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 ) ：
java ： http://docs.oracle.com/javase/7/docs/api/java/util/regex/pattern.html
javascript ：
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-./?%&=#]*)?$";
return text.matches(regex);
}
2.判断一个文本中有多少个url ，并将所有的 url 加上超链接 .
如以下文本：
c++(vs 2013 编译器 ) ：
java ： http://docs.oracle.com/javase/7/docs/api/java/util/regex/pattern.html
javascript ：
添加链接后变成：
c++(vs 2013 编译器 ) ： <a href= ”
” > </a>
java ： <a href= ” http://docs.oracle.com/javase/7/docs/api/java/util/regex/pattern.html
” > http://docs.oracle.com/javase/7/docs/api/java/util/regex/pattern.html </a>
javascript ： <a href= ”
” > </a>
/**
* 给一个字符串添加链接
* @param text 要添加链接的字符串
* @param url 链接的url
* @return 添加链接后的字符串
*/
public static string addhref(string text, string url) {
return "<a href=\"" + url + "\">" + text + "</a>";
}
/**
* 查找文本中的url字符串，并将其添加链接
* @param text 需要查找的文本
* @return 添加链接后的文本
*/
public static string addlinktotext(string text) {
pattern pattern = pattern.compile("http://([\\w-]+.)+[\\w-]+(/[\\w-./?%&=#]*)?");
matcher matcher = pattern.matcher(text);
stringbuffer sb = new stringbuffer(); //定义一个字符缓冲区，用于保存新的文本
while (matcher.find()) {
string matchedsubstr = matcher.group(); //提取出查找到的子串
matcher.appendreplacement(sb, addhref(matchedsubstr, matchedsubstr)); //将找到的子串添加链接后塞到字符缓冲区内
}
matcher.appendtail(sb);
return sb.tostring();
}
javascript中的正则表达式
javascript 中的正则表达式是通过 regexp 对象实现的。 regexp 对象的创建有三种方式：
精简方式：
/pattern/attributes
new 方式：
new regexp(pattern, attributes);
函数调用的方式：
regexp(pattern, attributes);
参数pattern可以是一个模式串，也可以是一个regexp对象，如果pattern本身就是regexp的对象，则attributes参数将不起作用(新创建的对象的必发与pattern对象相同。)，需要省略，如果不省略会抛typeerror 异常。
参数attributes有三种属性"g"、"i" 和 "m"，分别用于指定全局匹配、区分大小写的匹配和多行匹配。
regexp主要有三个方法：
|
compile |
编译正则表达式，可用于改变和重新编译正则表达式。 |
|
exec |
检索字符串中指定的值。返回找到的值，并确定其位置。 |
|
test |
检索字符串中是否有指定的值。返回 true 或 false 。 |
1.验证字符串是否为数字
<script type="text/javascript">
function isnumber(text) {
var pattern = new regexp("^\\d*$");
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})$/;
return reg.test(text);
}
var value2 = "zhang.san@163.com";
document.write(value2 + " is email:" + isemail(value2));
</script>
3.将一个文本中的所有邮箱地址和在文本中的位置打印到页面
<script type="text/javascript">
function printemail(text) {
//匹配的模式
var reg = regexp("([\\w-.])+@([\\w-])+((\.[\\w-]{2,3}){1,2})", "g");
var result; //保存结果
while ((result = reg.exec(text)) != null) {
document.write(result[0] + "<br/>" + result.index);
document.write("<br/><br/>");
}
}
var text = "张三 zhang.san@163.com; 李四 li_si@126.com；王五 wangwu@gmail.com.cn" ;
printemail(text);
</script>
应用场景
数据验证：
例如，可以检查输入的字符串，看其是否为电话号码格式，或是否为邮箱格式。 这在网页的表单输入中经常用到。
查找子串：
可以查找文档内( 或一个字符串内 ) 符合指定模式的子串。
替换文本：
可以使用正则表达式来识别文档中的特定内容，完全删除该部分内容或者用其他字符串来替换它。
使用工具：
如 word 、 notepad++ 、 editplus 等文字编辑器中的查找功能都支持正则表达式，用正则表达式你就可以实现更加多样化的查找。还有像 vs 、 codeblock 、 eclipse 、 intellij idea 等开发工具的 ide 的查找替换功能也都支持正则表达式，用它你可以修改变量名，调整代码格式，统计代码行数等。
常用正则表达式总结
常用的正则表达式已经有很多人做了总结了，在网上能够找到非常多，我就没有再写的必要了。下面贴出我觉得还不错的一个总结。
此部分内容为转载，来自：
一、校验数字的表达式
1 数字：^[0-9]*$
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)
写在后面
正则表达式是一个非常强大而又非常常用的一个编程技术，我以上这片文章也只是抛砖引玉，讲述了其中最常用的一部分。因为其内容实在太庞大，如果要详细描述，每一种编程语言的正则表达式都可以单独成一本书。
如果您有什么疑惑和想法，请在评论处给予反馈，您的反馈就是最好的测评师！由于本人技术和能力有限，如果本博文有错误或不足之处，敬请谅解并给出您宝贵的建议！
上一篇： IOS开发常用的正则表达式
下一篇： PHP中基于perl的正则表达式处理函数