我爱正则表达式 » 问答 http://iregex.org 原创、翻译、转载关于正则表达式的文章 Sun, 27 Jun 2010 04:20:24 +0000 en hourly 1 http://wordpress.org/?v=3.0 小议“排除型匹配” http://iregex.org/blog/negate-match.html http://iregex.org/blog/negate-match.html#comments Mon, 24 May 2010 08:46:29 +0000 rex http://iregex.org/?p=122 网友cfc4n问及关于(?!)的正则表达式问题。回答之后，顺便总结了一下Perl语言中如何匹配“不出现”某元素，贴在这里。

问题

问题描述

有如下文本，如何使用正则式，将其中不含color选项的item匹配出来？

1
2
3
4
5
6
7
8
<item>
    color:red;
</item>
<item>
    size:12;
    number:45;
    type:good;
</item>

典型的错误答案

新手容易提供这样的错误答案：<item>.*?(?!color).*?</item>。其出发点是正确的：只有当color不出现在目标字串时，该匹配才是所需要的。事实上，这样的正则表达式不能如君所愿，它匹配所有的<item>...</item>。这是为什么呢？

Perl之排除型匹配

最简单的排除型匹配

匹配是=~, 不匹配当然是 !~ 了。写到这里想到，在正则式中，凡是由=组成的正则式符号，全可以使用!来替代，以表现相反的意思。例如(?=)与(?!)，(?<=)与(?<!)，=~与!~。

返回正题，看个例子。如果要检测某字串是否含有good，当然要用if ($string =~ /good/)，如果$string里有good则条件为真，否则为假；

如果要检测某字串是否不含有good，可以用if ($string !~ /good/)，如果$string里没有good则条件为真，否则为假。

这种匹配测试，较适合于在大段的字串中搜索某个简单的模式，然后对于匹配的结果作出两种不同的判断，非此即彼。虽然迅速干练，但是对于复杂情况的判断，还是有些累赘。

对于文章开始提出的问题而言，当然可以这样解决：先搜索所有的 <item>...</item>，然后分别判断是否存在color项即可：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#!/usr/bin/perl -w

my $text=<<END;
<item>
    color:red;
</item>
<item>
    size:12;
    number:45;
    type:good;
</item>
END

my @result = $text=~ m!<item>.*?</item>!sg;
foreach $item (@result)
{
    if ($item !~ /color/)
    {
        print "$item";
    }
}

输出结果是:

1
2
3
4
5
<item>
    size:12;
    number:45;
    type:good;
</item>

虽然也不错，但是它总是“宁可错杀不可错放”地找完所有可能项，再一一重新进行排除。能否一开始就先界定，我们要找的是不含color的item呢？排除型匹配正是为此而生。

排除型匹配

不好意思，“排除型匹配”这个词是我生造的。其它的说法或许是“否定断言”，“否定环视”等等。后两者的命名，都是从匹配过程的角度出发；而此处命名，是从结果出发。具体说来，就是使用 (?!...)和(?<!...)作为辅助条件判断，来简化正则表达式，方便快捷地找到符合要求的匹配。

这两个东东的使用方法类似，都是指，当前位置不出现某种模式。不同的是，(?!...)是指当前位置的右边，而(?<!)自然就是指左边了。

这里隆重推出Anrs同学翻译的教程: 环视一以及环视二。仔细阅读这两文章，彻底明白环视这两个概念，将会提升您的正则表达式功力。后文将建立在您已经理解环视这个概念的基础上。

闲话一句。既然使用“左边”和“右边”既形象又好懂，为什么没见过“左瞻”，“右瞻”，“左向”，“右向”，反而全是些“前瞻后瞻”，“正向逆向”这样的不好理解的说法呢？撕烤者也同有此问。我的理解是，或许是为了照顾阿语等从右向左书写的用户的习惯吧。无论如何，将从 ^到 $的方向称之为“向前”总不会错。

描述当前位置（左侧或右侧）的模式，从而辅助判断正则式是否匹配，是环视的作用。它只描述，不消耗字符；只辅助判断，从不单独出现。这与^和$简直如出一辙。

一则例子

例子. 现在有许多与fanfou.com类似的网址。如何写一条正则表达式，来匹配域名含fanfou，但是TLS不是.com的模式？

答案：/\bfanfou\.(?!com)[a-z]{2,4}\b/i。分析这条正则表达式：

  • 以\b开始，明确字符边界；
  • fanfou主域名不可少；
  • \.匹配一个普通的点号；此处不要使用点号元字符；
  • (?!com)表示此处（即从fanfou.的右边）不得出现com三个连续字符；
  • [a-z]{2,4}表示是2至4位的拉丁字母；因为域名的TLS最短是2位（如.au, .us），最长可为4位（如.info, .asia）；
  • 右侧边界同样重要，否则我们之前的{2,4}就白费了；
  • 使用i表示不分大小写；这是域名的特征之一。

回到本题

按照要求，一步步建立这条正则式。

  • 该正则式匹配的是<item>...</item>结构。因此，正则式以<item>开始。
  • 在<item>和</item>之间不得出现color，是这条正则式的难点。因为，color可能位于这个结构之内的任意一点，因此要规定，此内任意一点都不得出现color一词。这样的点为：(?!color).。这样的点重复1+次，正则式写为((?!color).)+。注意这里有个小陷阱：不要写为(?!color).+，否则它只描述了最左侧的一点不得出现color，其余部分则都无所谓。而写为((?!color).)+则保证每一点都不出现color。
  • 正则式此时为<item>((?!color).)+?</item>。为了节省资源，括号通常写成非捕获模式(?:...)；为了保证点号匹配换行符，可以指定s模式或使用[\s\S]代替点号元字符。此处仍使用点号。正则式修改为<item>(?:(?!color).)+?</item>。

总体来说，环视相对于基本的元字符还是要抽象一些。不过一旦理解并掌握了它，就会发现它在精确匹配和替换时十分有用。上面的分析，希望有所帮助。如果您有类似的问题，欢迎提出。

]]> http://iregex.org/blog/negate-match.html/feed 2 使用正则表达式删除注释 http://iregex.org/blog/uncomment-program-with-regex.html http://iregex.org/blog/uncomment-program-with-regex.html#comments Sat, 03 Apr 2010 09:51:56 +0000 rex http://iregex.org/?p=83 问题

以下摘自某网友来信:

javascript正则中的否定前瞻

难点

  1. javascript不支持点号匹配换行符, 因此无法直接进行多行匹配;
  2. 处理前面没有http:的//, 当然要用否定前瞻( negative lookbehine)了:(?<!http:)\/\/. 可惜javascript不支持.
    javascript正则中的否定前瞻

思路

关于多行匹配

这个问题, 之前我已经说过, 要点是使用[\S\s]来模拟匹配换行符的点号. 原文在这里:《DIY万能通配符》. 可以以此写出这样的javascript代码来消除多行注释:

1
2
3
4
5
//to uncomment C-style multiple line comment
function uncomment_multi(str)
{
     return str.replace(/\/\*[\S\s]*?\*\//g, "");
}

单行注释之javascript实现(不完善)

单行注释并没有想像中的那样简单. 如果你认为只要 str.replace("//.*$")即可, 那么必须保证所要处理的文本都是最简单的, 如下:

1
var pig="ase"; //this is a comment.

事实上这是行不通的. 现实程序中下面的例子比比皆是:

1
2
var url="http://iregex.org"; //this is my site.
var url="//not real comment here http://iregex.org"; //this is my site.

我尝试使用javascript写了个模拟否定前瞻的函数, 可以处理http://这种情况, 但是该函数看起来并不令人赏心悦目, 而且也不能处理引号中有双斜杠的情况. 我对javascript的正则式支持的特性之简陋实在很失望. 于是, 我求助于perl完成这一任务. 先看一下我写的javascript的删除单行注释的函数:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
function uncomment_single(str)
{
    var result;
    var single=new RegExp("\/\/.","ig");
    var start=0;
    while((result=single.exec(str))!=null)
    {
        var part=str.slice(start,result.index);
        var negLeft=new RegExp("http:$","i");
        if (! negLeft.test(part))
        {
            return str.slice(0,result.index);
        }
        start=result.index+result[0].length-1;
    }
    return str;
}

perl版删除注释思路及源码(相对完善)

待测试文本

好吧, 既然祭出了强大的perl, 之前的小打小闹似的例子就一边去吧. 我将使用如下相对复杂的文本来验证我的程序:

1
<!DOCTYPE h/tml PUBLIC "-//W3C//DTD XHTML\" 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> sdfasdf//real comment here//"

认真分析单行注释的特点

正确地分析其特点, 是写出合理高效的程序的前提. 观察可知, 单行注释的特点如下:

  1. 引号内(包括单引号和双引号)的双斜线不算注释.
  2. 引号是配对出现的, 两个引号之间的以反斜线转义掉的引号不算结束符. 例如"hello \" //world", 这里的//world部分不能算做注释.
  3. 由连续的非引号非斜线部分组成的字符串也不是注释. 特别指出, 单个斜线不能算做注释. 为什么前半部分不但要非引号而且要非斜线呢? 因为[^'"]+是有可能误匹配abcde//real comment "quoted string in comment"这样的情况, 因此我们归纳出一个条件[^'"/]+; 又因为还要避免abcde/real comment "quoted string in comment"这样的情况, 还需要特别补充规定单个的斜线不是注释. 正则式是[^'"/]|(?<!/)/(?!/).
  4. 除去上述内容以外, 以双斜线开始直至行尾的部分就是注释. 因为我们用到了行尾这个概念, 需要在正则式中特别指出是^$匹配行首行尾的多行模式. 使用//m来表示.

正则实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
#!/usr/bin/perl -w
$str = <<"EOF";
<!DOCTYPE h/tml PUBLIC "-//W3C//DTD XHTML\" 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> sdfasdf//real comment here//"
EOF
#print $str;
if ($str=~
    m%
        ^
            (?:
                [^'"/]|
                (?<!/)/(?!/)|
                (?<quote>['"])
                    (?:\\ \g{quote}|
                    (?!\g{quote}).)*
                \g{quote}
            )*
            (?<comment>//.*)
        $
    %xm)
    {
        print $+{comment};
}

几点补充

  • 该程序在perl5.10版才能运行成功. 因为用到了命名捕获(?<quote>['"])这样比较高阶的特性. 当然, 不使用5.10也并非没有办法, 我们大可以使用numbered capture, 只不过看起来更不直观罢了.
  • 匹配结束后, 命名捕获都保存在hash表%+中了. 使用print $+{comment}这样的方式可以方便地调用.
  • 指定了x模式, 以便加入空白字符和换行, 让正则表达式看起来有层次感. 事实上, 对于复杂的正则表达式, 不使用x模式是极其不明智的做法.
  • 为了在字串中方便地表示单双引号, 使用了heredoc的方式. 个人觉得不如python的三重引号方便.

小结

从正则表达式的角度来说, javascript实在太弱. 当然, 也与本人的javascript功底较浅有关系. perl对于正则表达式的支持实在是强撼且不遗余力. 上面的实现, 应该可以涵盖绝大多数的注释情况了. 如果您测试出现bug, 或者遇到更BT的字串, 欢迎留言讨论.

]]> http://iregex.org/blog/uncomment-program-with-regex.html/feed 14 精通正则表达式之重复单词程序详解 http://iregex.org/blog/double-words.html http://iregex.org/blog/double-words.html#comments Sat, 20 Mar 2010 12:22:30 +0000 rex http://iregex.org/?p=81 见chinaunix论坛上有这样一问：
搜索重复单词（“this this”）问题，问为什么第4行要加^：

1
2
3
4
5
6
7
    $/ = ".\n";
    while (<>) {
      next if !s/\b([a-z]+)((?:\s<<[^>]+>)+)(\1\b)/\e[7m$1\e[m$2\e[7m$3\e[m/ig;
      s/^(?:[^\e]*\n)+//mg;   # Remove any unmarked lines.   # 为何需要加^
      s/^/$ARGV: /mg;         # Ensure lines begin with filename.
      print;
    }

要解答这个问题，不能只print "hello world";着眼于这一行。程序不长，从头到尾详细读一下，这个问题就兵不血刃地解决了。

  • $/ = ".\n";这一行的作用是设置分行符. 如果在程序中使用了while(<>)这样的东东, 就可以使用perl script.pl file.txt这样调用该perl脚本了, 它源源不断地读入file.txt中的内容. $/是分行符, 其默认值是newline. 默认情况下, 每个while的循环处理file.txt中的一行. 如果将 $/ 定义为undef, 即在程序开头 undef $/ 一下, file.txt中的全部内容就都读入到一个变量$_中去了.
    本程序中, 换行符定义为.\n, 其含义就是, 将以点号后跟一个\n视为换行符. 这样就忽略了普通的折行的情况, 使程序更加智能, 可以处理一行行尾是this, 下行行首还是this的重复词的情况. 关于$/的详细资料, 请参考perl 文档.
  • while (<>) {这一行无须细说.
  • next if !s/\b([a-z]+)((?:\s|<[^>]+>)+)(\1\b)/\e[7m$1\e[m$2\e[7m$3\e[m/ig;这一行需要说一下. 其框架虽然是next if !s///, 看起来什么也没做似的, 但是一点儿都没偷懒. 它先判断该行是否匹配某模式, 如果匹配则进行替换(至于如何替换, 下文交待); 如果不匹配, 才提前结束本次循环, 进入下一次循环.
    现在再来看一下它是如何进行替换的. 看上去很复杂, 但是并不是不可理解. 我们先去掉\e[m之类的东东, 这是在bash下对字符进行高亮控制的.
    s/\b([a-z]+)((?:\s|<[^>]+>)+)(\1\b)/$1 $2 $3/ig;
    这样是不是清晰多了? 后边的$1, $2, $3不去管它, 我们只看一下匹配部分的正则式:
    \b([a-z]+)((?:\s|<[^>]+>)+)(\1\b)
    左边界符; 一个英文单词; 一个或多个空白字符或<...>; 前边出现过的那个英文单词再次出现; 右边界符.
    很清晰嘛!
  • s/^(?:[^\e]*\n)+//mg;   # Remove any unmarked lines.   # 为何需要加^
    这一句很简练. 它的作用是, 将没有出现重复词的行去掉. 请注意, 这里的行, 是指逻辑行, 而非物理行. 程序一开始就说了, 以.\n结尾的才算一行(物理行).
    ^(?:[^\e]*\n) 这是指整个逻辑行中, 从行首到\n, 全是由0个或多个非\e组成, 即该行未被插入高亮控制字符, 亦即该行原来不存在重复词.
    本正则替换语句使用的模式是mg, 即^匹配中间的逻辑行的行首; 且整个字串或许包含多个逻辑行, 因此使用g来进行全局替换.
  • s/^/$ARGV: /mg;这是让输出结果的每一行的行首(同样是逻辑行), 插入文件名和冒号. 匹配模式mg的含义同上.

    • print;这是打印输出默认变量$_的值. 上面所有没有出现”主语”的, 都默认是对$_进行操作. 地球人都知道.

现在再来看一个例子. 对于文本文件a.txt:

1
2
3
4
5
6
this is a apple.
this is a red red apple.
i love regex
i love regular expressions
this is a fat
<very>fat</very> pig.

它是怎么被程序处理的呢?

首先跟据$/的设定, 文本文件被分为这样几行:

  1. 1
    this is a apple.
  2. 1
    this is a red red apple.
  3. 1
    2
    3
    4
    i love regex
    i love regular expressions
    this is a fat
    <very>fat</very> pig.

为什么后三行被划到一起呢? 因为分行符是.\n.

处理步骤:

  • 程序在处理第一组
    1
    this is a apple.

    时, 直接next过, 不予操作;

  • 1
    this is a red red apple.

    red red被高亮, 打印输出.

  • 1
    2
    3
    4
    i love regex
    i love regular expressions
    this is a fat
    <very>fat</very> pig.

    fat fat被高亮; i love regex以及i love regular expressions被s/^(?:[^\e]*\n)+//mg击中, 分别删除(替换为空).

解释完毕.

]]> http://iregex.org/blog/double-words.html/feed 0 两条与密码验证相关的正则表达式问题 http://iregex.org/blog/2-regex-problems-about-password-verification.html http://iregex.org/blog/2-regex-problems-about-password-verification.html#comments Fri, 16 Oct 2009 14:38:39 +0000 rex http://iregex.org/?p=68 在正则表达式论坛上，有人问了这样两个问题（原贴在这里）：

  • 问题1: 密码验证：由且仅由数字、字母（大小写）、特殊符号（@ % &…）组成，三者缺一不可，密码不少于8位。
  • 问题2: 十位的数字、字母组合密码，其中包含4位数字和6位字母。

感兴趣的话，建议您在读下文之前，自己思考一下解法，以免被我的思路干扰。

Stage0

这两个问题其实都是一个路子：对于一段字符串，有多个并列的限定条件。

对于问题1，它需要满足的条件如下：

  • 8位以上；
  • 必须包含1位以上的数字；
  • 必须包含1位以上的字母；
  • 必须包含1位以上的特殊字符。

对于这样的要求，简单使用[0-9a-za-Z@%&]{8,}来匹配的。因此它也匹配像00000000、1111aaaaa这样只含一种或两种字符的字符串。因此，我们要加上更为严格的限制条件，以便匹配更精确。

Stage1

数字必须出现一次，则对于每个字符位置来说，它应该是这样的：

代码:

1
[0-9a-zA-Z@%&amp;]+\d

字母必须出现一次，则对于每个字符位置来说，它应该是这样的：

代码:

1
[0-9a-zA-Z@%&amp;]+[a-zA-Z]

特殊字符必须出现一次，则对于每个字符位置来说，它应该是这样的：

代码:

1
[0-9a-zA-Z@%&amp;]+[@%&amp;]

这三个条件必须同时满足，因此：
代码:

1
(?=[0-9a-zA-Z@%&amp;]+\d)(?=[0-9a-zA-Z@%&amp;]+[a-zA-Z])(?=[0-9a-zA-Z@%&amp;]+[@%&amp;]).{8,}

为了保证字符整行匹配，需要加上条件^$：
代码:

1
^(?=[0-9a-zA-Z@%&amp;]+\d)(?=[0-9a-zA-Z@%&amp;]+[a-zA-Z])(?=[0-9a-zA-Z@%&amp;]+[@%&amp;]).{8,}$

它匹配的是，8位(包括)以上字符，由且仅由数字、字母和特殊字符组成。

Stage2

stage1 中的解法，已经可以匹配所需要的结果了。但是，与stage0 代码[0-9a-za-Z@%&]{8,}相反，它只能匹配部分合乎条件的字串，同时会漏掉另一外一些情况。看图：

我爱正则表达式|两条与密码验证相关的正则表达式问题

上图中Test部分中彩色部分为正则表达所匹配的字串。但是前三条是符合要求的，却不被匹配。之所以会出现这样的情况，是因为在环视条件中使用了+量词，这会将本来用作辅助验证的字符被消耗掉，原本合格的字串被误认为不合格了。

问题出在+上，因此我们使用*量词，这样就好多了。正则表达式为：

1
^(?=[0-9a-zA-Z@%&amp;]*\d)(?=[0-9a-zA-Z@%&amp;]*[a-zA-Z])(?=[0-9a-zA-Z@%&amp;]*[@%&amp;]).{8,}$

匹配效果如下所示：

我爱正则表达式|两条与密码验证相关的正则表达式问题

Stage3

但是问题依然存在。测试发现，像这样的字串也是匹配的，但是它显然不是合格的密码字串：

Photobucket

之所以出现这样的问题，是因为stage2代码中

1
.{8,}$

前边千辛万苦使用[0-9a-zA-Z@%&]所界定的条件，在这里轻轻松松被破坏了。stage2其实只管前8位，只要前8位字符符合要求，它就认为万事大吉了。

认识到这一点，我写个一条长长的正则式：

1
^(?=[0-9a-zA-Z@%&amp;]*\d)(?=[0-9a-zA-Z@%&amp;]*[a-zA-Z])(?=[0-9a-zA-Z@%&amp;]*[@%&amp;])[0-9a-zA-Z@%&amp;]{8,}$

但是这条正则表达太复杂了。能不能短一些呢？当然可以。从上文可以看出，前边其实不必界定太复杂的条件，只要在最后加上条件判断即可。因此，正则表达式可以改为：

1
^(?=.*\d)(?=.*[a-zA-Z])(?=.*[@%&amp;])[0-9a-zA-Z@%&amp;]{8,}$

这样一来，我们就得到了这道题迄今为止最简洁的解法。

同理可得，第二道题的解法是：

1
^(?=.*\d)(?=.*[a-zA-Z])(?=.*[@%&amp;])[0-9a-zA-Z@%&amp;]{8,}$

不多解释。

在思考本题的过程中，感谢创亿无限在stage2的测试，感谢余晟老师在stage3中的指点。余老师现在正写一本正则表达式的傻瓜书，请点击余晟老师的博客来探寻详情。

]]> http://iregex.org/blog/2-regex-problems-about-password-verification.html/feed 13 正则表达式匹配ABCD随机字串 http://iregex.org/blog/regex-against-abcd.html http://iregex.org/blog/regex-against-abcd.html#comments Fri, 05 Dec 2008 02:03:21 +0000 rex http://iregex.org/?p=37 前一段时间在chinaunix论坛上发现这样一则问题：

要求abcd四个字母连续，但每个字母有且仅出现一次，并且顺序可以不固定，也就是要匹配abcd adbc bcda等等情况

我说一下自己的解决思路。

  • 第一个字母是abcd中的任意一个，因此正则式[abcd]即符合要求。第一个字母最简单。
  • 第二个字母是abcd中的任意一个，但是不能使用第一步中已经使用过的字母。因此回退一步，将第一个字母括起来，以备引用([abcd])。不能使用\1，亦即(?!\1)，它表示当前位置不出现\1，即第一个字母。至此，正则式如下：([abcd])(?!\1)([abcd])。
  • 第三个字母与第二个字母的原理相同，但是它既不能使用第一个字母，也不能使用第二个字母。正则式如下：([abcd])(?!\1)([abcd])(?!\1|\2)([abcd])。
  • 第四步无需多言，完整正则式如下：([abcd])(?!\1)([abcd])(?!\1|\2)([abcd])(?!\1|\2|\3)([abcd])。

回顾刚才的正则式，对于新手来说，或许(?!\1)是个不容易理解的地方。我就对此作用简单介绍。(?!...)的形式称为look around，与^或$一样，它只匹配位置，而不实际消耗字符。如果想匹配“某字串之后不出现某字串”这种情况，那么(?!)negative lookahead是不可缺少的。例如，如果想匹配q之后不出现u的字串，就可以使用q(?!u)，它表示q后边不出现u。它可以匹配"Iraq","icq","qq"等字串。

如果您读到这里还没有头痛，请思考它与q[^u]的区别。

]]> http://iregex.org/blog/regex-against-abcd.html/feed 4 匹配用户名的asp正则表达式(包括中文) http://iregex.org/blog/regular-expressions-to-match-chinese-username-in-asp.html http://iregex.org/blog/regular-expressions-to-match-chinese-username-in-asp.html#comments Sun, 13 Jul 2008 14:01:17 +0000 rex http://iregex.org/?p=18 有人在正则表达式中文站贴出这样一道问题：

求ASP 用户名 表达式

用户名长度在2-20字符之间，由中文/大小写字母/数字/中划线-/下线线_组成。

这个问题不算难，只要下边一行核心代码就能搞定：

1
"^[-_a-zA-Z0-9\u4e00-\u9fa5]{2,20}$"

关键是没有使用过ASP语言。按此页的提示，设置了ASP环境。查询了一些在线的入门级ASP教程之后，解答如下：

1
2
3
4
5
6
7
<form action="verify.asp" method="post">
姓名：
<input name="name" type="text" />

<input name="Submit" type="submit" value="提交" />
<input name="Submit2" type="reset" value="重置" />
</form>

它调用以下verify.asp文件：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
&lt;%
Function RegExpTest(patrn, strng)
Dim regEx, retVal ' 建立变量。
Set regEx = New RegExp ' 建立正则表达式。
regEx.Pattern = patrn ' 设置模式。
regEx.IgnoreCase = False ' 设置是否区分大小写。
retVal = regEx.Test(strng) ' 执行搜索测试。
If retVal Then
RegExpTest = "合法用户名。"
Else
RegExpTest = "非法用户名。"
End If
End Function

name=request.form("name")
psw=request.form("psw")
sex=request.form("sex")
city=request.form("city")
Response.write RegExpTest("^[-_a-zA-Z0-9\u4e00-\u9fa5]{2,20}$", name)
%&gt;

运行界面见附图。

另外，还有一些正则表达式可供参考：

匹配中文字符的正则表达式：

1
[\u4e00-\u9fa5]

匹配双字节字符(包括汉字在内)正则表达式：

1
[^\x00-\xff]

匹配空行的正则表达式：

1
\n[\s|   ]*\r

匹配HTML标记的正则表达式：

1
/ &lt;(.*)&gt; .* &lt;\/\1&gt; | &lt;(.*)   \/&gt; /

匹配首尾空格的正则表达式：

1
(^\s*)|(\s*$)

用正则表达式限制只能输入中文：

1
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：

1
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：

1
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：

1
onkeyup= "value=value.replace(/[\W]/g, ' ')   "onbeforepaste= "clipboardData.setData( 'text ',clipboardData.getData( 'text ').replace(/[^\d]/g, ' ')) "
]]> http://iregex.org/blog/regular-expressions-to-match-chinese-username-in-asp.html/feed 1 [老贴整理]如何使用正则式从英文句子里提取词根 http://iregex.org/blog/%e8%80%81%e8%b4%b4%e6%95%b4%e7%90%86%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8%e6%ad%a3%e5%88%99%e5%bc%8f%e4%bb%8e%e8%8b%b1%e6%96%87%e5%8f%a5%e5%ad%90%e9%87%8c%e6%8f%90%e5%8f%96%e8%af%8d%e6%a0%b9.html http://iregex.org/blog/%e8%80%81%e8%b4%b4%e6%95%b4%e7%90%86%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8%e6%ad%a3%e5%88%99%e5%bc%8f%e4%bb%8e%e8%8b%b1%e6%96%87%e5%8f%a5%e5%ad%90%e9%87%8c%e6%8f%90%e5%8f%96%e8%af%8d%e6%a0%b9.html#comments Fri, 25 Apr 2008 08:07:09 +0000 rex http://iregex.org/?p=3 以前在chinaunix回答过这样一个问题，用到了正则表达式（而且我认为正则式解决此类问题是最合适的。）

学英语的一些例句，每句都有若干词根相同的词，例如 She swears to wear the pearls that appear to be pears. 但是每句的词根都未必相同；我希望把这些包含词根的词都标记出来，请问如何写？

这里说的词根不是原本词根的定义，只是一组字母序列，比如

9. The dust in the industrial zone frustrated the industrious man.

词根是dust或ust

10. The just budget judge just justifies the adjustment of justice.

词根是dust

11. I used to abuse the unusual usage, but now I’m not used to doing so.

词根是use，有变形

12. The lace placed in the palace is replaced first, and displaced later.

词根是lace

13. I paced in the peaceful spacecraft.

词根是pace

14. Sir, your bird stirred my girlfriend’s birthday party.

词根是ir

如果您对此问题感兴趣，请独立思考后再继续阅读本站提供的解决方法。

我的思路是，既然每行句子的结构是一致的，依靠循环就能解决所有问题。因此只要分析一句即可。对于每一句，需要每个单词进行逐个分析。

对第一句作手术分析。

She swears to wear the pearls that appear to be pears.

人的眼睛一下子就能看出ear是词根。但是，就跟《1984》里面2+2＝?这个含义深刻的式子一样，如何证明它等于几，才是问题所在。

我把自己想像成正则式机器人。我可以一句一句地读取原文。（perl 语法：while(<FILE>)），然后可以读取每个单词来分析（perl语法：\w+表示每个单词）。对于每个单词的任意N（N最小为3，最大为该词词长）个连续字母（记作$matchstr），在整句中检验其出现的次数，将此“词根”和出现次数保存在hash表中。hash表在此的作用是：如果该词根没有记录，则创建该记录，并自动加1。

思路如下。

  1. 对于每1行
  2. 对于每个单词
  3. 对于这个单词的任意连续3－N个字母，检查其在文本行中出现的频率M，记录在HASH表中。
  4. 对HASH表的值进行排序。取出最大的个一。打印输出。
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
#!/usr/bin/perl -w
$/ = ".\n";

while (&lt;&gt;) {
my @array="";
my %myhash=();
print "---------------------------\n";
print "the line is :$_\n";
while(/^\w+/)
{
s/^(\w+)\W+(.*)$/$2/;
push(@array,lc($1));    #save all the words(in lower case format) into array.
}
@b=@array;                  #copy this array to b, for checking

my $len;

my $matchlen;

foreach $item(@array)

{
$len=length($item);
for( $matchlen=$len;$matchlen&gt;=3;$matchlen--)
{
for( $i=0;$i&lt;=$len-$matchlen;$i++)
{
$matchstr=substr($item,$i,$matchlen);  #define the matchstring.
foreach $pig(@b)
{
next if ( $item eq $pig);                     #the word can not match against itself.
if ( $pig =~ /$matchstr/)
{
$myhash{$matchstr}++;             #if matches, record them.
}
}
}
}
}
foreach (keys %myhash)
{
print "$_:$myhash{$_};\t";                   #print all the successful match records.
}
print "\n";
}

注：本站使用了WP-CODEBOX Plugin，您可以参考此处格式在评论中加入代码。

]]> http://iregex.org/blog/%e8%80%81%e8%b4%b4%e6%95%b4%e7%90%86%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8%e6%ad%a3%e5%88%99%e5%bc%8f%e4%bb%8e%e8%8b%b1%e6%96%87%e5%8f%a5%e5%ad%90%e9%87%8c%e6%8f%90%e5%8f%96%e8%af%8d%e6%a0%b9.html/feed 1