正则表达式中/w不能识别中文

2020-03-16 21:15:54

字体：大中小

来源：转载

供稿：网友

昨天在CentOS 5.2 boost::regex库上,测试的网上来的一段代码时 (//w*)死活不能匹配中文参考了下边连接里的内容

正则表达式用于字符串处理，表单验证等场合，实用高效，但用到时总是不太把握，以致往往要上网查一番。我将一些常用的表达式收藏在这里，作备忘之用。本贴随时会更新。

匹配中文字符的正则表达式： [/u4e00-/u9fa5]

匹配双字节字符(包括汉字在内)：[^/x00-/xff]

应用：计算字符串的长度(一个双字节字符长度计2，ASCII字符计1)

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

匹配空行的正则表达式：/n[/s| ]*/r

匹配HTML标记的正则表达式：/<(.*)>.*<///1>|<(.*) //>/

匹配首尾空格的正则表达式：(^/s*)|(/s*$)

String.prototype.trim = function()

{

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

}

利用正则表达式分解和转换IP地址：

下面是利用正则表达式匹配IP地址，并将IP地址转换成对应数值的Javascript程序：

function IP2V(ip)

{

re=/(/d+)/.(/d+)/.(/d+)/.(/d+)/g //匹配IP地址的正则表达式

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!")

}

不过上面的程序如果不用正则表达式，而直接用split函数来分解可能更简单，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地址的正则表达式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*

匹配网址URL的正则表达式：http://([/w-]+/.)+[/w-]+(/[/w- ./?%&=]*)?

利用正则表达式去除字串中重复的字符的算法程序：[注：此程序不正确，原因见本贴回复]

var s="abacabefgeeii"

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

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

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

alert(s1+s2) //结果为：abcefgi

我原来在CSDN上发贴寻求一个表达式来实现去除重复字符的方法，最终没有找到，这是我能想到的最简单的实现方法。思路是使用后向引用取出包括重复的字符，再以重复的字符建立第二个表达式，取到不重复的字符，两者串连。这个方法对于字符顺序有要求的字符串可能不适用。

得用正则表达式从URL地址中提取文件名的javascript程序，如下结果为page1

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

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

alert(s)

利用正则表达式限制网页表单里的文本框输入内容：

用正则表达式限制只能输入中文：onkeyup="value=value.replace(/[^/u4E00-/u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/u4E00-/u9FA5]/g,''))"

用正则表达式限制只能输入全角字符： onkeyup="value=value.replace(/[^/uFF00-/uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/uFF00-/uFFFF]/g,''))"

用正则表达式限制只能输入数字：onkeyup="value=value.replace(/[^/d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"

用正则表达式限制只能输入数字和英文：onkeyup="value=value.replace(/[/W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^/d]/g,''))"

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

另外从baidu 的知道里边拿到些信息:

正则表达式的构造摘要

构造匹配

字符

x 字符 x

// 反斜线字符

/0n 带有八进制值 0 的字符 n (0 <= n <= 7)

/0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)

/0mnn 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7)

/xhh 带有十六进制值 0x 的字符 hh

/uhhhh 带有十六进制值 0x 的字符 hhhh

/t 制表符 ('/u0009')

/n 新行(换行)符 ('/u000A')

/r 回车符 ('/u000D')

/f 换页符 ('/u000C')

/a 报警 (bell) 符 ('/u0007')

/e 转义符 ('/u001B')

/cx 对应于 x 的控制符

字符类

[abc] a、b 或 c(简单类)

[^abc] 任何字符，除了 a、b 或 c(否定)

[a-zA-Z] a 到 z 或 A 到 Z，两头的字母包括在内(范围)

[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](减去)

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

预定义字符类

. 任何字符(与行结束符可能匹配也可能不匹配)

/d 数字：[0-9]

/D 非数字： [^0-9]

/s 空白字符：[ /t/n/x0B/f/r]

/S 非空白字符：[^/s]

/w 单词字符：[a-zA-Z_0-9]

/W 非单词字符：[^/w]

POSIX 字符类(仅 US-ASCII)

/p{Lower} 小写字母字符：[a-z]

/p{Upper} 大写字母字符：[A-Z]

/p{ASCII} 所有 ASCII：[/x00-/x7F]

/p{Alpha} 字母字符：[/p{Lower}/p{Upper}]

/p{Digit} 十进制数字：[0-9]

/p{Alnum} 字母数字字符：[/p{Alpha}/p{Digit}]

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

/p{Graph} 可见字符：[/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} 十六进制数字：[0-9a-fA-F]

/p{Space} 空白字符：[ /t/n/x0B/f/r]

java.lang.Character 类(简单的 java 字符类型)

/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 块和类别的类

/p{InGreek} Greek 块(简单块)中的字符

/p{Lu} 大写字母(简单类别)

/p{Sc} 货币符号

/P{InGreek} 所有字符，Greek 块中的除外(否定)

[/p{L}&&[^/p{Lu}]] 所有字母，大写字母除外(减去)

边界匹配器

^ 行的开头

$ 行的结尾

/b 单词边界

/B 非单词边界

/A 输入的开头

/G 上一个匹配的结尾

/Z 输入的结尾，仅用于最后的结束符(如果有的话)

/z 输入的结尾

Greedy 数量词

X? X，一次或一次也没有

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，但是不超过 m 次

Reluctant 数量词

X?? X，一次或一次也没有

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，但是不超过 m 次

Possessive 数量词

X?+ X，一次或一次也没有

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，但是不超过 m 次

Logical 运算符

XY X 后跟 Y

X|Y X 或 Y

(X) X，作为捕获组

Back 引用

/n 任何匹配的 nth 捕获组

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，但是结束从 /Q 开始的引用

特殊构造(非捕获)

(?:X) X，作为非捕获组

(?idmsux-idmsux) Nothing，但是将匹配标志由 on 转为 off

(?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组

(?=X) X，通过零宽度的正 lookahead

(?!X) X，通过零宽度的负 lookahead

(?<=X) X，通过零宽度的正 lookbehind

(?>X) X，作为独立的非捕获组

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

反斜线、转义和引用

反斜线字符 ('/') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 // 与单个反斜线匹配，而 /{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的;它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "/b" 与单个退格字符匹配，而 "//b" 与单词边界匹配。字符串字面值 "/(hello/)" 是非法的，将导致编译时错误;要与字符串 (hello) 匹配，必须使用字符串字面值 "//(hello//)"。

字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符(隐式)和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1 字面值转义 /x

2 分组 [...]

3 范围 a-z

4 并集 [a-e][i-u]

5 交集 [a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。

行结束符

行结束符是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：

新行(换行)符 ('/n')、