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
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