A.8 Ruby中的正则表达式的应用

首先问大家一个问题：
 php?name=%B1%E0%B3%CC%D3%EF%D1%D4" onclick="tagshow(event)" class="t_tag">编程语言（比如ruby)中什么数据类型最重要？可能大家会说到──对象，数组....
 其实是String（字符串）
 而对字符串的处理很大一部分依赖匹配，而匹配方法中，正则表达式是“降龙十八掌”，下面我们就学习正则表达式

首先是 元字符:
. :匹配除换行符以外的任意字符
[x]:匹配中括号中的任意一字符 如[abc]则匹配a或b或c
[^x] :匹配除了x以外的任意字符 :如[^abc] 则匹配除a/b/c以外的任意一字符
^ :匹配开始地方  如：^a 表示匹配以a开头的,^[a-z] 表示以小写任意一字母开头的
$ :匹配结束地方 如：a$ 表示匹配以a结尾的
x|y :匹配x或匹配y 如 ^[a-z] | ^[0-9] 表示以任意一小写字母开头，或以任意一数字开头的。实现上这个匹配也可以写成^[a-z0-9]，不过|还是有它的独有的适用之处的

量词（限定符）
？ :重复0次或1次
× ：重复0次或多次
+ ：重复1次或多次
{m} :重复m次
{m,} :重复m次或更多次
{m,n} :重复m次至n次

例如 "aa" "aaa" "aaaa" 正则表达式 /^a{2,3]$/ 能匹配第一个和第二个字符串，因为此表达式是说，从开头到结尾中间是连续2个至3个a都可以。
例："d3df" "abcd" "3dfs4" "dfsde" ，正则表达式/^[a-z]*$/ 能匹配第二个和第四个，因为此表达式是说，从开头到结尾是0个或多个（不限制多少个）a-z之内的字符（即小写字母）但，对此例，用/[a-z]*/则能匹配成功这四个字符串。如果换用 /[a-z]+$/则只能匹配成功除第3个字符串以外的三个字符串。为什么？此表达式是说以1个或多个连续的a-z之内（即小写字母）的字符结尾。
常用字符集
\s :所有空白字符
\S :所有非空白字符
\w :所有字母、数字、下划线、汉字的字符
\W :所有不是字母、数字、下划线、汉字的字符
\d :所有数字字符
\D :所有非数字字符
\b :单词的开始或结尾
\B :匹配不是单词或开始的位置
分组
上面我们例用 {} × +等可重复多个字符，如果想要重复一个字符串又该怎么办，你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了
例如，简单的匹配IP地址，(\d{1,3}\.){3}\d{1,3} 此表达式的意思是，前面小括号中是说匹配数字的1-3个和一个字符.，后面一个{3}表示重复3次，这3次是对前面整个小括号所匹配的内容（即是一个字符串）复复3次，再后面匹配一个1-3位的数字

后向引用
后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本
例 \b(\w+)\s*\1 此表达式或匹配两个连续的单词，\b匹配单词开始位置，\w+是匹配任意的字符至少一个，小括号进行了第一个编组，\s*是匹配0个或多个空格，后面的\1是引用了前面第一个编组匹配成功的字符串，如hello hello 对于此表达式，\b(\w+)是匹配了第一个hello ，则\1就是使用它的值--hello

(? =exp)也叫零宽先行断言或正预查，它匹配文本中的某些位置，这些位置的后面能匹配给定的后缀exp。比如/b/w+(?=ing/b)，匹配以 ing结尾的单词的前面部分(除了ing以外的部分)，如果在查找I'm singing while you're dancing.时，它会匹配sing和 danc。

(?!exp)零宽负向先行断言，只会匹配后缀exp不存在的位置。/d{3}(?!/d)匹配三位数字，而且这三位数字的后面不能是数字。


当正则表达式中包含能接受重复的限定符(指定数量的代码，例如*, {4,8}等)时，通常在使整个表达式能得到匹配的前提下匹配尽可能多的字符。考虑这个表达式：a.*b，它将会匹配最长的以a开始，以b 结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配
在 * + {}后面加上? 表示以非贪婪法去匹配，再以上例，a.*?b去匹配aabab的话，则会匹配aab


下面是一些常用的正则表达式:

匹配中文字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：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）

匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?<\\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：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

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+:\/[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(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}$
评注：表单验证时很实用

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：简单匹配ip地址时有用

匹配特定数字：
^[1-9]\d*$　 　 //匹配正整数
^-[1-9]\d*;　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0)
^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

以上部分例子来自互联网，感谢这些同学!

好多啊

发现一些打字错误：
例如:
…… /d{3}(?!/d)匹……
应该是\d

已经写这么全了，那我再补充一些吧

"1234".match(/(\d{3})(\d)/)

$1为123 $2为4

但如果
"1234".match(/(?:\d{3})(\d)/)
则$1为4 $2为nil

这样子在进行某些大量匹配时,如果一些值不需要可以去掉，可加速，并且比较整洁

匹配国内电话号码：/d{3}-/d{8}|/d{4}-/d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

这个可能有些问题吧 4位区号也有8位的电话号码
/\d{3,4}-\d{7,8}/

这样应该可以了吧

咦，换老师了吗？

谁发都可以.只要发的内容大家受意就好

这帖子很棒呀！超赞！
不过发现有些地方有笔误（键盘误），斜线和反斜线有的地方弄错了。。。

[ 本帖最后由 neohsiao 于 2008-7-12 00:06 编辑 ]

嗯，笔误的地方都改过了。如果还有，麻烦告诉我一下。

优先级：转义符 --> 圆括号，方括号 ---> 限定符 --->定位符 -->或操作
常用操作符：<1> =~ 检验是否匹配，若匹配则返回匹配处的索引,!~ 检验不匹配，返回true或false（nil）
    <2>. ~匹配$_并返回匹配处的索引。
    <3> match :返回匹配对象