正则表达式和其在OC中的的使用

最近对正则表达式(regex)很感兴趣, 于是了解了一下, 正则表达式是所有语言都通用的一套查找字符串的方法, 在网上找了很多入门教程, 也看了很多的教程, 也能写出来简单的正则表达式了, 但是好像还是似懂非懂的. 学习正则表达式, 看再多的教程, 都不如自己认认真真的做练习学习的快. 好吧, 我来总结一下, 供自己以后参考:

1. 先贴几个表, 正则表达式经常用到的字符及含义

表一 : 常用的元字符

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母,数字,下划线,汉字
\s	匹配任意空白符
\d	匹配数字
\b	匹配单词的开始或者结束
^	匹配字符串的开始
$	匹配字符串的结束

表二 : 常用的限定符

代码	说明
*	重复零次或者更多次 (重复任意次数)
?	重复零次或者一次 (重复次数小于等于1)
+	重复一次或者更多次 (重复次数大于1)
{n}	重复n次
{n,}	重复次数大于等于n
{n, m}	重复n到m次

表三 : 常用的反义代码

代码	说明
\W	匹配任意非字母,数字,下划线,汉字
\S	匹配任意非空白符
\D	匹配任意非数字
\B	匹配任意非单词的开始或者结束
[^x]	匹配任意除了x外任意字符
[^aeio]	匹配任意非aeio的字符

表四 : 懒惰限定符

默认情况下, 正则表达式的匹配是贪婪的匹配, 比如, 对字符串 "abxnssdb" 使用正则表达式 "\w{3,6}" 进行匹配, 可以匹配到一个结果, 结果是前六个字符, 匹配范围是3---6, 但是默认会匹配尽可能多的字符. 懒惰限定符就是尽可能少的去匹配.

代码	说明
*?	重复零次或者更多次 (重复任意次数), 尽可能少的匹配
??	重复零次或者一次 (重复次数小于等于1), 尽可能少的匹配
+?	重复一次或者更多次 (重复次数大于1), 尽可能少的匹配
{n}?	重复n次, 尽可能少的匹配
{n,}?	重复次数大于等于n, 尽可能少的匹配
{n, m}?	重复n到m次, 尽可能少的匹配

2. 常用的正则表达式

中文: ^[\u0391-\uFFE5]+$
IP地址: ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
Emoji表情: [(\ud83c\udf00-\ud83d\ude4f)|(\ud83d\ude80-\ud83d\udeff)|(\u2600-\u27bf)]

3. 正则表达式例子

<a[^>]+> 匹配用尖括号括起来的以a开头的字符串。
((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?) 匹配一个IP地址

4. OC中的正则表达式

4.1 OC中正则表达式基本使用

下面示例代码, 是正则表达式在oc中的使用方法, 例子是验证指定字符串是否是ip地址. results中包含的是NSTextCheckingResult类型的对象, 每个NSTextCheckingResult类型对象, 描述一个正则表达式匹配的结果, 正则表达式匹配的范围可以在这个对象中体现出来. 在oc中, 可以将这些常用的匹配, 写成NSString的分类.

void test1()
{
    
    NSString *str = @"1.168.0.255";
    
    NSString *pattern = @"^((2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\.){3}(2[0-4]\\d|25[0-5]|[01]?\\d\\d?)$";
    
//    NSRegularExpression *regex = [[NSRegularExpression alloc] initWithPattern:pattern options:0 error:nil];
    NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:pattern options:0 error:nil];
    
    NSArray *results = [regex matchesInString:str options:0 range:NSMakeRange(0, str.length)];
    NSLog(@"result count : %zd", results.count);
    NSLog(@"results = %@", results);
}

4.2 OC中匹配emoji表情

OC匹配emoji正则表达式如下: [(\\ud83e\\udd00-\\ud83e\\uddff)|(\\ud83c\\udf00-\\ud83d\\ude4f)|(\\ud83d\\ude80-\\ud83d\\udeff)|(\u2600-\u26ff)] 正则表达式是在维基百科上查到的emoji编码表, 然后根据emoji编码表,拼写的正则表达式.详见维基百科-Emoji ,拼写正则表达式时候遇到的坑就是, Unicode编码现在都是Unicode32编码,但是在OC中只能识别Unicode16,使用Unicode32编码拼写正则表达式程序识别不了, 最终都转换成Unicode8编码才能正确匹配到emoji.

关于Unicode8,Unicode16,Unicode32详见维基百科-Unicode.

char      data_utf8[]={0xE6,0xB1,0x89,0xE5,0xAD,0x97};//UTF-8编码
char16_t data_utf16[]={0x6C49,0x5B57};        //UTF-16编码
char32_t data_utf32[]={0x00006C49,0x00005B57};//UTF-32编码

4.3 前瞻操作符(?!)

"</?(?!br|p|img)[^>]*>" 匹配html中的标签, 非br,p,img

?!: 如上表示非br.
[^>] : 表示非>的字符.

(?!匹配模式) 我们先来实现第一个目标——匹配不以特定字符串开头的条目。

在网上看到了 ?!符号, 于是乎找到一个解释比较详细的博客, 详细解释在这里: ?! 操作符详解

来源：oschina

链接：https://my.oschina.net/u/2501614/blog/631707

标签

正则表达式

emoji