Java程序员：一刻钟精通正则表达式

落日映苍穹つ 2022-08-27 06:00 156阅读 0赞

转载于：[http://webservices.ctocio.com.cn/tips/331/7643831\_3.shtml][http_webservices.ctocio.com.cn_tips_331_7643831_3.shtml]

开篇,还是得说说 ^ 和 $ 他们是分别用来匹配字符串的开始和结束，以下分别举例说明：

"^The": 开头一定要有"The"字符串;

"of despair$": 结尾一定要有"of despair" 的字符串;

那么,

"^abc$": 就是要求以abc开头和以abc结尾的字符串，实际上是只有abc匹配。

"notice": 匹配包含notice的字符串。

你可以看见如果你没有用我们提到的两个字符(最后一个例子)，就是说 模式(正则表达式) 可以出现在被检验字符串的任何地方，你没有把他锁定到两边。

接着,说说 '\*', '+',和 '?',

他们用来表示一个字符可以出现的次数或者顺序. 他们分别表示：

1.  　　"zero or more"相当于\{0,\},
2.  　　"one or more"相当于\{1,\},
3.  　　"zero or one."相当于\{0,1\}, 这里是一些例子:
4.  　　"ab\*": 和ab\{0,\}同义,匹配以a开头,后面可以接0个或者N个b组成的字符串("a", "ab", "abbb", 等);
5.  　　"ab+": 和ab\{1,\}同义,同上条一样，但最少要有一个b存在 ("ab", "abbb", 等.);
6.  　　"ab?":和ab\{0,1\}同义,可以没有或者只有一个b;
7.  　　"a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.

要点, '\*', '+',和 '?'只管它前面那个字符.

你也可以在大括号里面限制字符出现的个数，比如

1.  　　"ab\{2\}": 要求a后面一定要跟两个b(一个也不能少)("abb");
2.  　　"ab\{2,\}": 要求a后面一定要有两个或者两个以上b(如"abb", "abbbb", 等.);
3.  　　"ab\{3,5\}": 要求a后面可以有2-5个b("abbb", "abbbb", or "abbbbb").

现在我们把一定几个字符放到小括号里，比如：

1.  　　"a(bc)\*": 匹配 a 后面跟0个或者一个"bc";
2.  　　"a(bc)\{1,5\}": 一个到5个 "bc."

还有一个字符 '│', 相当于OR 操作:

"hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;

"(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;

"(a│b)\*c": 匹配含有这样多个(包括0个)a或b，后面跟一个c的字符串;

一个点('.')可以代表所有的单一字符,不包括"/n"

如果,要匹配包括"/n"在内的所有单个字符,怎么办?

对了,用'\[/n.\]'这种模式.

"a.\[0-9\]": 一个a加一个字符再加一个0到9的数字

"^.\{3\}$": 三个任意字符结尾 .

中括号括住的内容只匹配一个单一的字符

"\[ab\]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);

"\[a-d\]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "\[abcd\]"效果一样); 一般我们都用\[a-zA-Z\]来指定字符为一个大小写英文

"^\[a-zA-Z\]": 匹配以大小写字母开头的字符串

"\[0-9\]%": 匹配含有 形如 x% 的字符串

",\[a-zA-Z0-9\]$": 匹配以逗号再加一个数字或字母结尾的字符串

你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用'^' 作为开头 "%\[^a-zA-Z\]%" 匹配含有两个百分号里面有一个非字母的字符串.

**要点:**^用在中括号开头的时候,就表示排除括号里的字符。为了PHP能够解释，你必须在这些字符面前后加'',并且将一些字符转义.

不要忘记在中括号里面的字符是这条规路的例外?在中括号里面, 所有的特殊字符，包括(''), 都将失去他们的特殊性质 "\[\*/+?\{\}.\]"匹配含有这些字符的字符串.

还有,正如regx的手册告诉我们: "如果列表里含有 '\]', 最好把它作为列表里的第一个字符(可能跟在'^'后面). 如果含有'-', 最好把它放在最前面或者最后面, or 或者一个范围的第二个结束点\[a-d-0-9\]中间的‘-’将有效.

看了上面的例子,你对\{n,m\}应该理解了吧.要注意的是,n和m都不能为负整数,而且n总是小于m. 这样,才能 最少匹配n次且最多匹配m次. 如"p\{1,5\}"将匹配 "pvpppppp"中的前五个p.

**下面说说以/开头的**

/b 书上说他是用来匹配一个单词边界,就是...比如've/b',可以匹配love里的ve而不匹配very里有ve

/B 正好和上面的/b相反.例子我就不举了

.....突然想起来....可以到http://www.phpv.net/article.php/251 看看其它用/ 开头的语法

**好,我们来做个应用:**

如何构建一个模式来匹配 货币数量 的输入

构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四种方式： "10000.00" 和 "10,000.00",或者没有小数部分, "10000" and "10,000". 现在让我们开始构建这个匹配模式:

这是所变量必须以非0的数字开头.但这也意味着 单一的 "0" 也不能通过测试. 以下是解决的方法:

"只有0和不以0开头的数字与之匹配"，我们也可以允许一个负号在数字之前:

这就是: "0 或者 一个以0开头 且可能 有一个负号在前面的数字." 好了,现在让我们别那么严谨，允许以0开头.现在让我们放弃 负号 , 因为我们在表示钱币的时候并不需要用到. 我们现在指定 模式 用来匹配小数部分:

这暗示匹配的字符串必须最少以一个阿拉伯数字开头. 但是注意，在上面模式中 "10." 是不匹配的, 只有 "10" 和 "10.2" 才可以. (你知道为什么吗)

我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:

这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号(每隔三位), 我们可以这样表示:

不要忘记 '+' 可以被 '\*' 替代 如果你想允许空白字符串被输入话 (为什么?). 也不要忘记反斜杆 ’/’ 在php字符串中可能会出现错误 (很普遍的错误).

现在，我们已经可以确认字符串了, 我们现在把所有逗号都去掉 str\_replace(",", "", $money) 然后在把类型看成 double然后我们就可以通过他做数学计算了.

**再来一个:**

构造检查email的正则表达式

在一个完整的email地址中有三个部分:

1. 用户名 (在 '@' 左边的一切),

2.'@',

3. [服务器][Link 1]名(就是剩下那部分).

用户名可以含有大小写字母阿拉伯数字,句号 ('.'), 减号('-'), and 下划线 ('\_'). 服务器名字也是符合这个规则,当然下划线除外.

现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:

现在还不能允许句号的存在. 我们把它加上:

上面的意思就是说: "以至少一个规范字符(除了.)开头,后面跟着0个或者多个以点开始的字符串."

简单化一点, 我们可以用 eregi()取代 ereg().eregi()对大小写不敏感, 我们就不需要指定两个范围 "a-z" 和 "A-Z" ? 只需要指定一个就可以了:

后面的服务器名字也是一样,但要去掉下划线:

好. 现在只需要用”@”把两部分连接:

这就是完整的email认证匹配模式了,只需要调用

<table style="BORDER-RIGHT: #cccccc 1px dotted; TABLE-LAYOUT: fixed; BORDER-TOP: #cccccc 1px dotted; BORDER-LEFT: #cccccc 1px dotted; BORDER-BOTTOM: #cccccc 1px dotted"> 
 <tbody> 
  <tr> 
   <td style="WORD-WRAP: break-word">eregi(‘^[_a-z0-9-]+(/.[_a-z0-9-]+)*@[a-z0-9-]+(/.[a-z0-9-]+)*$&nbsp;’,$eamil)</td> 
  </tr> 
 </tbody> 
</table>

就可以得到是否为email了.

提取字符串

ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手册). 比如说,我们想从 path/URL 提取文件名 ? 下面的代码就是你需要:

<table style="BORDER-RIGHT: #cccccc 1px dotted; TABLE-LAYOUT: fixed; BORDER-TOP: #cccccc 1px dotted; BORDER-LEFT: #cccccc 1px dotted; BORDER-BOTTOM: #cccccc 1px dotted"> 
 <tbody> 
  <tr> 
   <td style="WORD-WRAP: break-word">ereg("([^///]*)$",&nbsp;$pathOrUrl,&nbsp;$regs); echo&nbsp;$regs[1];</td> 
  </tr> 
 </tbody> 
</table>

高级的代换

ereg\_replace() 和 eregi\_replace()也是非常有用的: 假如我们想把所有的间隔负号都替换成逗号:

<table style="BORDER-RIGHT: #cccccc 1px dotted; TABLE-LAYOUT: fixed; BORDER-TOP: #cccccc 1px dotted; BORDER-LEFT: #cccccc 1px dotted; BORDER-BOTTOM: #cccccc 1px dotted"> 
 <tbody> 
  <tr> 
   <td style="WORD-WRAP: break-word">ereg_replace("[&nbsp;/n/r/t]+",&nbsp;",",&nbsp;trim($str));</td> 
  </tr> 
 </tbody> 
</table>

最后,我把另一串检查EMAIL的正则表达式让看文章的你来分析一下.

如果能方便的读懂,那这篇文章的目的就达到了.

[http_webservices.ctocio.com.cn_tips_331_7643831_3.shtml]: http://webservices.ctocio.com.cn/tips/331/7643831_3.shtml
[Link 1]: http://product.yesky.com/catalog/850/