java人

爱生活,更爱java!

  BlogJava :: 首页 :: 新随笔 :: 联系 :: 聚合  :: 管理 ::
  1 随笔 :: 2 文章 :: 3 评论 :: 0 Trackbacks

转:(Java程序员:一刻钟精通正则表达式)

原文地址:http://java.chinaitlab.com/base/732793.html

  想必很多人都对正则表达式都头疼。今天,我以我的认识,加上网上一些文章,希望用常人都可以理解的表达方式来和大家分享学习经验。

  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:

  "zero or more"相当于{0,},

  "one or more"相当于{1,},

  "zero or one."相当于{0,1}, 这里是一些例子:

  "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);

  "ab+": 和ab{1,}同义,同上条一样,但最少要有一个b存在 ("ab", "abbb", 等。);

  "ab?":和ab{0,1}同义,可以没有或者只有一个b;

  "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

  "ab{2}": 要求a后面一定要跟两个b(一个也不能少)("abb");

  "ab{2,}": 要求a后面一定要有两个或者两个以上b(如"abb", "abbbb", 等。);

  "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:

  "a(bc)*": 匹配 a 后面跟0个或者一个"bc";

  "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:

  ^[1-9][0-9]*$

  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:

  ^(0│[1-9][0-9]*)$

  "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:

  ^(0│-?[1-9][0-9]*)$

  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:

  ^[0-9]+(\.[0-9]+)?$

  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)

  ^[0-9]+(\.[0-9]{2})?$

  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:

  ^[0-9]+(\.[0-9]{1,2})?$

  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:

  ^[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{1,2})?$

  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:

  ^[_a-zA-Z0-9-]+$

  现在还不能允许句号的存在。 我们把它加上:

  ^[_a-zA-Z0-9-]+(\.[_a-zA-Z0-9-]+)*$

  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:

  ^[_a-z0-9-]+(\.[_a-z0-9-]+)*$

  后面的服务器名字也是一样,但要去掉下划线:

  ^[a-z0-9-]+(\.[a-z0-9-]+)*$

  好。 现在只需要用“@”把两部分连接:

  ^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$

  这就是完整的email认证匹配模式了,只需要调用

  eregi(‘^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$ ’,$eamil)

  就可以得到是否为email了。

  正则表达式的其他用法

  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:

  ereg("([^\\/]*)$", $pathOrUrl, $regs);

  echo $regs[1];

  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:

  ereg_replace("[ \n\r\t]+", ",", trim($str));

  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。

  "^[-!#$%&\'*+\\./0-9=?A-Z^_`a-z{|}~]+'.'@'.'[-!#$%&\'*+\\/0-9=?A-Z^_`a-z{|}~]+\.'.'[-!#$%&\'*+\\./0-9=?A-Z^_`a-z{|}~]+$"

  如果能方便的读懂,那这篇文章的目的就达到了。

posted on 2008-04-18 13:23 爪哇猪 阅读(80) 评论(0)  编辑  收藏

只有注册用户登录后才能发表评论。


网站导航: