一、正則表達(dá)式概述

正則表達(dá)式或“regexp”是一種用于匹配文本中的子字符串的模式。正則表達(dá)式在字符串處理的時(shí)候發(fā)揮重要的作用，用途如下四種：

• 驗(yàn)證
  regexp可以測(cè)試子字符串是否滿足某些條件，例如是整數(shù)或不包含空格。
• 搜索
  regexp提供了比簡(jiǎn)單的子字符串匹配更強(qiáng)大的模式匹配，例如，匹配單詞 mail、letter 或 correspondence 中的一個(gè)，但不匹配單詞 email、mailman、mailer、letterbox 等。
• 搜索和替換
  regexp可以用不同的子字符串替換所有出現(xiàn)的子字符串，例如，將所有出現(xiàn)的&替換為&除非&后面已經(jīng)跟了一個(gè)amp;
• 字符串分割
  regexp可以用來(lái)標(biāo)識(shí)字符串應(yīng)該在哪里被分割，例如分割制表符分隔的字符串。

推薦看下面鏈接關(guān)于正則表達(dá)的教程，我們只需要知道在Qt里怎么調(diào)用這個(gè) api 就行啦，這個(gè)網(wǎng)站還有在線的測(cè)試正則表達(dá)式的工具，驗(yàn)證自己的正則表達(dá)正確與否

http://edu.jb51.net/regexp/regexp-tutorial.html

本文將簡(jiǎn)要介紹regexp，描述Qt的regexp語(yǔ)言、一些示例以及函數(shù)文檔本身。QRegExp是基于Perl的 regexp 語(yǔ)言建模的。它完全支持Unicode。QRegExp還可以以一種更簡(jiǎn)單的通配符模式使用，這種模式類似于命令shell中的功能。QRegExp使用的語(yǔ)法規(guī)則可以通過(guò) setPatternSyntax() 改變。特別地，模式語(yǔ)法可以設(shè)置為 QRegExp::FixedString，這意味著要匹配的模式被解釋為普通字符串，即特殊字符(例如反斜杠)不會(huì)轉(zhuǎn)義。

• 注意:在Qt 5中，新的QRegularExpression類提供了一個(gè)與Perl兼容的正則表達(dá)式實(shí)現(xiàn)，建議用它來(lái)代替QRegExp。

二、正則匹配介紹

正則表達(dá)式由表達(dá)式、量詞和斷言組成。 最簡(jiǎn)單的表達(dá)式是一個(gè)字符，例如x或5。表達(dá)式也可以是方括號(hào)中包含的一組字符。[ABCD]將匹配A、B、C或D。我們可以將這個(gè)表達(dá)式寫成[A-D]，而匹配任何英文大寫字母的表達(dá)式寫成[A- Z]。

量詞指定了必須匹配的表達(dá)式出現(xiàn)的次數(shù)。X{1,1}表示匹配1個(gè)且僅匹配1個(gè); X{1,5}表示匹配一個(gè)包含至少一個(gè)X但不超過(guò)5個(gè)X的序列。

注意，一般來(lái)說(shuō)，正則表達(dá)式不能用于檢查平衡的括號(hào)或標(biāo)簽。例如，可以編寫一個(gè) regexp 來(lái)匹配 html的開頭<b>和結(jié)尾</b>，如果<b>標(biāo)簽沒(méi)有嵌套，但如果<b>標(biāo)簽嵌套，相同的regexp將匹配一個(gè)開頭<b>標(biāo)簽和錯(cuò)誤的結(jié)尾。對(duì)于片段<b>bold <b>bold </b></b>，第一個(gè)<b>與第一個(gè)匹配，這是不正確的。不過(guò)，可以編寫一個(gè)regexp來(lái)正確匹配嵌套的方括號(hào)或標(biāo)簽，但前提是嵌套級(jí)別是固定且已知的。如果嵌套級(jí)別不是固定的且已知的，那么就不可能寫出一個(gè)不會(huì)失敗的regexp。

假設(shè)我們想要一個(gè) regexp 來(lái)匹配 0 到 99 之間的整數(shù)。至少需要一位數(shù)字，因此我們從表達(dá)式 [0-9]{1,1} 開始，它只匹配一位數(shù)字一次。這個(gè) regexp 匹配 0 到 9 之間的整數(shù)。要匹配最多 99 個(gè)整數(shù)，將最大出現(xiàn)次數(shù)增加為 2，因此 regexp 變?yōu)?[0-9]{1,2}。這個(gè) regexp 滿足匹配 0 到 99 之間的整數(shù)的原始要求，但它也匹配出現(xiàn)在字符串中間的整數(shù)。

如果希望匹配的整數(shù)是整個(gè)字符串，就必須使用錨點(diǎn)斷言，^ (上三角父)和 $ (美元符)。當(dāng)^是regexp中的第一個(gè)字符時(shí)，這意味著regexp必須從字符串的開始匹配。當(dāng) $ 是regexp的最后一個(gè)字符時(shí)，這意味著regexp必須匹配字符串的結(jié)尾。regexp變?yōu)?^ [0-9]{1,2}$。

注意，斷言，例如^和$，不匹配字符，而是匹配字符串中的位置。

如果您在其他地方看到過(guò)描述的正則表達(dá)式，它們可能與這里顯示的不同。這是因?yàn)槟承┳址土吭~太常見了，以至于它們被賦予了特殊的符號(hào)來(lái)表示。

[0-9]可以用符號(hào)\d代替。只匹配一次出現(xiàn)的量詞 {1,1} 可以用表達(dá)式本身替換，即 x{1,1} 與 x 相同。因此，我們的 0 到 99 的matcher可以寫成 ^\d{1,2}$ , 它也可以寫成 ^\d\d{0,1}$ ，即從字符串的開始匹配一個(gè)數(shù)字，緊接著是0或1個(gè)數(shù)字。實(shí)際上，它可以寫成 ^\d\d?$ 的嗎? 這也是量詞{0,1}的簡(jiǎn)寫，即出現(xiàn)0次或1次嗎?使表達(dá)式成為可選的。

^\d\d?$ 表示從字符串的開始，匹配一個(gè)數(shù)字，緊接著是 0 或 1 個(gè)數(shù)字，接著是字符串的結(jié)束。

要編寫一個(gè)匹配單詞’mail’、‘letter’或’correspondence’，但不匹配包含這些單詞的單詞，例如 ‘email’、‘mailman’、‘mailer’ 和 ‘letterbox’，請(qǐng)從匹配 ‘mail’ 的 regexp 開始。完整地說(shuō)，regexp 是 m{1,1}a{1,1}i{1,1}l{1,1}，但是因?yàn)樽址磉_(dá)式是由{1,1}自動(dòng)量化的，所以我們可以將 regexp 簡(jiǎn)化為 mail，即 ‘m’、‘a’、‘i’、‘l’。現(xiàn)在我們可以使用豎線 | (表示or)來(lái)包含另外兩個(gè)單詞，因此匹配這三個(gè)單詞中的任何一個(gè)的regexp就變成了 mail|letter|correspondence。匹配 ‘mail’、‘letter’或’correspondence’。

雖然這個(gè)regexp將匹配我們想要匹配的三個(gè)單詞中的一個(gè)，但它也會(huì)匹配我們不想匹配的單詞，例如’email’。為了防止regexp匹配不需要的單詞，我們必須告訴它在單詞邊界處開始和結(jié)束匹配。首先，我們將regexp括在括號(hào)中(mail|letter|correspondence)。

括號(hào)將表達(dá)式組合在一起，它們標(biāo)識(shí)了我們想要捕獲的regexp部分。將表達(dá)式放在括號(hào)中允許我們?cè)诟鼜?fù)雜的regexp中將其作為組件使用。 它還允許我們檢查三個(gè)單詞中哪個(gè)是真正匹配的。為了強(qiáng)制匹配在單詞邊界開始和結(jié)束，我們將regexp包含在 \b 單詞邊界斷言中： \b(mail|letter|correspondence)\b 現(xiàn)在，regexp的意思是：匹配一個(gè)單詞邊界，然后是放在括號(hào)中的regexp，最后是單詞邊界。\b斷言匹配regexp中的位置，而不是字符。

單詞邊界是任何非單詞字符，例如空格、換行符或字符串的開頭和結(jié)尾。

如果我們想將&字符替換為HTML實(shí)體&，則匹配的regexp就是&。但這個(gè)regexp也會(huì)匹配&符號(hào)

三、表達(dá)式字符

注意:c++編譯器會(huì)轉(zhuǎn)換字符串中的反斜杠。要在regexp中包含\，請(qǐng)輸入兩次，即 \\。要匹配反斜杠字符本身，請(qǐng)輸入四次，即 \\\\。

四、字符集

中括號(hào)表示匹配中包含的任意字符。上面描述的字符集縮寫可以出現(xiàn)在方括號(hào)中的字符集中。除了字符集縮寫和以下兩個(gè)例外，方括號(hào)中的字符沒(méi)有特殊含義。

• ^ ：如果字符集作為第一個(gè)字符出現(xiàn)(即緊跟在左方括號(hào)之后)，則插入符號(hào)對(duì)它取反。[abc]匹配’a’、‘b’或’c’，但[^abc]匹配除’a’、'b’或’c’以外的任何值。
• - ：破折號(hào)表示一個(gè)字符范圍。[W-Z]匹配’W’或’X’或’Y’或’Z’。

使用預(yù)定義的字符集縮寫比跨平臺(tái)和語(yǔ)言使用字符范圍具有更好的可移植性。 例如，[0-9]匹配西方字母表中的一個(gè)數(shù)字，而 \d 匹配任何字母表中的一個(gè)數(shù)字。

注意:在其他regexp文檔中，字符集通常稱為“字符類”。

五、量詞

默認(rèn)情況下，一個(gè)表達(dá)式會(huì)自動(dòng)被{1,1}量化，即它應(yīng)該只出現(xiàn)一次。在下面的列表中，E代表表達(dá)式。表達(dá)式是一個(gè)字符，或一組字符的縮寫，或方括號(hào)中的一組字符，或括號(hào)中的表達(dá)式。

如果要將量詞應(yīng)用于前面的字符以外的字符，可以使用括號(hào)將字符組合在一個(gè)表達(dá)式中。例如，tag+匹配的是’t’和’a’以及至少一個(gè)’g’，而(tag)+匹配的是’tag’的至少一次出現(xiàn)。

• 注意：量詞通常是“貪婪的”。它們總是匹配盡可能多的文本。 例如，0+匹配它找到的第一個(gè)0以及第一個(gè)0之后的所有連續(xù)的0。應(yīng)用到20005，它匹配20005。量詞可以變成非貪心的，參見setMinimal()。

六、斷言

斷言對(duì)出現(xiàn)在regexp中的文本做了一些聲明，但它們不匹配任何字符。在下面的列表中，E代表任何表達(dá)式。

七、通配符匹配

大多數(shù)命令shell，如bash或cmd.exe，都支持“文件通配符”，即通過(guò)使用通配符來(lái)識(shí)別一組文件的能力。setPatternSyntax()函數(shù)用于在regexp和通配符模式之間切換。通配符匹配比完整的正則表達(dá)式簡(jiǎn)單得多，只有4個(gè)特征。

在模式通配符中，通配符不能轉(zhuǎn)義。在WildcardUnix模式中，字符 ‘\’ 對(duì)通配符進(jìn)行轉(zhuǎn)義。
例如，如果我們使用通配符模式，并且有包含文件名的字符串，我們可以使用*. HTML來(lái)標(biāo)識(shí)HTML文件。這將匹配零個(gè)或多個(gè)字符，然后是一個(gè)點(diǎn)號(hào)，然后是h、t、m和l。

要用通配符表達(dá)式測(cè)試字符串，可以使用exactMatch()。例如:

QRegExp rx("*.txt");
rx.setPatternSyntax(QRegExp::Wildcard);
rx.exactMatch("README.txt");        // returns true
rx.exactMatch("welcome.txt.bak");   // returns false

八、獲取文本

括號(hào)允許我們將元素組合在一起，以便我們可以量化和捕獲它們。例如，如果我們有表達(dá)式mail|letter|correspondence，它匹配一個(gè)字符串，我們知道其中一個(gè)單詞匹配，但不知道是哪個(gè)單詞。使用括號(hào)允許我們“捕獲”在它們的范圍內(nèi)匹配的任何內(nèi)容，因此如果我們使用(mail|letter|correspondence)并將這個(gè)regexp與字符串“I sent you some email”匹配，我們可以使用cap()或capturedTexts()函數(shù)來(lái)提取匹配的字符，在本例中是’mail’。

我們可以在regexp中使用捕獲的文本。為了引用捕獲的文本，我們使用從1開始索引的后向引用，與cap()相同。例如，我們可以使用\b(\w+)\ w+ \1\b在字符串中搜索重復(fù)的單詞，這意味著匹配單詞邊界，然后是一個(gè)或多個(gè)單詞字符，然后是一個(gè)或多個(gè)非單詞字符，然后是與第一個(gè)括號(hào)表達(dá)式相同的文本，然后是單詞邊界。

如果我們想使用圓括號(hào)純粹用于分組而不是捕獲，我們可以使用非捕獲語(yǔ)法，例如(?:green|blue)。非捕獲性括號(hào)以(?: and end ) 。在這個(gè)例子中，我們匹配green或blue，但我們不捕獲匹配，因此我們只知道是否匹配，而不知道實(shí)際找到的顏色。使用非捕獲式括號(hào)比使用捕獲式括號(hào)更高效，因?yàn)閞egexp引擎需要做的簿記工作更少。

捕獲括號(hào)和非捕獲括號(hào)都可以嵌套。

由于歷史原因，用于捕獲括號(hào)的量詞(例如*)比其他量詞更“貪婪”。例如，a*(a*)將匹配"aaa"與cap(1) == “aaa”。這種行為不同于其他regexp引擎(特別是Perl)。為了獲得更直觀的捕獲行為，可以在QRegExp構(gòu)造函數(shù)中指定QRegExp::RegExp2，或者調(diào)用setPatternSyntax(QRegExp::RegExp2)。

如果無(wú)法事先確定匹配項(xiàng)的數(shù)量，一種常見的習(xí)慣用法是在循環(huán)中使用cap()。例如:

QRegExp rx("(\\d+)");
QString str = "Offsets: 12 14 99 231 7";
QStringList list;
int pos = 0;

while ((pos = rx.indexIn(str, pos)) != -1) {
      list << rx.cap(1);
      pos += rx.matchedLength();
}
// list: ["12", "14", "99", "231", "7"]

九、例子

第三個(gè)字符串匹配’6’。這是一個(gè)簡(jiǎn)單的驗(yàn)證0到99范圍內(nèi)整數(shù)的regexp。

QRegExp rx("^\\d\\d?$");    // match integers 0 to 99
rx.indexIn("123");          // returns -1 (no match)
rx.indexIn("-6");           // returns -1 (no match)
rx.indexIn("6");            // returns 0 (matched at position 0)

第二個(gè)字符串與This_is-OK匹配。我們使用了字符集縮寫’\S’(非空白)和錨點(diǎn)來(lái)匹配不包含空白的字符串。

QRegExp rx("^\\S+$");       // match strings without whitespace
rx.indexIn("Hello world");  // returns -1 (no match)
rx.indexIn("This_is-OK");   // returns 0 (matched at position 0)

在下面的例子中，我們匹配包含’mail’或’letter’或’correspondence’的字符串，但只匹配整個(gè)單詞，即不匹配’email’

QRegExp rx("\\b(mail|letter|correspondence)\\b");
rx.indexIn("I sent you an email");     // returns -1 (no match)
rx.indexIn("Please write the letter"); // returns 17

第二個(gè)字符串匹配"Please write The letter"。單詞“letter”也被捕獲了(因?yàn)橛欣ㄌ?hào))。我們可以這樣查看我們捕獲了什么文本:

QString captured = rx.cap(1); // captured == "letter"

這將從第一組捕獲括號(hào)中捕獲文本(從左到右計(jì)算捕獲的左括號(hào))。括號(hào)從1開始計(jì)數(shù)，因?yàn)閏ap(0)是整個(gè)匹配的regexp(相當(dāng)于大多數(shù)regexp引擎中的’&')。

QRegExp rx("&(?!amp;)");      // match ampersands but not &
QString line1 = "This & that";
line1.replace(rx, "&");
// line1 == "This & that"

QString line2 = "His & hers & theirs";
line2.replace(rx, "&");
  // line2 == "His & hers & theirs"

在這里，我們將QRegExp傳遞給QString的replace()函數(shù)，以將匹配的文本替換為新的文本。

QString str = "One Eric another Eirik, and an Ericsson. "
                "How many Eiriks, Eric?";
QRegExp rx("\\b(Eric|Eirik)\\b"); // match Eric or Eirik
int pos = 0;    // where we are in the string
int count = 0;  // how many Eric and Eirik's we've counted
while (pos >= 0) {
      pos = rx.indexIn(str, pos);
      if (pos >= 0) {
          ++pos;      // move along in str
          ++count;    // count our Eric or Eirik
      }
}

我們使用了indexIn()函數(shù)來(lái)重復(fù)匹配字符串中的regexp。請(qǐng)注意，我們可以編寫pos+ = rx.matchedLength()來(lái)跳過(guò)已經(jīng)匹配的字符串，而不是每次前進(jìn)一個(gè)字符pos++。計(jì)數(shù)將等于3，匹配’一個(gè)Eric另一個(gè)erik，和一個(gè)Ericsson。埃里克，有多少個(gè)eirik ?”它不匹配Ericsson或Eiriks，因?yàn)樗鼈儧](méi)有非單詞的邊界。

regexp的一個(gè)常見用途是將帶分隔符的數(shù)據(jù)行分割到它們的組件字段中。

str = "The Qt Company Ltd\tqt.io\tFinland";

QString company, web, country;
rx.setPattern("^([^\t]+)\t([^\t]+)\t([^\t]+)$");
if (rx.indexIn(str) != -1) {
      company = rx.cap(1);
      web = rx.cap(2);
      country = rx.cap(3);
}

在這個(gè)例子中，我們的輸入行格式為公司名稱、網(wǎng)站地址和國(guó)家。不幸的是，regexp相當(dāng)長(zhǎng)，并且不太通用——如果我們添加更多字段，代碼將中斷。一個(gè)更簡(jiǎn)單、更好的解決方案是查找分隔符(在本例中是’\t’)，并獲取其周圍的文本。QString::split()函數(shù)可以接受分隔符字符串或regexp作為參數(shù)，并相應(yīng)地分割字符串。

QStringList field = str.split("\t");

這里[0]字段表示公司，[1]字段表示網(wǎng)站地址，等等。

為了模仿shell的匹配，我們可以使用通配符模式。

QRegExp rx("*.html");
rx.setPatternSyntax(QRegExp::Wildcard);
rx.exactMatch("index.html");                // returns true
rx.exactMatch("default.htm");               // returns false
rx.exactMatch("readme.txt");                // returns false

通配符匹配很方便，因?yàn)樗芎?jiǎn)單，但任何通配符regexp都可以用完整的regexp來(lái)定義，例如*.html$ ，注意，我們不能用通配符同時(shí)匹配 .html 和 .htm 文件，除非我們使用 *.htm* ，它也會(huì)匹配test.html.bak。一個(gè)完整的regexp可以提供我們需要的精度： .*.html?$

QRegExp可以使用setcasessensitivity()不區(qū)分大小寫進(jìn)行匹配，也可以使用非貪婪匹配，參見setMinimal()。默認(rèn)情況下，QRegExp使用完整的regexp，但這可以用setPatternSyntax()改變。使用indexxin()可以實(shí)現(xiàn)正向搜索，使用lastindexxin()可以實(shí)現(xiàn)反向搜索。捕獲的文本可以使用capturedTexts()來(lái)訪問(wèn)，它會(huì)返回所有捕獲的字符串的字符串列表，或者使用cap()來(lái)返回給定索引的捕獲的字符串。pos()函數(shù)接受一個(gè)匹配項(xiàng)索引，并返回匹配項(xiàng)在字符串中的位置(如果沒(méi)有匹配項(xiàng)，則返回-1)。

總結(jié)

到此這篇關(guān)于Qt掃盲篇之QRegExp正則匹配類的文章就介紹到這了,更多相關(guān)Qt QRegExp正則匹配類內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論