正则表达式在编程中的应用

<script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script>

正则表达式应用起来的确得心应手。譬如，验证一个字符串是否数字字符串，/d+/，确实比逐个检查字符，用“或”连接10个判断（是否0－9之间的字符）要方便。

譬如要找出这样的字符串： aba, aabaa, aaabaaa……
也就是这样的字符串：在字母b的前后，字母a连续出现的次数一样多
这种问题，正则表达式确实能解决。但如果要仅仅用“一条正则表达式”来解决，目前只有Perl的正则表达式强大到这种程度，其它语言中的正则表达式，恐怕做不到这一点。
怎么办呢？其实，我们只需要另外加上一个判断作为辅助，就好了：
正则表达式写作
(?<!a)(a+)b(a+)(?!a)
然后比较group 1和group 2的长度，就可以满足要求了。
这里解释一下开头和结尾的两个结构：

• (?<!a)表示这个正则表达式匹配文本的左端（而不是在匹配文本之内）不能是字符a，可以是其它任何字符（甚至没有字符）。
• (?=!a)表示这个正则表达式匹配文本的右端（而不是在匹配文本之内）不能是字符a，可以是其它任何字符（甚至没有字符）。
  

在应用正则表达式时，记住添加一些用于判断的“锚点”(anchor)，准确地表达我们的意图，是一个好习惯。

另一类常见的问题是，没有找到合适的思路，于是写不出正确的表达式。

譬如要处理类似这样的字符串（这个字符串太神奇，但确实有人问起）：
printf("%d; %d; %d;", ％a, %b, %c);
去掉引号外的％。
“我要怎么用正则表达式来表示“引号外部”的概念呢？”，这个朋友被困住了。
但是，我们仔细观察就会发现，其实我们真正关注的不是“引号外部”，而是引号字符串（也就是表示格式的字符串）之后的内容，也就是说，最后一个引号右边的内容，仔细观察就会发现，其中文字的特点是，它们的右边都没有引号，于是问题就变成了，“去掉这样的百分号，它右边的字符串中不包含引号”。
于是我们很顺利地写出正则表达式
%(?=[^"]*$)
这里，一定不要忘记添加$，这样，括号内的结构才能匹配右边的所有字符，而不是其中的一串字符。

常用的表达式收集于此，以备不时之需。

匹配中文字符的正则表达式： [/u4e00-/u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^/x00-/xff]
评注：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）

匹配空白行的正则表达式：/n/s*/r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(/S*?)[^>]*>.*?<//1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^/s*|/s*$
评注：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

匹配Email地址的正则表达式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^/s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(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}$
评注：表单验证时很实用

匹配国内电话号码：/d{3}-/d{8}|/d{4}-/d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

<script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script>

匹配中国邮政编码：[1-9]/d{5}(?!/d)
评注：中国邮政编码为6位数字

匹配身份证：/d{15}|/d{18}
评注：中国的身份证为15位或18位

匹配ip地址：/d+/./d+/./d+/./d+
评注：提取ip地址时有用

匹配特定数字：
^[1-9]/d*$　 　 //匹配正整数
^-[1-9]/d*$ 　 //匹配负整数
^-?[1-9]/d*$　　 //匹配整数
^[1-9]/d*|0$　 //匹配非负整数（正整数 + 0）
^-[1-9]/d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]/d*/./d*|0/./d*[1-9]/d*$　　 //匹配正浮点数
^-([1-9]/d*/./d*|0/./d*[1-9]/d*)$　 //匹配负浮点数
^-?([1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0)$　 //匹配浮点数
^[1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]/d*/./d*|0/./d*[1-9]/d*))|0?/.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-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-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^/w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串
评注：最基本也是最常用的一些表达式