正則表達式中/w不能識別中文

2020-03-16 21:15:54

字體：大中小

來源：轉載

供稿：網友

昨天在CentOS 5.2 boost::regex庫上,測試的網上來的一段代碼時 (//w*)死活不能匹配中文參考了下邊連接里的內容

正則表達式用于字符串處理，表單驗證等場合，實用高效，但用到時總是不太把握，以致往往要上網查一番。我將一些常用的表達式收藏在這里，作備忘之用。本貼隨時會更新。

匹配中文字符的正則表達式： [/u4e00-/u9fa5]

匹配雙字節字符(包括漢字在內)：[^/x00-/xff]

應用：計算字符串的長度(一個雙字節字符長度計2，ASCII字符計1)

String.prototype.len=function(){return this.replace([^/x00-/xff]/g,"aa").length;}

匹配空行的正則表達式：/n[/s| ]*/r

匹配HTML標記的正則表達式：/<(.*)>.*<///1>|<(.*) //>/

匹配首尾空格的正則表達式：(^/s*)|(/s*$)

String.prototype.trim = function()

{

return this.replace(/(^/s*)|(/s*$)/g, "");

}

利用正則表達式分解和轉換IP地址：

下面是利用正則表達式匹配IP地址，并將IP地址轉換成對應數值的Javascript程序：

function IP2V(ip)

{

re=/(/d+)/.(/d+)/.(/d+)/.(/d+)/g //匹配IP地址的正則表達式

if(re.test(ip))

{

return RegExp.$1*Math.pow(255,3))+RegExp.$2*Math.pow(255,2))+RegExp.$3*255+RegExp.$4*1

}

else

{

throw new Error("Not a valid IP address!")

}

不過上面的程序如果不用正則表達式，而直接用split函數來分解可能更簡單，程序如下：

var ip="10.100.20.168"

ip=ip.split(".")

alert("IP值是："+(ip[0]*255*255*255+ip[1]*255*255+ip[2]*255+ip[3]*1))

匹配Email地址的正則表達式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*

匹配網址URL的正則表達式：http://([/w-]+/.)+[/w-]+(/[/w- ./?%&=]*)?

利用正則表達式去除字串中重復的字符的算法程序：[注：此程序不正確，原因見本貼回復]

var s="abacabefgeeii"

var s1=s.replace(/(.).*/1/g,"$1")

var re=new RegExp("["+s1+"]","g")

var s2=s.replace(re,"")

alert(s1+s2) //結果為：abcefgi

我原來在CSDN上發貼尋求一個表達式來實現去除重復字符的方法，最終沒有找到，這是我能想到的最簡單的實現方法。思路是使用后向引用取出包括重復的字符，再以重復的字符建立第二個表達式，取到不重復的字符，兩者串連。這個方法對于字符順序有要求的字符串可能不適用。

得用正則表達式從URL地址中提取文件名的javascript程序，如下結果為page1

s="http://www.9499.net/page1.htm"

s=s.replace(/(.*//){0,}([^/.]+).*/ig,"$2")

alert(s)

利用正則表達式限制網頁表單里的文本框輸入內容：

用正則表達式限制只能輸入中文：onkeyup="value=value.replace(/[^/u4E00-/u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/u4E00-/u9FA5]/g,''))"

用正則表達式限制只能輸入全角字符： onkeyup="value=value.replace(/[^/uFF00-/uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/uFF00-/uFFFF]/g,''))"

用正則表達式限制只能輸入數字：onkeyup="value=value.replace(/[^/d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"

用正則表達式限制只能輸入數字和英文：onkeyup="value=value.replace(/[/W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"

------------------------------------------

另外從baidu 的知道里邊拿到些信息:

正則表達式的構造摘要

構造匹配

字符

x 字符 x

// 反斜線字符

/0n 帶有八進制值 0 的字符 n (0 <= n <= 7)

/0nn 帶有八進制值 0 的字符 nn (0 <= n <= 7)

/0mnn 帶有八進制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7)

/xhh 帶有十六進制值 0x 的字符 hh

/uhhhh 帶有十六進制值 0x 的字符 hhhh

/t 制表符 ('/u0009')

/n 新行(換行)符 ('/u000A')

/r 回車符 ('/u000D')

/f 換頁符 ('/u000C')

/a 報警 (bell) 符 ('/u0007')

/e 轉義符 ('/u001B')

/cx 對應于 x 的控制符

字符類

[abc] a、b 或 c(簡單類)

[^abc] 任何字符，除了 a、b 或 c(否定)

[a-zA-Z] a 到 z 或 A 到 Z，兩頭的字母包括在內(范圍)

[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p](并集)

[a-z&&[def]] d、e 或 f(交集)

[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z](減去)

[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z](減去)

預定義字符類

. 任何字符(與行結束符可能匹配也可能不匹配)

/d 數字：[0-9]

/D 非數字： [^0-9]

/s 空白字符：[ /t/n/x0B/f/r]

/S 非空白字符：[^/s]

/w 單詞字符：[a-zA-Z_0-9]

/W 非單詞字符：[^/w]

POSIX 字符類(僅 US-ASCII)

/p{Lower} 小寫字母字符：[a-z]

/p{Upper} 大寫字母字符：[A-Z]

/p{ASCII} 所有 ASCII：[/x00-/x7F]

/p{Alpha} 字母字符：[/p{Lower}/p{Upper}]

/p{Digit} 十進制數字：[0-9]

/p{Alnum} 字母數字字符：[/p{Alpha}/p{Digit}]

/p{Punct} 標點符號：!"#$%&'()*+,-./:;<=>?@[/]^_`{|}~

/p{Graph} 可見字符：[/p{Alnum}/p{Punct}]

/p{Print} 可打印字符：[/p{Graph}/x20]

/p{Blank} 空格或制表符：[ /t]

/p{Cntrl} 控制字符：[/x00-/x1F/x7F]

/p{XDigit} 十六進制數字：[0-9a-fA-F]

/p{Space} 空白字符：[ /t/n/x0B/f/r]

java.lang.Character 類(簡單的 java 字符類型)

/p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()

/p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()

/p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()

/p{javaMirrored} 等效于 java.lang.Character.isMirrored()

Unicode 塊和類別的類

/p{InGreek} Greek 塊(簡單塊)中的字符

/p{Lu} 大寫字母(簡單類別)

/p{Sc} 貨幣符號

/P{InGreek} 所有字符，Greek 塊中的除外(否定)

[/p{L}&&[^/p{Lu}]] 所有字母，大寫字母除外(減去)

邊界匹配器

^ 行的開頭

$ 行的結尾

/b 單詞邊界

/B 非單詞邊界

/A 輸入的開頭

/G 上一個匹配的結尾

/Z 輸入的結尾，僅用于最后的結束符(如果有的話)

/z 輸入的結尾

Greedy 數量詞

X? X，一次或一次也沒有

X* X，零次或多次

X+ X，一次或多次

X{n} X，恰好 n 次

X{n,} X，至少 n 次

X{n,m} X，至少 n 次，但是不超過 m 次

Reluctant 數量詞

X?? X，一次或一次也沒有

X*? X，零次或多次

X+? X，一次或多次

X{n}? X，恰好 n 次

X{n,}? X，至少 n 次

X{n,m}? X，至少 n 次，但是不超過 m 次

Possessive 數量詞

X?+ X，一次或一次也沒有

X*+ X，零次或多次

X++ X，一次或多次

X{n}+ X，恰好 n 次

X{n,}+ X，至少 n 次

X{n,m}+ X，至少 n 次，但是不超過 m 次

Logical 運算符

XY X 后跟 Y

X|Y X 或 Y

(X) X，作為捕獲組

Back 引用

/n 任何匹配的 nth 捕獲組

引用

/ Nothing，但是引用以下字符

/Q Nothing，但是引用所有字符，直到 /E

/E Nothing，但是結束從 /Q 開始的引用

特殊構造(非捕獲)

(?:X) X，作為非捕獲組

(?idmsux-idmsux) Nothing，但是將匹配標志由 on 轉為 off

(?idmsux-idmsux:X) X，作為帶有給定標志 on - off 的非捕獲組

(?=X) X，通過零寬度的正 lookahead

(?!X) X，通過零寬度的負 lookahead

(?<=X) X，通過零寬度的正 lookbehind

(?>X) X，作為獨立的非捕獲組

--------------------------------------------------------------------------------

反斜線、轉義和引用

反斜線字符 ('/') 用于引用轉義構造，如上表所定義的，同時還用于引用其他將被解釋為非轉義構造的字符。因此，表達式 // 與單個反斜線匹配，而 /{ 與左括號匹配。

在不表示轉義構造的任何字母字符前使用反斜線都是錯誤的;它們是為將來擴展正則表達式語言保留的。可以在非字母字符前使用反斜線，不管該字符是否非轉義構造的一部分。

根據 Java Language Specification 的要求，Java 源代碼的字符串中的反斜線被解釋為 Unicode 轉義或其他字符轉義。因此必須在字符串字面值中使用兩個反斜線，表示正則表達式受到保護，不被 Java 字節碼編譯器解釋。例如，當解釋為正則表達式時，字符串字面值 "/b" 與單個退格字符匹配，而 "//b" 與單詞邊界匹配。字符串字面值 "/(hello/)" 是非法的，將導致編譯時錯誤;要與字符串 (hello) 匹配，必須使用字符串字面值 "//(hello//)"。

字符類

字符類可以出現在其他字符類中，并且可以包含并集運算符(隱式)和交集運算符 (&&)。并集運算符表示至少包含其某個操作數類中所有字符的類。交集運算符表示包含同時位于其兩個操作數類中所有字符的類。

字符類運算符的優先級如下所示，按從最高到最低的順序排列：

1 字面值轉義 /x

2 分組 [...]

3 范圍 a-z

4 并集 [a-e][i-u]

5 交集 [a-z&&[aeiou]]

注意，元字符的不同集合實際上位于字符類的內部，而非字符類的外部。例如，正則表達式 . 在字符類內部就失去了其特殊意義，而表達式 - 變成了形成元字符的范圍。

行結束符

行結束符是一個或兩個字符的序列，標記輸入字符序列的行結尾。以下代碼被識別為行結束符：

新行(換行)符 ('/n')、