JAVA正则表达式

http://blog.pfan.cn/iamben250/34352.html这是我的blog上面的详细介绍。配中文字符的正则表达式： [\u4e00-\u9fa5]

匹配双字节字符(包括汉字在内)：[^\x00-\xff]

应用：计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

String.prototype.len=function(){return this.replace([^\x00-\xff]/g,"aa").length}

匹配空行的正则表达式：\n[\s| ]*\r

匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/

匹配首尾空格的正则表达式：(^\s*)|(\s*$)

应用：javascript中没有像vbscript那样的trim函数，我们就可以利用这个表达式来实现，如下：

String.prototype.trim = function()

{

return this.replace(/(^\s*)|(\s*$)/g, "")

}

利用正则表达式分解和转换IP地址：

下面是利用正则表达式匹配IP地址，并将IP地址转换成对应数值的Javascript程序：

function IP2V(ip)

{

re=/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //匹配IP地址的正则表达式

if(re.test(ip))

{

return RegExp.$1*Math.pow(255,3))+RegExp.$2*Math.pow(255,2))+RegExp.$3*255+RegExp.$4*1

}

else

{

throw new Error("Not a valid IP address!")

}

}

不过上面的程序如果不用正则表达式，而直接用split函数来分解可能更简单，程序如下：

var ip="10.100.20.168"

ip=ip.split(".")

alert("IP值是："+(ip[0]*255*255*255+ip[1]*255*255+ip[2]*255+ip[3]*1))

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

匹配网址URL的正则表达式：http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?

利用正则表达式去除字串中重复的字符的算法程序：[注：此程序不正确，原因见本贴回复]

var s="abacabefgeeii"

var s1=s.replace(/(.).*\1/g,"$1")

var re=new RegExp("["+s1+"]","g")

var s2=s.replace(re,"")

alert(s1+s2) //结果为：abcefgi

我原来在CSDN上发贴寻求一个表达式来实现去除重复字符的方法，最终没有找到，这是我能想到的最简单的实现方法。思路是使用后向引用取出包括重复的字符，再以重复的字符建立第二个表达式，取到不重复的字符，两者串连。这个方法对于字符顺序有要求的字符串可能不适用。

得用正则表达式从URL地址中提取文件名的javascript程序，如下结果为page1

s=" http://www.9499.net/page1.htm"

s=s.replace(/(.*\/){0,}([^\.]+).*/ig,"$2")

alert(s)

利用正则表达式限制网页表单里的文本框输入内容：

用正则表达式限制只能输入中文：onkeyup="value=value.replace(/[^\u4E00-\u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\u4E00-\u9FA5]/g,''))"

用正则表达式限制只能输入全角字符： onkeyup="value=value.replace(/[^\uFF00-\uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\uFF00-\uFFFF]/g,''))"

用正则表达式限制只能输入数字：onkeyup="value=value.replace(/[^\d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\d]/g,''))"

用正则表达式限制只能输入数字和英文：onkeyup="value=value.replace(/[\W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^\d]/g,''))" 出处：蓝色理想

前一段时间写了2段EmEditor的宏，用来统计代码行数和简单的规约检查，稍微整理一下，

下面是从EmEditor的Q&A的提取的实例：双引号包含的字符串

strings surrounded by double-quotation marks

“.*?” [ ]包含的字符串

strings surrounded by [ ]

\[[^\[]*?\] 变量名

variable names

[a-zA-Z_][a-zA-Z_0-9]* IP 地址

IP addresses

([0-9]{1,3})\.([0-9]{1,3})\.([0-9]{1,3})\.([0-9]{1,3}) 网页地址

URL

(\S+)://([^:/]+)(:(\d+))?(/[^#\s]*)(#(\S+))? 各行Tab以后的文字列

lines followed by a tab

\t.*$ 平仮名 ひらがな

Hiragana

[\x{3041}-\x{309e}] 全角片仮名 全角カタカナ

Full-width Katakana

[\x{309b}-\x{309c}\x{30a1}-\x{30fe}] 半角仮名 半角カナ

Half-width Kana

[\x{ff61}-\x{ff9f}] 中日韩 汉字

CJK ideographs

[\x{3400}-\x{9fff}\x{f900}-\x{fa2d}] 中日韩 汉字符号

CJK ideograph marks

[\x{3000}-\x{3037}] 韩国字符

Hangul

[\x{1100}-\x{11f9}\x{3131}-\x{318e}\x{ac00}-\x{d7a3}] 行头插入 //

Insert // at start of lines

Find: ^

Replace with: // 删除行头 //

Remove // at end of lines

Find: ^//

Replace: 删除行后的空白文字（包含空格和制表位 Space+Tab）

Remove trailing whitespaces

Find: \s+?$

Replace with: 将(abc)替换为[abc]

Replace (abc) with [abc]

Find: \((.*?)\)

Replace: \[\1\] 将<H3 …>替换为<H4 …>

Replace <H3 …>with <H4 …>

Find: <H3(.*?)>

Replace: <H4\1>将9/13/2003替换为2003年9月13日

Replace 9/13/2003 with 2003.9.13

Find: ([0-9]{1,2})/([0-9]{1,2})/([0-9]{2,4})

Replace: \3年\1月\2日 将字母a-z替换为大写字母

Uppercase characters from a to z

Find: [a-z]

Replace: \U\0 首字母大写

Capitalize all words

Find: ([a-zA-Z])([a-zA-Z]*)

Replace: \U\1\L\2

如何在C语言中巧用正则表达式

看到大家讨论这方面的东西，作点贡献聊表各位高手对这个版快的无私奉献 :oops:

如果用户熟悉Linux下的sed、awk、grep或vi，那么对正则表达式这一概念肯定不会陌生。由于它可以极大地简化处理字符串时的复杂

度，因此现在已经在许多Linux实用工具中得到了应用。千万不要以为正则表达式只是Perl、Python、Bash等脚本语言的专利，作为C语言程序

员，用户同样可以在自己的程序中运用正则表达式。

标准的C和C++都不支持正则表达式，但有一些函数库可以辅助C/C++程序员完成这一功能，其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库，许多Linux发行版本都带有这个函数库。

编译正则表达式

为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用regcomp()函数对它进行编译，将其转化为regex_t结构：

int regcomp(regex_t *preg, const char *regex, int cflags)

参数regex是一个字符串，它代表将要被编译的正则表达式；参数preg指向一个声明为regex_t的数据结构，用来保存编译结果；参数cflags决定了正则表达式该如何被处理的细节。

如果函数regcomp()执行成功，并且编译结果被正确填充到preg中后，函数将返回0，任何其它的返回结果都代表有某种错误产生。

匹配正则表达式

一旦用regcomp()函数成功地编译了正则表达式，接下来就可以调用regexec()函数完成模式匹配：

int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch[], int eflags)

typedef struct {

regoff_t rm_so

regoff_t rm_eo

} regmatch_t

参数preg指向编译后的正则表达式，参数string是将要进行匹配的字符串，而参数nmatch和pmatch则用于把匹配结果返回给调用程序，最后一个参数eflags决定了匹配的细节。

在调用函数regexec()进行模式匹配的过程中，可能在字符串string中会有多处与给定的正则表达式相匹配，参数pmatch就是用来保

存这些匹配位置的，而参数nmatch则告诉函数regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返

回时，从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串，而从

string+pmatch[1].rm_so到string+pmatch[1].rm_eo，则是第二个匹配的字符串，依此类推。

释放正则表达式

无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数regfree()将其释放，以免产生内存泄漏。

void regfree(regex_t *preg)

函数regfree()不会返回任何结果，它仅接收一个指向regex_t数据类型的指针，这是之前调用regcomp()函数所得到的编译结果。

如果在程序中针对同一个regex_t结构调用了多次regcomp()函数，POSIX标准并没有规定是否每次都必须调用regfree()函

数进行释放，但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数，以尽早释放占用的存储空间。

报告错误信息

如果调用函数regcomp()或regexec()得到的是一个非0的返回值，则表明在对正则表达式的处理过程中出现了某种错误，此时可以通过调用函数regerror()得到详细的错误信息。

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size)

参数errcode是来自函数regcomp()或regexec()的错误代码，而参数preg则是由函数regcomp()得到的编译结果，

其目的是把格式化消息所必须的上下文提供给regerror()函数。在执行函数regerror()时，将按照参数errbuf_size指明的最大字

节数，在errbuf缓冲区中填入格式化后的错误信息，同时返回错误信息的长度。

应用正则表达式

最后给出一个具体的实例，介绍如何在C语言程序中处理正则表达式。

#include <stdio.h>

#include <sys/types.h>

#include <regex.h>

/* 取子串的函数 */

static char* substr(const char*str, unsigned start, unsigned end)

{

unsigned n = end - start

static char stbuf[256]

strncpy(stbuf, str + start, n)

stbuf[n] = 0

return stbuf

}

/* 主程序 */

int main(int argc, char** argv)

{

char * pattern

int x, z, lno = 0, cflags = 0

char ebuf[128], lbuf[256]

regex_t reg

regmatch_t pm[10]

const size_t nmatch = 10

/* 编译正则表达式*/

pattern = argv[1]

z = regcomp(&reg, pattern, cflags)

if (z != 0){

regerror(z, &reg, ebuf, sizeof(ebuf))

fprintf(stderr, "%s: pattern '%s' \n", ebuf, pattern)

return 1

}

/* 逐行处理输入的数据 */

while(fgets(lbuf, sizeof(lbuf), stdin)) {

++lno

if ((z = strlen(lbuf)) >0 &&lbuf[z-1] == '\n')

lbuf[z - 1] = 0

/* 对每一行应用正则表达式进行匹配 */

z = regexec(&reg, lbuf, nmatch, pm, 0)

if (z == REG_NOMATCH) continue

else if (z != 0) {

regerror(z, &reg, ebuf, sizeof(ebuf))

fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf)

return 2

}

/* 输出处理结果 */

for (x = 0x <nmatch &&pm[x].rm_so != -1++ x) {

if (!x) printf("%04d: %s\n", lno, lbuf)

printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo))

}

}

/* 释放正则表达式 */

regfree(&reg)

return 0

}

上述程序负责从命令行获取正则表达式，然后将其运用于从标准输入得到的每行数据，并打印出匹配结果。执行下面的命令可以编译并执行该程序：

# gcc regexp.c -o regexp

# ./regexp 'regex[a-z]*' <regexp.c

0003: #include <regex.h>

$0='regex'

0027: regex_t reg

$0='regex'

0054: z = regexec(&reg, lbuf, nmatch, pm, 0)

$0='regexec'

小结

对那些需要进行复杂数据处理的程序来说，正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在C语言中利用正则表达式来简化字符串处理，以便在数据处理方面能够获得与Perl语言类似的灵活性。

如果工单在其它数据中,需要两次匹配,第一次先匹配工单,然后再匹配工单中的表格和数字

如果全是工单数据,则只要匹配一次工单中的表格和数字

我给你一个php语言的分两次匹配的例子,你看看吧(正则表达式是两个斜杠中间的部分,第一次匹配取第一捕获组的数据,第二次匹配取第一和第二捕获组的数据)

<?php

$str = "该工单存在上一工单:[undo_lgc_line, 10800107423122, undo_lgc_line_link, 10800107423122, undo_lnk_lgc_link_component, 10800107423122, undo_lnk_phy_link_component, 10800107423122]必须先归档前面的工单后，才能归档当前工单，归档失败"

preg_match_all('/该工单存在上一工单:\[(.+?)\]必须先归档前面的工单后，才能归档当前工单，归档失败/',$str,$s)

for ($i=0 $i<count($s[1]) $i++) {

 preg_match_all ('/([a-z_]+),\s*(10[0-9]+)/', $s[1][$i], $matches)

 for ($j=0 $j<count($matches[1]) $j++) {

  echo "table=".$matches[1][$j]." number=".$matches[2][$j]."\n"

 }

}

?>

---