71正则表达式

正则表达式正则表达式基础知识•我们先从简单的开始。假设你要搜索一个包含字符“cat”的字符串，搜索用的正则表达式就是“cat”。如果搜索对大小写不敏感，单词“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是说：•句点符号•假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“tn”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符：••方括号符号•为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内你只能匹配单个字符：•“或”符号•如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组，具体请参见后面介绍。•表示匹配次数的符号•表一显示了表示匹配次数的符号，这些符号用来确定紧靠该符号左边的符号出现的次数：•假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“\”。•匹配所有123-12-1234形式的社会安全号码•假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”数量限定符号，如图二所示：•匹配所有123-12-1234和123121234形式的社会安全号码•下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。图三显示了完整的正则表达式。•匹配典型的美国汽车牌照号码，如8836KV•“否”符号“^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。•匹配所有单词，但“X”开头的除外•圆括号和空白符号•假设要从格式为“June26,1951”的生日日期中提取出月份部分，用来匹配该日期的正则表达式可以如图五所示：•匹配所有MothDD,YYYY格式的日期•新出现的“\s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用OROAPI（本文后面详细讨论）提取出它的值。修改后的正则表达式如图六所示：•匹配所有MonthDD,YYYY格式的日期，定义月份值为第一个组•其它符号•为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如表二所示：•例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“\d”。修改后的正则表达式如图七所示：•匹配所有123-12-1234格式的社会安全号码•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,10000and10,000.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})?$•构造检查email的正则表达式•在一个完整的email地址中有三个部分:1.用户名(在'@'左边的一切),2.'@',3.服务器名(就是剩下那部分).•用户名可以含有大小写字母阿拉伯数字,句号('.'),减号('-'),and下划线('_').服务器名字也是符合这个规则,当然下划线除外.•现在,用户名的开始和结束都不能是句点.服务器也是这样.还有你不能有两个连续的句点他们之间至少存在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:•^[_a-zA-Z0-9-]+$•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•^[-!#$%&\'*+\\./0-9=?A-Z^_`a-z{|}~]+'.'@'.'[-!#$%&\'*+\\/0-9=?A-Z^_`a-z{|}~]+\.'.'[-!#$%&\'*+\\./0-9=?A-Z^_`a-z{|}~]+$