C++、Java、JavaScript中的正则表达式

原创 2015年01月11日 19:13:54

编程思想之正则表达式

 

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azAZ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-zA-Z0-9_中的任何一个字符

{5,17}:  表示出现517(至少5次,不超过17),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

参考文档:Class Pattern

 

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++JavaJavaScript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++(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>

 

/**
 * 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:

WordNotePad++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VSCodeBlockEclipseIntellij 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]+$^[A-Za-z0-9]{4,40}$
 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]+$^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
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]*  ^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。

 


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!

 

 

========================编程思想系列文章回顾========================

编程思想之迭代器

编程思想之递归

编程思想之回调

 

 

 


版权声明:本文为博主原创文章,未经博主允许不得用于任何商业用途,转载请注明出处。

Ackerman函数的非递归实现.

在网上看到了一些人在找这个Ackerman函数 ,不知道这个函数的实际含义,首先看到了他的递归形式:注释部分是分析后的结果.int rackerman(int m,int n){  if(m==0) ...
  • swankie
  • swankie
  • 2007年10月24日 11:10
  • 9905

DBus如何使用原始DBus库传送和接收数据

DBus是进程间通信的工具。网上的资料不太多,大都又是基于GLib或python的。在windows下如果要用纯c/c++语言,似乎只能用原始的DBus库来编写程序。倘若不亲自写写,还真不知道到底是怎...

C++、Java、JavaScript中的正则表达式

目录(?)[-] 什么是正则表达式从入门开始正则表达式常用符号正则表达式的使用 C中的正则表达式Java中的正则表达式JavaScript中的正则表达式 应用场景常用正则表达式总结写在后...

C++、Java、JavaScript中的正则表达式

转自:http://blog.csdn.net/luoweifu/article/details/42613533 编程思想之正则表达式   什么是正则表达式? 正则表达式(Reg...

C++、Java、JavaScript中的正则表达式

编程思想之正则表达式 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...

java \javascript 正则表达式

  • 2008年11月02日 13:03
  • 67KB
  • 下载

Oracle、Java及JavaScript正则表达式对比总结

Oracle Java Js 正则总结

JavaScript、Java正则表达式详解

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...

JavaScript、Java正则表达式详解

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”;...

判断是否URL的正则表达式【Java和javascript】字符串是否包含中文

/**    * 顶级域名判断;如果要忽略大小写,可以直接在传入参数的时候toLowerCase()再做判断    * @param str    * @return    */   pub...
  • liu76xt
  • liu76xt
  • 2015年03月25日 15:43
  • 6575
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:C++、Java、JavaScript中的正则表达式
举报原因:
原因补充:

(最多只允许输入30个字)