iOS文本操作笔记——正则表达式

定义:

正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为”元字符”)。
正则表达式使用单个字符串来描述、匹配或替换一系列匹配某个句法规则的字符串。

使用步骤:

1.定义正则表达式规则
2.通过规则,创建正则表达式对象
3.利用正则表达式对象匹配字符串

语法介绍

正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

正则表达式是由普通字符(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。模式描述在搜索文本时要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。

来一些个实际的例子帮助理解:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
var str = "225Hello, playground 9527 8abc 9哟吼吼 12哟吼吼"

// "^[0-9]+$"匹配一个只能是0-9的数字组成的字符串,'^'表示以以'^'字符后面的条件为起始,'$'表示以以'$'字符前面的条件结束,
// '+'表示'+'前面的条件有一个或者多个
// '[]'中括号括起来标示一个独立条件
// 例如换成"[0-9]+$"则是匹配以数字结尾的字符串,"^[0-9]+"匹配以数字开头的字符串,"[0-9]+"匹配字符串中的所有数字并存储,
// "[0-9]" 匹配每一个数字字符并存储
//let numPattern = "^[0-9]+$"
let numPattern = "[0-9]+"

do {
// 尝试创建正则表达式对象,如果pattern不符合正则表达式语法,则会抛出异常
let regex = try NSRegularExpression(pattern: numPattern, options: NSRegularExpression.Options.caseInsensitive)

// 返回匹配到的结果,[NSTextCheckingResult] 如果没有匹配到内容,则返回空数组
let result = regex.matches(in: str, options: NSRegularExpression.MatchingOptions.reportProgress, range: NSMakeRange(0, str.characters.count))

// 替换掉符合规则的内容
regex.stringByReplacingMatches(in: str, options: [], range: NSMakeRange(0, str.length), withTemplate: "ABC")

// 匹配到几个结果,结果 = result.count
regex.numberOfMatches(in: str, options: NSRegularExpression.MatchingOptions.reportProgress, range: NSMakeRange(0, str.characters.count))

result.map {
(str as NSString).substring(with: $0.range)
}
}
catch {
error.localizedDescription
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
var str = "<Hello, playground> 9527 8abc 9哟吼吼 12哟吼吼 17825261742 gjhlovelh@vip.qq.com kik: gjhlovelh@vip.qq.com QQ: 470046428 http://www.cxylg.com/wp-admin/post.php?post=465&action=edit qcc"

// 匹配前面尖括号的内容, 这里加上问号标示飞贪婪,不会搜索后面更多的内容
var pattern = "<.*?>"

// 匹配email是否合法使用 "^\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+$"
// "^\\w+" 表示以一个或n个字母,数字,下划线开头
// (-\\w+) 表示'-'加字母,数字,下划线
// (\\.\\w+) 表示'.'加字母,数字,下划线
// ((-\\w+)|(\\.\\w+))* 表示匹配上面两个的组合0次或n次
// @ 符号只有一个且必须
// [A-Za-z0-9]+ 表示匹配字幕和数字的组合一个或多个,大小写均可,比'\w'少了个'_',匹配一级域名
// ((\\.|-)[A-Za-z0-9]+)* 表示匹配.xxx或者-xx257这种东西0个或n个,匹配二级域名
// \\.[A-Za-z0-9]+$ 匹配后缀.com .cn .sc1等,但不能匹配中文域名后缀
// 下面去掉开头和结尾的限制即可匹配出文字中的所有email 地址
pattern = "\\w+((-\\w+)|(\\.\\w+))*\\@[A-Za-z0-9]+((\\.|-)[A-Za-z0-9]+)*\\.[A-Za-z0-9]+"

// 匹配http url
// http(s)?:// ‘?’ 标示匹配前面的字表达式0次或1次
// 后面的跟上面大同小异,匹配一级域名,二级域名,后面的GET参数
pattern = "http(s)?://([\\w-]+\\.)+[\\w-]+(/[\\w-./?%&=]*)?"

do {
let regex = try NSRegularExpression(pattern: pattern, options: NSRegularExpression.Options.caseInsensitive)
regex.enumerateMatches(in: str, options: NSRegularExpression.MatchingOptions.reportCompletion, range: NSMakeRange(0, str.length), using: { (result, flag, isFinished) in
if result != nil {
print((str as NSString).substring(with: result!.range))
}
})
}
catch {

}

NSRegularExpression 使用匹配选项说明:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
extension NSRegularExpression {

public struct Options : OptionSet {

public init(rawValue: UInt)

// 不区分字母大小写
public static var caseInsensitive: NSRegularExpression.Options { get }
// 忽略正则表达式中的#之后的字符, 忽略空格,例如"^[0-9]+#[a-z]+$"等同于"^[0-9]+", "^[0-9] +"等同于"^[0-9]+"
public static var allowCommentsAndWhitespace: NSRegularExpression.Options { get }
// 将正则表达式整体作为字符串处理,正则语法不生效
public static var ignoreMetacharacters: NSRegularExpression.Options { get }
// 允许'.'匹配任何字符,包括换行符, '.'在标准语法中是不能匹配换行符的
public static var dotMatchesLineSeparators: NSRegularExpression.Options { get }
// 允许'^'和'$'符号匹配行的开头和结尾
public static var anchorsMatchLines: NSRegularExpression.Options { get }
// 设置\n为唯一的行分隔符,否则所有的都有效。
public static var useUnixLineSeparators: NSRegularExpression.Options { get }
// 使用Unicode TR#29标准作为词的边界,否则所有传统正则表达式的词边界都有效
public static var useUnicodeWordBoundaries: NSRegularExpression.Options { get }
}

// 这部分主要是在block的方式调用时生效
public struct MatchingOptions : OptionSet {

public init(rawValue: UInt)

// 找到最长的匹配字符串后调用block回调
public static var reportProgress: NSRegularExpression.MatchingOptions { get }
// 找到任何一个匹配串后都回调一次block
public static var reportCompletion: NSRegularExpression.MatchingOptions { get }
// 从匹配范围的开始处进行极限匹配, 等于在开始处匹配个最长的
public static var anchored: NSRegularExpression.MatchingOptions { get }
// 允许匹配的范围超出设置的范围
public static var withTransparentBounds: NSRegularExpression.MatchingOptions { get }
// 防止^和$自动匹配搜索范围的开始和结束
public static var withoutAnchoringBounds: NSRegularExpression.MatchingOptions { get }
}

// 参数block回调中,NSTextCheckingResult类型的参数即是查询结果;MatchingFlags类型的参数flags如下
public struct MatchingFlags : OptionSet {

public init(rawValue: UInt)

// 匹配到最长串时被设置
public static var progress: NSRegularExpression.MatchingFlags { get }
// 全部匹配完成后被设置
public static var completed: NSRegularExpression.MatchingFlags { get }
// 匹配到设置范围的末尾时被设置
public static var hitEnd: NSRegularExpression.MatchingFlags { get }
// 当前匹配到的字符串在匹配范围的末尾时被设置
public static var requiredEnd: NSRegularExpression.MatchingFlags { get }
// 由于错误导致的匹配失败时被设置
public static var internalError: NSRegularExpression.MatchingFlags { get }
}
}

元字符说明:

下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为:

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{0,}。
+ 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 {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” 。? 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’。
. 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,请使用像”(.|\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 $0…$9 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’、’l’、’i’、’n’。
[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,'(.)\1′ 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, \u00A9 匹配版权符号 (?)。

一些常用的正则表达式:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
1.验证用户名和密码:”^[a-zA-Z]\w{5,15}$”
2.验证电话号码:(”^([\\d{3,4}-)\\d{7,8}$](file:///d%7B3,4%7D-)//d%7B7,8%7D$)”)
eg:021-68686868 0511-6868686
3.验证手机号码:”^1[3|4|5|7|8][0-9]\\d{8}$”;
4.验证身份证号(15位或18位数字):”\\d{14}[[0-9],0-9xX]”;
5.验证Email地址:(^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\.\\w+([-.]\\w+)*$”)
6.只能输入由数字和26个英文字母组成的字符串:(^[A-Za-z0-9]+$”) ;
7.整数或者小数:^[0-9]+([.]{0,1}[0-9]+){0,1}$
8.只能输入数字:”^[0-9]*$”。
9.只能输入n位的数字:”^\\d{n}$”。
10.只能输入至少n位的数字:”^\\d{n,}$”。
11.只能输入m~n位的数字:”^\\d{m,n}$”。
12.只能输入零和非零开头的数字:”^(0|[1-9][0-9]*)$”。
13.只能输入有两位小数的正实数:”^[0-9]+(.[0-9]{2})?$”。
14.只能输入有1~3位小数的正实数:”^[0-9]+(\.[0-9]{1,3})?$”。
15.只能输入非零的正整数:”^\+?[1-9][0-9]*$”。
16.只能输入非零的负整数:”^\-[1-9][]0-9*$。
17.只能输入长度为3的字符:”^.{3}$”。
18.只能输入由26个英文字母组成的字符串:”^[A-Za-z]+$”。
19.只能输入由26个大写英文字母组成的字符串:”^[A-Z]+$”。
20.只能输入由26个小写英文字母组成的字符串:”^[a-z]+$”。
21.验证是否含有^%&amp;',;=?$\”等字符:”[^%&amp;',;=?$\x22]+”。
22.只能输入汉字:”^[\u4e00-\u9fa5]{0,}$”。
23.验证URL:"http(s)?://([\\w-]+\\.)+[\\w-]+(/[\\w- ./?%&amp;=]*)?"
24.验证一年的12个月:”^(0?[1-9]|1[0-2])$”正确格式为:”01″~”09″和”10″~”12″。
25.验证一个月的31天:”^((0?[1-9])|((1|2)[0-9])|30|31)$”正确格式为;”01″~”09″、”10″~”29″和“30~31”。
26.获取日期正则表达式:[\\d{4](file:///d%7B4)}[年|\-|\.]\\d{\1-\12}[月|\-|\.]\\d{\1-\31}日?
评注:可用来匹配大多数年月日信息。
27.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
28.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
29.匹配HTML标记的正则表达式:&lt;(\S*?)[^&gt;]*&gt;.*?&lt;/&gt;|&lt;.*? /&gt;
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
30.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
31.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
32.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
33.匹配腾讯QQ号:[1-9][0-9]\{4,\}
评注:腾讯QQ号从10 000 开始
34.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
35.匹配ip地址:((2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\.){3}(2[0-4]\\d|25[0-5]|[01]?\\d\\d?)

参考资料:
http://www.jianshu.com/p/ea10003d224a
http://www.runoob.com/regexp/regexp-metachar.html

本文测试playground下载

龚杰洪

Recent Posts

GOLANG面试八股文-并发控制

背景 协程A执行过程中需要创建…

1 年 ago

MYSQL面试八股文-常见面试问题和答案整理二

索引B+树的理解和坑 MYSQ…

1 年 ago

MYSQL面试八股文-InnoDB的MVCC实现机制

背景 什么是MVCC? MVC…

1 年 ago

MYSQL面试八股文-索引类型和使用相关总结

什么是索引? 索引是一种用于加…

1 年 ago

MYSQL面试八股文-索引优化之全文索引(解决文本搜索问题)

背景:为什么要有全文索引 在当…

1 年 ago