iOS开发中使用正则表达式

一.NSString自带的正则查找,替换方法

正则查找方法
– rangeOfString:options:
– rangeOfString:options:range:
– rangeOfString:options:range:locale:

正则替换方法
– stringByReplacingOccurrencesOfString:withString:options:range:

options参数指定搜索选项,类型为NSStringCompareOptions,可通过位或操作指定为NSCaseInsensitiveSearch, NSLiteralSearch, NSBackwardsSearch, NSAnchoredSearch>等选项的组合。
若指定的选项为NSRegularExpressionSearch,则搜索字符串被认为是ICU兼容的正则表达式,如果指定了此选项,则与其可以同时存在的选项只有NSCaseInsensitiveSearch和NSAnchoredSearch

二.使用RegexKitLite

RegexKitLite向标准NSString类增加了很多方法来使用正则表达式，RegexKitLite使用iOS系统自带的ICU(International Components for Unicode)正则引擎处理正则表达式,所以RegexKitLite使用的正则语法为ICU的语法，使用RegexKitLite需要导入libicucore.dylib库。

使用RegexKitLite的方法很简单，将RegexKitLite.h和RegexKitLite.m加入到工程，然后引入libicucore.dylib库即可。
RegexKitLite.h RegexKitLite.m

RegexKitLit NSString方法参考
RegexKitLite NSString Additions Reference

RegexKitLite的使用说明见:
Using RegexKitLite

ICU正则语法为:
ICU Syntax
ICU User Guide – Regular Expressions

三.使用RegexKit.framework框架

RegexKit Framework与RegexKitLite来自同一体系,但其更复杂和强大。RegexKit Framework不使用iOS系统的ICU正则库，而是自带 PCRE(Perl Compatible Regular Expressions)库, 所以其正则语法是PCRE的语法。

RegexKit Framework功能很强大，其向NSArray,NSData,NSDictionary,NSSet和NSString对象增加了正则表达式的支持。

TRegexKit.framework与RegexKitLite的区别

	RegexKit.framework	RegexKitLite
Regex Library	PCRE	ICU
Library Included	Yes, built into framework object file.	No, provided by Mac OS X.
Library Linked As	Statically linked into framework.	Dynamically linked to/usr/lib/libicucore.dylib.
Compiled Size	Approximately 371KB† per architecture.	Very small, approximately 16KB—20KB‡ per architecture.
Style	External, linked to framework.	Compiled directly in to final executable.
Feature Set	Large, with additions to many classes.	Minimal, NSString only.

四.常用ICU正则匹配模式

常用的ICU正则匹配模式见:
RegexKitLite Cookbook

数字 Numbers

Description	Regex	Examples
Integer	[+\-]?[0-9]+	123-42+23
Hex Number	0[xX][0-9a-fA-F]+	0×00xdeadbeef0xF3
Floating Point	[+\-]?(?:[0-9]*\.[0-9]+|[0-9]+\.)	123..123+.42
Floating Point with Exponent	[+\-]?(?:[0-9]*\.[0-9]+|[0-9]+\.)(?:[eE][+\-]?[0-9]+)?	123..12310.0E131.23e-7
Comma Separated Number	[0-9]{1,3}(?:,[0-9]{3})*	421,2341,234,567
Comma Separated Number	[0-9]{1,3}(?:,[0-9]{3})*(?:\.[0-9]+)?	421,2341,234,567.89

文本文件 Text Files

Description	Regex
Empty Line	(?m:^$)
Empty or Whitespace Only Line	(?m-s:^\s*$)
Strip Leading Whitespace	(?m-s:^\s*(.*?)$)
Strip Trailing Whitespace	(?m-s:^(.*?)\s*$)
Strip Leading and Trailing Whitespace	(?m-s:^\s*(.*?)\s*$)
Quoted String, Can Span Multiple Lines, May Contain \"	"(?:[^"\\]*+|\\.)*"
Quoted String, Single Line Only, May Contain \"	"(?:[^"\\\r\n]*+|\\[^\r\n])*"
HTML Comment	(?s:<--.*?-->)
Perl / Shell Comment	(?m-s:#.*$)
C, C++, or ObjC Comment	(?m-s://.*$)
C, C++, or ObjC Comment and Leading Whitespace	(?m-s:\s*//.*$)
C, C++, or ObjC Comment	(?s:/\*.*?\*/)

网络与URL相关 Network and URL

Description	Regex
HTTP	\bhttps?://[a-zA-Z0-9\-.]+(?:(?:/[a-zA-Z0-9\-._?,'+\&%$=~*!():@\\]*)+)?
HTTP	\b(https?)://([a-zA-Z0-9\-.]+)((?:/[a-zA-Z0-9\-._?,'+\&%$=~*!():@\\]*)+)?
HTTP	\b(https?)://(?:(\S+?)(?::(\S+?))?@)?([a-zA-Z0-9\-.]+)(?::(\d+))?((?:/[a-zA-Z0-9\-._?,'+\&%$=~*!():@\\]*)+)?
E-Mail	\b([a-zA-Z0-9%_.+\-]+)@([a-zA-Z0-9.\-]+?\.[a-zA-Z]{2,6})\b
Hostname	\b(?:[a-zA-Z0-9][a-zA-Z0-9\-]{0,61}?[a-zA-Z0-9]\.)+[a-zA-Z]{2,6}\b
IP	\b(?:\d{1,3}\.){3}\d{1,3}\b
IP with Optional Netmask	\b((?:\d{1,3}\.){3}\d{1,3})(?:/(\d{1,2}))?\b
IP or Hostname	\b(?:(?:\d{1,3}\.){3}\d{1,3}|(?:[a-zA-Z0-9][a-zA-Z0-9\-]{0,61}?[a-zA-Z0-9]\.)+[a-zA-Z]{2,6})\b

五.贪婪匹配与最小匹配

在正则表达式中单独使用*或+时,默认是匹配尽可能多的数据，即贪婪匹配。

*	Match zero or more times. Match as many times as possible.
+	Match one or more times. Match as many times as possible.

比如对 abcdefgabcdefg 使用abc(.*)g进行匹配，则捕获到到的数据为 defgabcdef。
若只想捕获到第一个g,即只想得到def,则需要使用最小匹配,在*或+后面加上?，即使用abc(.*?)g进行匹配。

*?	Match zero or more times. Match as few times as possible.
+?	Match one or more times. Match as few times as possible.

另外,在正则中用(…)包含内容是要捕获的数据，如果只要用(…)来引用group而不想捕获则可使用(?:…)。

(…)	Capturing parentheses. Range of input that matched the parenthesized subexpression is available after the match.

(?:…)	Non-capturing parentheses. Groups the included pattern, but does not provide capturing of matching text. Somewhat more efficient than capturing parentheses.

六.正则表达式书写格式

在书写正则表达式时，需要将\进行转义，即写成两个\\。
例如 匹配IP地址的正则表达式为 \b(?:\d{1,3}\.){3}\d{1,3}\b,则在实际书写时则为

 NSString *regex = @"\\b(?:\\d{1,3}\.){3}\\d{1,3}\\b";

参考:
iOS 开发中使用正则表达式－暨 RegexKitLite 库的用法
RegexKitLite Documentation
[perl]理解贪婪匹配和最小匹配之间的区别
NSString Class Reference
ICU – International Components for Unicode