码迷,mamicode.com
首页 > 其他好文 > 详细

TRegExpr正则表达式

时间:2014-12-28 22:12:39      阅读:168      评论:0      收藏:0      [点我收藏+]

标签:

TRegExpr正则表达式  

 

2006-10-24 10:55
DELPHi中的REGEXPR   
[ 2006-03-29 11:33:46 am | Author: Admin ] 
其实这个Pascal单元我在几个论坛上面都推荐过,也是我唯一会用的DELPHI下面的正则表达式实现。
  正则表达式是个极其繁琐和强大的东西,小生才疏学浅,也不准备写正则表达式的教程,借着对这个单元的介绍,会有一些浅显且有用的例子。
  首先介绍的是这个单元的主角:TRegExpr类,这个类包括很多成员,这里仅简单的介绍一下一般匹配的过程。下面是一段在文本中提取邮件地址的代码:

Procedure GetName(TextToCheck:String;aList:TStringList);
Var
 myExpr: TRegExpr;
begin
 myExpr := TRegExpr.Create;
 Try
 myExpr.Expression := ‘name="(.*?)"‘;
 if myExpr.Exec(TextToCheck) then
 repeat
 aList.Add(myExpr.Match[1]);
 until not MyExpr.ExecNext;
 finally
 myExpr.Free;
 end;
end;

  下面对这段代码进行一点简要的说明.
  首先是myExpr.Expression := ‘name="(.*?)"‘;这个语句用以匹配name="XXXXX"形式的字符串。
“.*?”是很常见的一段,表示对任意字符串的“非贪婪匹配”,代表符合匹配条件的最短字符串,关于贪婪非贪婪的问题,会在后面说明。
  括号表示对这段文字的引用,匹配中出现符合该模式的字符串将会存储在TRegExpr的Match数组中。
  接下来是if myExpr.Exec(TextToChceck)这一句,这一语句就是开始利用上文提到的正则表达式对TextToCheck进行匹配。Exec方法有三个重载:
function Exec (const AInputString : AnsiString) : boolean; //对AInputString参数进行匹配
function Exec : boolean; overload; //对InputString成员进行匹配
function Exec (AOffset: integer) : boolean; overload; //对InputString成员,从AOffset位置开始进行匹配
  该方法返回一个布尔型的值,如果为真,则表明InputString中包含表达式所匹配的模式,例如‘Name="Hello.Gif"‘作为参数,就会返回True。

  接下来的语句中出现的myExpr.Match[1],则用以取出本次匹配结果

  最后的ExecNext其实是使用了上面提到的第三个重载,用来对重复出现的字符串进行连续匹配,返回结果的含义同Exec相同

  接下来谈谈Match成员,其中Match[0]表示整个表达式的匹配结果,之后的数组元素则代表括号中的匹配结果,元素编号按照括号从左到右的顺序递增,嵌套括号则以从内向外的顺序递增。例如一个简单的对E-Mail地址的匹配:
Quotes From ???
输入字符串:‘"dirt@sina.com","v@d2g.com"‘
正则表达式:‘"((.*?)@(.*?))",‘
执行结果如下:
0 "dirt@sina.com",
1 dirt@sina.com
2 dirt
3 sina.com
  从中即可看出Match数组中的结果排列顺序。


  而上文中出现的.*?经常用于不很严谨的场合,例如前面用到的邮件地址提取,有人就写出几百字符的的验证表达式。其中“.”表示任意单个字符,“*”表示前面的字符(串)至少出现一次,而‘?‘在这里就是非贪婪限定符,举一个简单的例子:"aaa""bbb",这样一个字符串,如果用‘"(.*?)"‘进行匹配,则Match[1]的内容就是‘aaa‘,如果去掉了其中的‘?‘,则Match[1]就变成了‘aaa""bbb‘,这就可以看出贪婪和非贪婪的区别。

  一个基本的匹配过程就到这里,有空会再继续写一些其他的相关内容,敬请丢砖

转自:
http://www.delphibbs.com/keylife/iblog_show.asp?xid=13902
作者:coolbaby

TRegExpr是正则表达式在delphi中的一个很好的实现。
是一个单独的单元,使用时直接引用即可。还自带了几个sample。

对其中的SelfTest例子加了几行注释如下:
   { basic tests }

   r := TRegExpr.Create;

   r.Expression := ‘[A-Z]‘;
   r.Exec (‘234578923457823659GHJK38‘);
   Check (0, 19, 1);
   //?在此处表示让*处于非贪婪模式
   r.Expression := ‘[A-Z]*?‘;
   r.Exec (‘234578923457823659ARTZU38‘);
   Check (0, 1, 0);

   r.Expression := ‘[A-Z]+‘;
   r.Exec (‘234578923457823659ARTZU38‘);
   Check (0, 19, 5);
   //和上面的+方式,功能一样
   r.Expression := ‘[A-Z][A-Z]*‘;
   r.Exec (‘234578923457823659ARTZU38‘);
   Check (0, 19, 5);
   //?这里表示匹配[A-Z]0次或者一次
   r.Expression := ‘[A-Z][A-Z]?‘;
   r.Exec (‘234578923457823659ARTZU38‘);
   Check (0, 19, 2);
   // \d代表数字,^代表非,总得来说就是一个或者多个非数字字符     
   r.Expression := ‘[^\d]+‘;
   r.Exec (‘234578923457823659ARTZU38‘);
   Check (0, 19, 5);

半小时精通正则表达式  
  作者:Web应用网   来源:Web应用网 

跟我学正则表达式! 
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.

JScript 和 VBScript 正则表达式 的语法规则 

一个正则表达式就是由普通字符(例如字符 a 到 z)以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

这里有一些可能会遇到的正则表达式示例:



JScript VBScript 匹配 
/^\[ \t]*$/ "^\[ \t]*$" 匹配一个空白行。 
/\d-\d/ "\d-\d" 验证一个ID 号码是否由一个2位数字,一个连字符以及一个5位数字组成。 
/<(.*)>.*<\/>/ "<(.*)>.*<\/>" 匹配一个 HTML 标记。 

下表是元字符及其在正则表达式上下文中的行为的一个完整列表:

字符 描述 
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,‘n‘ 匹配字符 "n"。‘\n‘ 匹配一个换行符。序列 ‘\‘ 匹配 "\" 而 "\(" 则匹配 "("。 
^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 ‘\n‘ 或 ‘\r‘ 之后的位置。 
$ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 ‘\n‘ 或 ‘\r‘ 之前的位置。 
* 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于。 
+ 匹配前面的子表达式一次或多次。例如,‘zo+‘ 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 。 
? 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 。 
 n 是一个非负整数。匹配确定的 n 次。例如,‘o‘ 不能匹配 "Bob" 中的 ‘o‘,但是能匹配 "food" 中的两个 o。 
 n 是一个非负整数。至少匹配n 次。例如,‘o‘ 不能匹配 "Bob" 中的 ‘o‘,但能匹配 "foooood" 中的所有 o。‘o‘ 等价于 ‘o+‘。‘o‘ 则等价于 ‘o*‘。 
 m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o" 将匹配 "fooooood" 中的前三个 o。‘o‘ 等价于 ‘o?‘。请注意在逗号和两个数之间不能有空格。 
? 当该字符紧跟在任何一个其他限制符 (*, +, ?, , , ) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",‘o+?‘ 将匹配单个 "o",而 ‘o+‘ 将匹配所有 ‘o‘。 
. 匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符,请使用象 ‘[.\n]‘ 的模式。 
(pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 … 属性。要匹配圆括号字符,请使用 ‘\(‘ 或 ‘\)‘。 
(?:pattern) 匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, ‘industr(?:y|ies) 就是一个比 ‘industry|industries‘ 更简略的表达式。 
(?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,‘Windows (?=95|98|NT|2000)‘ 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 
(?!pattern) 负向预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如‘Windows (?!95|98|NT|2000)‘ 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始  
x|y 匹配 x 或 y。例如,‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 则匹配 "zood" 或 "food"。 
[xyz] 字符集合。匹配所包含的任意一个字符。例如, ‘[abc]‘ 可以匹配 "plain" 中的 ‘a‘。 
[^xyz] 负值字符集合。匹配未包含的任意字符。例如, ‘[^abc]‘ 可以匹配 "plain" 中的‘p‘。 
[a-z] 字符范围。匹配指定范围内的任意字符。例如,‘[a-z]‘ 可以匹配 ‘a‘ 到 ‘z‘ 范围内的任意小写字母字符。 
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,‘[^a-z]‘ 可以匹配任何不在 ‘a‘ 到 ‘z‘ 范围内的任意字符。 
\b 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er\b‘ 可以匹配"never" 中的 ‘er‘,但不能匹配 "verb" 中的 ‘er‘。 
\B 匹配非单词边界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘,但不能匹配 "never" 中的 ‘er‘。 
\cx 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c‘ 字符。 
\d 匹配一个数字字符。等价于 [0-9]。 
\D 匹配一个非数字字符。等价于 [^0-9]。 
\f 匹配一个换页符。等价于 \x0c 和 \cL。 
\n 匹配一个换行符。等价于 \x0a 和 \cJ。 
\r 匹配一个回车符。等价于 \x0d 和 \cM。 
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 
\t 匹配一个制表符。等价于 \x09 和 \cI。 
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。 
\w 匹配包括下划线的任何单词字符。等价于‘[A-Za-z0-9_]‘。 
\W 匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。 
\xn 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,‘\x41‘ 匹配 "A"。‘\x041‘ 则等价于 ‘\x04‘ & "1"。正则表达式中可以使用 ASCII 编码。. 
\num 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,‘(.)‘ 匹配两个连续的相同字符。 
\n 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。 
\nm 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。 
\nml 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。 
\un 匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \? 匹配版权符号 (&copy;)。

2005-5-23 10:26:21 piao40993470 发表评论。  
所有中文(不包括标点):
([\xB0-\xF7][\xA1-\xFE])+
所有GB2312-80编码
([\xA1-\xFE][\xA1-\xFE])+
所有中文空格
(\xA1\xA1)+

英文标点:[\x20-\x2F\x3A-\x40\x5B-\x60\x7B-\x7E] 
 
2005-5-23 10:32:03 piao40993470 发表评论。  
补充一下:
在delphi下使用TPerlRegEx也是不错的  

TRegExpr正则表达式

标签:

原文地址:http://www.cnblogs.com/honeynm/p/4190592.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!