或多次

X{n}

X,恰好 n 次

X{n,}

X,至少 n 次

X{n,m}

X,至少 n 次,但是不超过 m 次

逻辑运算符

XY

X 后跟 Y

X|Y

X 或 Y

(X)

X,作为 捕获组

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 (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

#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}\.(\\d{1,3}){1}\.(\\d{1,3}){1}\.(\\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++(VS 2013 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++(VS 2013 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>

/**
 * 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, 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);
 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:

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

检索字符串中是否有指定的值。返回  true  或  false 

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-]{2,3}){1,2})$/;
  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-]{2,3}){1,2})", "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 、 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*$ 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

 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"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
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。

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!

扫码关注TE官方微博 扫码关注TE官方微博
举报X