标签：
|
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 (©)。 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 |
标签：
原文地址：http://www.cnblogs.com/honeynm/p/4190592.html
