專案裡遇到正則表達式的需求時,會再次感受到它的強大——幾乎所有程式語言都用得上。以前寫 Java 時,拿正則來檢查帳號、密碼非常順手,寫腳本也一樣輕鬆;換到 Objective-C 卻被折磨了一輪,或許是當時對 OC 掌握得還不夠。以下把實用資料整理成一份可查閱的筆記。
先來看最基礎的例子:比對一組由 9 到 15 個字母或數字組成的字串。
NSString * regex = @"^[A-Za-z0-9]{9,15}$";
NSPredicate *pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
BOOL isMatch = [pred evaluateWithObject:txtfldPhoneNumber.text];
在 Objective-C 中使用正則時,細節要特別留意。以下是我在專案中實際用到的寫法,用來限制暱稱只能包含中文、字母與數字:
NSString *regex = @"[a-zA-Z一-龥][a-zA-Z0-9一-龥]+";
NSPredicate *pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
if(![pred evaluateWithObject: nickNameTextField.text]) {
Warning_boxes *reminderView = [[Warning_boxes alloc]init];
[self.view addSubview:reminderView];
reminderView.title_alter.text = @"昵稱只能由中文、字母或數字組成";
[reminderView animationStart];
[reminderView release];
return;
}
最關鍵的是這一行的那個驚嘆號:
if(![pred evaluateWithObject: nickNameTextField.text])
因為 evaluateWithObject: 在比對成功時回傳的是 YES,所以我們想在「符合規則」時攔下輸入,就必須加上 ! 把結果反轉。
正則通常用於兩件事:驗證,以及搜尋/取代。用於驗證時,一般要在前後分別加上 ^ 與 $,以比對整個待驗字串;用於搜尋或取代時,是否加限定符取決於搜尋需求,有些情況會改用 \b 而非 ^ 與 $。以下表格中的常用表達式,除少數例外,前後都沒有加任何限定,請依實際需要自行處理。
網址(URL):[a-zA-z]+://[^\s]*
IP 位址:((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
電子郵件:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
QQ 號碼:[1-9]\d{4,}
HTML 標記(含內容或自閉合):<(.*)(.*)>.*<\/\1>|<(.*) />
密碼(數字/大寫/小寫/標點四種皆備,8 位以上):(?=^.{8,}$)(?=.*\d)(?=.*\W+)(?=.*[A-Z])(?=.*[a-z])(?!.*\n).*$
日期(年-月-日):(\d{4}|\d{2})-((1[0-2])|(0?[1-9]))-(([12][0-9])|(3[01])|(0?[1-9]))
日期(月/日/年):((1[0-2])|(0?[1-9]))/(([12][0-9])|(3[01])|(0?[1-9]))/(\d{4}|\d{2})
時間(時:分,24 小時制):((1|0?)[0-9]|2[0-3]):([0-5][0-9])
漢字:[\u4e00-\u9fa5]
中文及全形標點:[\u3000-\u301e\ufe10-\ufe19\ufe30-\ufe44\ufe50-\ufe6b\uff01-\uffee]
中國大陸固網電話:(\d{4}-|\d{3}-)?(\d{8}|\d{7})
中國大陸手機號碼:1\d{10}
中國大陸郵遞區號:[1-9]\d{5}
中國大陸身分證(15 或 18 位):\d{15}(\d\d[0-9xX])?
非負整數:\d+ 正整數:[0-9]*[1-9][0-9]*
負整數:-[0-9]*[1-9][0-9]* 整數:-?\d+
小數:(-?\d+)(\.\d+)? 不含 abc 的單字:\b((?!abc)\w)+\b
正則表達式是用來描述或比對符合某個語法規則的字串的單一字串。簡單說,我們先寫一個模板,再拿它去比對字串。以下是最常用的語法元素:
\ 將下一個字元標記為特殊字元、原義字元、向後參考或八進位轉義符,例如 \n 比對換行。
^ 比對起始位置;$ 比對結束位置。
* 前一個子表達式出現零次或多次,如 xu* 可匹配 x 與 xuu。
+ 前一個子表達式出現一次或多次,如 xu+ 可匹配 xuu、xu,但不能匹配 x,這正是它與 * 的差別。
? 前一個子表達式出現零次或一次,如 (jian(guo)?) 可匹配 jian 與 jianguo。
{n} 恰好 n 次,如 guo{2} 匹配 guoo 而非 guo;{n,} 至少 n 次;{n,m} 至少 n 次、最多 m 次。
(pattern) 比對並擷取結果;(?:pattern) 比對但不擷取。
x|y 比對 x 或 y,如 (xu|jian)guo。
[xyz] 字元集合,比對其中任一字元;[^xyz] 比對不在集合中的字元;[a-z] 字元範圍;[^a-z] 比對範圍外的字元。
\b 比對單字邊界;\B 比對非單字邊界。
\d 等價於 [0-9];\D 比對非數字。
\f 換頁符;\n 換行符;\r 回車符;\s 任何空白字元;\S 任何非空白字元;\w 字母、數字或底線;\W 其餘字元;. 除換行外的任意字元。
正則比對:rangeOfString:options:、rangeOfString:options:range:、rangeOfString:options:range:locale:
正則取代:stringByReplacingOccurrencesOfString:withString:options:range:
options 參數的型別為 NSStringCompareOptions,可用位元或運算子組合成 NSCaseInsensitiveSearch、NSLiteralSearch、NSBackwardsSearch、NSAnchoredSearch 等選項。若指定 NSRegularExpressionSearch,則搜尋字串會被視為 ICU 相容的正則表達式;此時能同時存在的選項只有 NSCaseInsensitiveSearch 與 NSAnchoredSearch。
RegexKitLite 為標準 NSString 類別擴充了許多正則方法,底層使用 iOS 系統內建的 ICU(International Components for Unicode)正則引擎,因此語法就是 ICU 語法,使用時需匯入 libicucore.dylib。整合方式很簡單:把 RegexKitLite.h 與 RegexKitLite.m 加入工程,再連結該函式庫即可。
RegexKit Framework 與 RegexKitLite 同源,但更複雜也更強大。它不使用系統的 ICU,而是內建 PCRE(Perl Compatible Regular Expressions)庫,因此採用 PCRE 語法,並為 NSArray、NSData、NSDictionary、NSSet 與 NSString 都加上正則支援。
兩者的差異大致如下:RegexKit.framework 內建 PCRE 函式庫並以靜態方式連結,每個架構約 371KB,功能涵蓋多個類別;RegexKitLite 則由系統提供 ICU、動態連結 /usr/lib/libicucore.dylib,每個架構僅約 16KB 到 20KB,只擴充 NSString,且是直接編譯進最終執行檔。
單獨使用 * 或 + 時,預設會盡可能多地比對,這就是所謂的貪婪比對。例如對 abcdefgabcdefg 使用 abc(.*)g,擷取到的內容會是 defgabcdef。若只想擷取到第一個 g(也就是 def),就得在 * 或 + 後面加上 ?,改用 abc(.*?)g。
另外,(…) 包住的內容會被擷取;如果只想分組而不擷取,請使用 (?:…),效率也略好一些。
撰寫正則時,反斜線需要轉義,也就是要寫成兩個反斜線。例如比對 IP 位址的表達式是 \b(?:\d{1,3}\.){3}\d{1,3}\b,實際寫在程式碼中則是:
NSString *regex = @"\\b(?:\\d{1,3}\\.){3}\\d{1,3}\\b";
正則表達式是一種強而有力的模式比對與取代工具,主要作用有三:驗證字串是否符合某個模式(例如檢查是否含電話號碼或信用卡號格式)、大量刪除或替換特定文字、以及依模式從字串中擷取子字串。
JavaScript 的正則一般寫成 /love/ 這樣的形式,位於斜線之間的部分就是要比對的模式。為了讓模式更靈活,正則提供了「元字元」這種具特殊意義的專用字元,用來規範前導字元在目標物件中的出現方式,最常見的就是 +、*、?:
/fo+/ 可匹配 fool、fo、football;/eg*/ 可匹配 easy、ego、egg;/Wil?/ 可匹配 Win、Wilson。
當不確定要匹配多少字元時,可以用限定符:{n} 恰好 n 次;{n,} 至少 n 次(o{1,} 等同 o+,o{0,} 等同 o*);{n,m} 最少 n 次最多 m 次(o{0,1} 等同 o?),注意逗號與數字之間不能有空格。
JavaScript 1.2 起提供了功能完整的 RegExp 物件,其中 test() 方法會檢驗目標物件是否包含比對模式並回傳 true 或 false,常用於表單驗證。求值順序由左至右並依優先級進行:轉義符 > 圓括號與方括號 > 限定符 > 位置與順序(^、$、任意元字元)> 「或」運算 |。