Java程序员：一刻钟精通正则表达式 (转)

原帖地址 http://webservices.ctocio.com.cn/tips/331/7643831.shtml

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.