代码即财富之我学正则表达式

摘要: 正则表达式主要用途是文本规则的匹配和验证，在处理字符串的程序或网页时，经常需要对用户输入进行正则验证，从而简化复杂的程序编写逻辑，因此，正则表达式实际上就是一种文本规则的验证工具。

在正则表达式诞生之前，通常我们对某一字符串文本进行验证的时候，需要编配大量的匹配规则，尤其出现在需要用户输入的地方，比如对用户输入的用户名，密码和邮箱进行输入验证，如果存在非法字符，则可能认为是恶意输入。下面通过Java语言介绍一个没有使用正则表达式的邮箱输入验证案例。

给定一个邮箱：aB-c_d.ef@g1_2-3h.i4_J-k(其中的空格实际上是下划线，显示问题)

对于该邮箱（任意邮箱），我们将其划分为3个部分，首先，邮箱一定至少包含一个"."号且只包含一个"@"符号，以这两个符号将邮箱分成3部分，第一部分为@之前的内容，可以是任意字母，数字，中划线，下划线，点号；第二部分为@与最后一个点号之间的内容，可以是任意字母，数字，中划线，下划线，但不可以是点号；第三部分为最后一个点号一直到结尾处的内容，实际上应该是域名，为了简化，我们认为此处内容也可以是任意字母，数字，下划线，中划线，但不可以是点号。

明白以上规则之后，见代码

public static boolean isDigit(char c){
if(c >= '0' && c <= '9'){
return true;
}else{
return false;
}
}
public static boolean isLetter(char c){
if((c >= 'a' && c <= 'z') || (a >= 'A' && a<= 'Z')){
return true;
}else{
return false;
}
}
public static boolean commVerify(String emailStr){
boolean flag = true;
if(emailStr.indexOf(".") == -1 || emailStr.indexOf("@") == -1){
flag = false;
}else{
int highIndex = emailStr.lastIndexOf(".");
String highStr = emailStr.substring(highIndex+1);
System.out.println(highStr);
char highChars[] = highStr.toCharArray();
for(int i=0;i<highChars.length;i++){
if(!isDigit(highChars[i]) && !isLetter(highChars[i]) && highChars[i] != '-' && highChars[i] != '_'){
flag = false;
break;
}
}
int middleIndex = emailStr.indexOf("@");
String middleStr = emailStr.substring(middleIndex+1,highIndex);
System.out.println(middleStr);
char middleChars[] = middleStr.toCharArray();
for(int i=0;i<middleChars.length;i++){
if(!isDigit(middleChars[i]) && !isLetter(middleChars[i]) && middleChars[i] != '-' && middleChars[i] != '_'){
flag = false;
break;
}
}
int lowIndex = 0;
String lowStr = emailStr.substring(0,middleIndex);
System.out.println(lowStr);
char lowChars[] = lowStr.toCharArray();
for(int i=0;i<lowChars.length;i++){
if(!isDigit(lowChars[i]) && !isLetter(lowChars[i]) && lowChars[i] != '-' && lowChars[i] != '_' && lowChars[i] != '.'){
System.out.println(lowChars[i]);
flag = false;
break;
}
}

}
return flag;
}

以上代码虽然可以实现邮箱规则的匹配，但是各种条件语句和循环语句的嵌套导致结构不清晰，代码量多。如何改用正则表达式呢。这便是本文要介绍的问题。

正则表达式是一种文本规则描述的匹配工具，其规则和语法非常多，也不需要全部记住，但对最基本的一定要牢记，最基本最简单的正则表达式就是文本字符串本身， 用于匹配与该字符串相等的字符串。

[]表选择

表达式	描述
[abc]	表示取值可以是a,可以是b,也可以是c
[^abc]	表示取值不是abc中的任意字符，即除abc以外的内容
[a-zA-Z]	表示所有字母，大写和小写，[a-z]表示小写字母，[A-Z]表示大写字母

常用元字符

表达式	描述
.	除换行符以外的任意字符
\d	所有数字
\w	所有字母，数字，下划线
\s	所有空白字符
\b	单词边界位置
^	字符串开始
$	字符串结尾

常用的反义字符

表达式	描述
\D	非数字
\W	非字母、数字、下划线
\S	非空白字符
\B	非单词开始或结束边界位置

表示出现的次数

表达式	描述
X?	表示出现0次或1次
X*	表示出现0次或多次
X+	表示出现1次或多次
X{n}	表示出现n次
X{n,}	表示出现的长度大于n次
X{n,m}	表示出现n到m次

关系运算

表达式	描述
X|Y	表示要么是X的正则，要么是Y的正则
(X)	表示一组规范，一个分组

介绍了以上的正则表达式及其表示含义之后，大家都或多或少了解了一些相关知识，现在顺便介绍一下正则表达式的贪婪匹配和惰性匹配策略。一般匹配都是遵循贪婪匹配策略，即尽可能多地匹配，而以下规则支持惰性匹配，即尽可能少地匹配

表达式	描述
*?	重复任意次，但尽可能少地重复
+？	重复1次或多次，但尽可能少地重复
？？	重复0次或1次，但尽可能少地重复
{n,m}?	重复n到m次，尽可能少地重复
{n，}？	重复至少n次,但尽可能少地重复

下面就上面介绍地邮箱验证的例子，我们给出使用正则表达式进行规则匹配的案例，对比之下，可以发现，使用正则表达式，不但能使程序结构清晰，也大大简化了代码量和我们的逻辑判断工作。

JAVA对正则表达式有着良好地支持，自JDK1.4，它提供了java.util.regex包，主要负责正则匹配的两个类为Pattern类和Matcher类，Pattern根据指定正则表达式字符串构建匹配模式，并利用matcher方法返回Matcher类对象实例，用于完成匹配，实际的匹配是交给Matcher完成的，Pattern类对象的构造是通过静态方法compile构造。

public static boolean regexVerify(String emailStr){
Pattern p = Pattern.compile("[\\w-\\.]+@[\\w-]+\\.[\\w-]+");
Matcher m = p.matcher(emailStr);
if(m.matches())
//if(emailStr.matches("[\\w-\\.]+@[\\w-]+\\.[\\w-]+"))//String object has a good support to regexp
return true;
else
return false;
}

从以上代码可以看出，使用Java的正则表达式可以快速完成与大量逻辑判断相同的工作，且结构清晰，只要定义的正则表达式正确，其实在Java中一般不直接使用Pattern类和Matcher类完成正则模式匹配，因为正则匹配的对象都是文本字符串，目的就是为了验证文本规则，而String在Java中又是一个及其特殊的类，因此自从JDK1.4，引进正则表达式，String类就作了相应的修改，提供了split,matches,replaceAll,replaceFirst等方法。如上述代码注释的内容即为直接使用String对象的matches方法，其效果是完全一样的。

另外我想延伸的一点是，上述程序代码即正则表达式规则，虽然能够判别邮箱，但是邮箱通过的域名都是有限的（如163.com,qq.com），因此，本文提供精确的邮箱认证方式，即登录到邮箱服务器，验证邮箱是否存在，并返回验证结果。该功能需要Appache 的common-net.jar和dnsjava.jar包的支持。

public static boolean verifyDNS(String emailStr) {
String host = "";
String hostName = emailStr.split("@")[1];
Record[] result = null;
SMTPClient client = new SMTPClient()
try {
// 查找MX记录
Lookup lookup = new Lookup(hostName, Type.MX);
lookup.run();
if (lookup.getResult() != Lookup.SUCCESSFUL) {
return false;
} else {
result = lookup.getAnswers();
}

// 连接到邮箱服务器
for (int i = 0; i < result.length; i++) {
host = result[i].getAdditionalName().toString();
client.connect(host);
if (!SMTPReply.isPositiveCompletion(client.getReplyCode())) {
client.disconnect();
continue;
} else {
break;
}
}
client.login("xxxxxxxxxxxxxxxz.com");
client.setSender();

client.addRecipient(emailStr);
if (250 == client.getReplyCode()) {
return true;
}
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
client.disconnect();
} catch (Exception e) {
}
}
return false;
}

这部分代码拷贝至http://www.eziep.net/details/80.html。