RegExp正则校验之Java及R测试

前言：

　　正则表达式（英语：Regular Expression）原属于计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里边，正则表达式通常被用来检索、替换那些符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如，Perl,Shell,R,Java等等。

　　因本人最近刚好在学习R语言进行网页数据抓取，觉得有必要对正则表达式做个小总结，于是便有了此文。

1.重要元字符及其简短描述

元字符	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\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	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任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	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{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	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{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”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（*,+,?，{n}，{n,}，{n,m}）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”。

2.常见正则校验：

var regexEnum =

{

intege:"^-?[1-9]\\d*$", //整数

intege1:"^[1-9]\\d*$", //正整数

intege2:"^-[1-9]\\d*$", //负整数

num:"^([+-]?)\\d*\\.?\\d+$", //数字

num1:"^[1-9]\\d*|0$", //正数（正整数 + 0）

num2:"^-[1-9]\\d*|0$", //负数（负整数 + 0）

decmal:"^([+-]?)\\d*\\.\\d+$", //浮点数

decmal1:"^[1-9]\\d*.\\d*|0.\\d*[1-9]\\d*$", //正浮点数

decmal2:"^-([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*)$",//负浮点数

decmal3:"^-?([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*|0?.0+|0)$",//浮点数

decmal4:"^[1-9]\\d*.\\d*|0.\\d*[1-9]\\d*|0?.0+|0$",//非负浮点数（正浮点数 + 0）

decmal5:"^(-([1-9]\\d*.\\d*|0.\\d*[1-9]\\d*))|0?.0+|0$",//非正浮点数（负浮点数 + 0）

email:"^\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+$", //邮件

color:"^[a-fA-F0-9]{6}$", //颜色

url:"^http[s]?:\\/\\/([\\w-]+\\.)+[\\w-]+([\\w-./?%&=]*)?$", //url

chinese:"^[\\u4E00-\\u9FA5\\uF900-\\uFA2D]+$", //仅中文

ascii:"^[\\x00-\\xFF]+$", //仅ACSII字符

zipcode:"^\\d{6}$", //邮编

mobile:"^13[0-9]{9}|15[012356789][0-9]{8}|18[0256789][0-9]{8}|147[0-9]{8}$", //手机

ip4:"^(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)\\.(25[0-5]|2[0-4]\\d|[0-1]\\d{2}|[1-9]?\\d)$", //ip地址

notempty:"^\\S+$", //非空

picture:"(.*)\\.(jpg|bmp|gif|ico|pcx|jpeg|tif|png|raw|tga)$", //图片

rar:"(.*)\\.(rar|zip|7zip|tgz)$", //压缩文件

date:"^\\d{4}(\\-|\\/|\.)\\d{1,2}\\1\\d{1,2}$", //日期

qq:"^[1-9]*[1-9][0-9]*$", //QQ号码

tel:"^(([0\\+]\\d{2,3}-)?(0\\d{2,3})-)?(\\d{7,8})(-(\\d{3,}))?$", //电话号码的函数(包括验证国内区号,国际区号,分机号)

username:"^\\w+$", //用来用户注册。匹配由数字、26个英文字母或者下划线组成的字符串

letter:"^[A-Za-z]+$", //字母

letter_u:"^[A-Z]+$", //大写字母

letter_l:"^[a-z]+$", //小写字母

}

3.实例测试

#-----R测试--------

#=======正则验证测试

pattern="^\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+$";

list<-c("test@.cn","_3311@126.com","812344298@qq.com","test@321.com");print(list)

lists<-paste(list,collapse = ',');print(lists)

#--grep()返回符合的元素下标；grep1()返回所有元素的布尔值

grep(pattern,list)

grepl(pattern,list)

R测试结果：

//----Java测试---------

package com;

import java.util.regex.*;

/**

* java正则表达式验证

*/

public class RegExpTest

{

/**

* 正则验证方法一

*/

public static boolean regExpTest(String input) {

//验证标识符必须由字母、数字、下划线组成

Pattern p = Pattern.compile("[a-z0-9A-Z_]+");

Matcher m = p.matcher(input);

return  m.matches();

}

/**

* 正则验证方法二

*/

public static boolean regExpEmail(String input){

//验证个人定义的邮箱

String regex = "^[a-zA-Z0-9]+@[0-9a-z]{2,4}+\\.+[a-z]{2,4}$";

return  Pattern.matches(regex, input);

}

public static void main(String[] args)

{

System.out.println(regExpTest("root10086"));

System.out.println(regExpEmail("847421525@qq.com"));

System.out.println(regExpEmail("_te132@139.com"));

}

}

Java测试结果：



结语：

　　正则表达式可深可浅。在我看来，其重大作用主要也就是三方面，一是“校验”，二是数据抓取，三是全局定位替换。以上内容只是本人在近期学习中的部分整理。同时也希望为其它需要了解正则表达式的朋友提供一丝参考。