比较全面的C 、Java、JavaScript中的正则表达式详解-巨人网络通讯

比较全面的C 、Java、JavaScript中的正则表达式详解

什么是正则表达式？

正则表达式(Regular Expression) 就是用某种模式去匹配一类字符串的公式。如你要在一篇文章中查找第一个字是“罗”最后一个字是“浩”的三个字的姓名，即“罗 * 浩”；那么“罗 * 浩”就是公式，也称作模式(Pattern) ，这篇文章就是要匹配的串( 或叫文本 text) 。再如，你要检查输入的一个字符串是否是 126 邮箱的格式，你得制定一个规则去查检，这种规则就是正则表达式。

从入门开始

我们就从上面提到的一个例子开始：检查一个字符串是否符合 126 邮箱的格式。

我们从网易的邮箱注册页面可以看到 126 邮箱的用户名需要符合以下的格式： 6~18 个字符，可使用字母、数字、下划线，需以字母开头。我们可以定义一个模式： ^[a-zA-Z]\w{5,17}@126.com

这个模式可以这样理解：

[a-zA-Z] ：任何一个 a 到 z 或 A 到 Z 的英文字母

^ ：表示以什么开头，则 ^[a-zA-Z] 表示以字母开头

\w ：单词字符 [a-zA-Z_0-9] ，即 a-z 或 A-Z 或 0-9 或 _ 中的任何一个字符

{5,17} ：表示出现 5 到 17 次 ( 至少 5 次，不超过 17 次 ) ，则 \w{5,17} 表示 5~17 个字符。

因为还有一个以非数字字母开头的字符，所以 ^[a-zA-Z]\w{5,17} 表示：“ 6~18 个字符，可使用字母、数字、下划线，需以字母开头 ”

@126.com ：表示符合以上规则的用户名后跟上 @126.com 字符串，即组成一个邮箱地址。

“ ^[a-zA-Z]\w{5,17}@126.com ”就是我们所说的正则表达式，用 Java 的简单实现如下：

String regex = "^[a-zA-Z]\\w{5,17}@126\\.com"; //定义匹配的规则:正则表达式
//说明：126.com中的.需要转义\\.
String text = "ZhanSan@126fcom"; //要检查的字符串
boolean isMatched = text.matches(regex); //判断text是否符合规则regex
System.out.println(isMatched);

正则表达式常用符号

上面一个示例中用到的“ ^ ”、“ \w ”、“ {5,17} ”等都是正则表达式中的常用符号，这些符号在正则表达式中都有特殊的含意。下面这个表格是 Java 中的正则表达式常用符号的含意 ( 只抽取了其常用的部分进行说明，就这些部分其实可以解决关于正则表达式的绝大多数的问题了 ) 。

模式	匹配的内容(含意)

字符类
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z[def]]	d、e 或 f（交集）
[a-z[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）

预定义字符类
.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	空白字符：[ \t\n\x0B\f\r]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]

边界匹配器
^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾

数量词(Greedy策略)
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次

逻辑运算符
XY	X 后跟 Y
X\|Y	X 或 Y
(X)	X，作为捕获组

这些常用的符号在各种编程语言的正则表达式中含意基本相同 ( 因为正则表达式的思想是相同的 ) ，所以都可以用来参数。但不同的语言可能会有一些细小的差别，如果要针对各种编程语言，想有更精确和权威的说明，可参考其官方文档：

C++(VS2013编译器 ) ： http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

Java ： http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

JavaScript ： http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

正则表达式的使用

下面从常见的需求出发讲述 C++ 、 Java 和 JavaScript 中正则表达式的使用

C++中的正则表达式

C++ 中正则表达式主要有三种实现方式： C 语言的实现方式 (C regex) ， C++ 标准库的实现 (C++ regex) ， Boost 库的实现 (boost regex) 。 C regex 的方式是一种面向过程的编程方式，使用起来不太方便； C++ regex 的方式因为是标准库的一部分，所以可以直接使用 ( 好像 Linux 平台下不支持 ) ，但 C++ regex 非常难用，语法要求比较严格，而且好多默认的选项和我们正常的想法不一样； Boost 是一个开源的第三方库，这个库非常优秀，广泛应用于 C++ 的项目开发中， boost regex 非常灵活好用， C++ 开发时是大家推崇的一种方式。

关于 boost regex 的用法，在后继的文章将会进一步介绍，现在以 C++ regex 的方式列举一个使用样例。

1.验证ip 地址

#include regex>
#include iostream>
#include string>
bool IsIpV4Address(const std::string strIp)
{
 //验证IP地址的模式，这里"\."中的"\"是转义字符,表示这是一个.
 const std::regex pattern("(\\d{1,3}){1}\.(\\d{1,3}){1}\.(\\d{1,3}){1}\.(\\d{1,3}){1}");
 //匹配验证
 return std::regex_match(strIp, pattern);
}
int main()
{
 std::string strIp1 = "134.34.34.4";//192.168.1.1
 std::string strIp2 = "192.168.255";
 std::cout  strIp1  " : "  (IsIpV4Address(strIp1) ? "valid" : "invalid")  std::endl;
 std::cout  strIp2  " : "  (IsIpV4Address(strIp2) ? "valid" : "invalid")  std::endl;
 return 0;
}

Java中的正则表达式

1.验证一个字符串是否为URL

public static boolean isUrl(String text) {
 String regex = "^http://([\\w-]+.)+[\\w-]+(/[\\w-./?%=#]*)?$";
 return text.matches(regex);
}

2.判断一个文本中有多少个URL ，并将所有的 URL 加上超链接 .

如以下文本：

C++(VS 2013 编译器 ) ： http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

Java ： http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

JavaScript ： http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

添加链接后变成：

C++(VS 2013 编译器 ) ： a href= ” http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary

” > http://msdn.microsoft.com/zh-cn/library/bb982727.aspx#grammarsummary /a>

Java ： a href= ” http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

” > http://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html /a>

JavaScript ： a href= ” http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp

” > http://www.w3school.com.cn/jsref/jsref_obj_regexp.asp /a>

/**
 * 给一个字符串添加链接
 * @param text 要添加链接的字符串
 * @param url 链接的URL
 * @return 添加链接后的字符串
 */
public static String AddHref(String text, String url) {
 return "a href=\"" + url + "\">" + text + "/a>";
}
/**
 * 查找文本中的URL字符串，并将其添加链接
 * @param text 需要查找的文本
 * @return 添加链接后的文本
 */
public static String AddLinkToText(String text) {
 Pattern pattern = Pattern.compile("http://([\\w-]+.)+[\\w-]+(/[\\w-./?%=#]*)?");
 Matcher matcher = pattern.matcher(text);
 StringBuffer sb = new StringBuffer();  //定义一个字符缓冲区，用于保存新的文本
 while (matcher.find()) {
  String matchedSubStr = matcher.group(); //提取出查找到的子串
  matcher.appendReplacement(sb, AddHref(matchedSubStr, matchedSubStr)); //将找到的子串添加链接后塞到字符缓冲区内
 }
 matcher.appendTail(sb);
 return sb.toString();
}

JavaScript中的正则表达式

JavaScript 中的正则表达式是通过 RegExp 对象实现的。 RegExp 对象的创建有三种方式：

精简方式：

/pattern/attributes

new 方式：

new RegExp(pattern, attributes);

函数调用的方式：

RegExp(pattern, attributes);

参数pattern可以是一个模式串，也可以是一个RegExp对象，如果pattern本身就是RegExp的对象，则attributes参数将不起作用(新创建的对象的必发与pattern对象相同。)，需要省略，如果不省略会抛TypeError 异常。

参数attributes有三种属性"g"、"i" 和 "m"，分别用于指定全局匹配、区分大小写的匹配和多行匹配。

RegExp主要有三个方法：

compile	编译正则表达式，可用于改变和重新编译正则表达式。
exec	检索字符串中指定的值。返回找到的值，并确定其位置。
test	检索字符串中是否有指定的值。返回 true 或 false 。

1.验证字符串是否为数字

script type="text/javascript">
 function isNumber(text) {
  var pattern = new RegExp("^\\d*$");
  return pattern.test(text);
 }
 var value1 = "1234";
 document.write(value1 + " is Numed:" + isNumber(value1));
/script>

2. 邮箱格式：

script type="text/javascript">
 function isEmail(text) {
  var reg = /^([\w-.])+@([\w-])+((\.[\w-]{2,3}){1,2})$/;
  return reg.test(text);
 }
 var value2 = "Zhang.San@163.com";
 document.write(value2 + " is Email:" + isEmail(value2));
/script>

3.将一个文本中的所有邮箱地址和在文本中的位置打印到页面

script type="text/javascript">
 function PrintEmail(text) {
 //匹配的模式
 var reg = RegExp("([\\w-.])+@([\\w-])+((\.[\\w-]{2,3}){1,2})", "g");
 var result; //保存结果
 while ((result = reg.exec(text)) != null) {
  document.write(result[0] + "br/>" + result.index);
  document.write("br/>br/>");
 }
 }
 var text = "张三 Zhang.San@163.com; 李四 Li_si@126.com；王五 WangWu@gmail.com.cn" ;
 PrintEmail(text);
/script>

应用场景

数据验证：

例如，可以检查输入的字符串，看其是否为电话号码格式，或是否为邮箱格式。这在网页的表单输入中经常用到。

查找子串：

可以查找文档内( 或一个字符串内 ) 符合指定模式的子串。

替换文本：

可以使用正则表达式来识别文档中的特定内容，完全删除该部分内容或者用其他字符串来替换它。

使用工具：

如 Word 、 NotePad++ 、 EditPlus 等文字编辑器中的查找功能都支持正则表达式，用正则表达式你就可以实现更加多样化的查找。还有像 VS 、 CodeBlock 、 Eclipse 、 Intellij Idea 等开发工具的 IDE 的查找替换功能也都支持正则表达式，用它你可以修改变量名，调整代码格式，统计代码行数等。

常用正则表达式总结

常用的正则表达式已经有很多人做了总结了，在网上能够找到非常多，我就没有再写的必要了。下面贴出我觉得还不错的一个总结。

此部分内容为转载，来自： http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html

一、校验数字的表达式

1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

二、校验字符的表达式

1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%',;=?$\"等字符：[^%',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+

三、特殊需求表达式

1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号(15位、18位数字)：^\d{15}|\d{18}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 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}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
16    1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
17    2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
18    3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
19    4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
20    5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
21    6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
22    7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23    8.1到3个数字,后面跟着任意个逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24    备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff]    (包括汉字在内，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))
28 空白行的正则表达式：\n\s*\r    (可以用来删除空白行)
29 HTML标记的正则表达式：(\S*?)[^>]*>.*?/\1>|.*? />    (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$)    (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)
31 腾讯QQ号：[1-9][0-9]{4,}    (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d)    (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+    (提取IP地址时有用)
34 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))    (由@飞龙三少提供,感谢共享)