关于正则表达式

关于正则表达式

 

使用正则表达式辅助工具，RegexTester.exe，可以验证正则写的对不对。

在写XML配置时，正则表达式显得非常的重要，它关系到提取的信息到底是否正确。如果书写错误，会影响下面的过程。下面对常用的正则表达式，进行一个说明。

举例：（1）对这段内容HM.RollupData(newHM.Rollup("cmU5KG2wtg5RGVAGw75afaHg2",null,null,1,1,"2015-09-21T02\x3a53\x3a00.757Z","\x3cspanemail\x3d\x22apprentice201201\x26\x2364\x3b126.com\x22\x3eapprentice126\x3c\x2fspan\x3e"  想提取黄色字体的cmU5KG2wtg5RGVAGw75afaHg2和1

正则表达式：HM.Rollup\("([^"]+)",[^,]+,[^,]+,[^,]+,([\d])

解释:HM.Rollup\("代表是以HM.Rollup("开头的，\是转义字符，因为后面有(,所以才有了\。([^"]+)这里的括号（）可认为是表示提取的意思，[^”],表示提取除了”的部分，+表示至少重复一次或者多次，紧接着的”表示以”结束。到这里HM.Rollup\("([^"]+)"就提取了cmU5KG2wtg5RGVAGw75afaHg2紧接着是一个逗号，[^,]+表示匹配不是逗号的部分一次或者多次，没有加（）就意味着只匹配，但是不提取内容，即匹配null。紧接着是一个逗号，接下来的[^,]+表示匹配第二个null，紧接着是一个逗号，接下来的[^,]+表示匹配1，紧接着是一个逗号，([\d])有（）意味着要提取内容，[\d]表示提取匹配一个数字字符。等价于 [0-9]。此处的([\d])就提取出了1。

举例：（2）对这段内容

urlPost:'https://login.live.com/ppsecure/post.srf?wa=wsignin1.0&rpsnv=12&ct=1442647827&rver=6.4.6456.0&wp=MBI_SSL_SHARED&wreply=https:%2F%2Fsnt150.mail.live.com%2Fdefault.aspx%3Frru%3Dinbox&lc=1033&id=64855&mspco=1&pcexp=false&bk=1443075601&uaid=56f1c6e7abc041288397ead1bee54918&pid=0'提取单引号里面的部分

正则表达式：urlPost\s*:\s*'([^']+)'

解释：urlPost\s*:\s*'表示以urlPost\s*:\s*'开始，最右边的’表示以’结束。([^']+)表示真正要提取的内容，提取除了’的部分一次或者多次，如此以来便把黄色字体内容提取出来。\s表示匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。*表示匹配零次或多次。一般都用+。

举例：（3）对这段内容

name="PPFT" id="i0327"value="DbvSEykUhYPWX2yssoU1oovfJG!df4bxr4Gi9LO5ITeUv1*stzISiYN8rsc1!Bsmg4frfqILVgxeaZAVy8Hvk*ZtHH*mHRFCzt4uZN8FUo2IpPa6cUBKPYRi9**qlVQ8e*kE8JpJR1auDwiGwkL1r8XEDhgJntONOXjqSGbYuFH8fr0CP052TEPgtGtPMys!bauJqvJLqKWf2f5Wot4azQi*rHxoHCVdFe3PQZfjnGstMoDqGuTUUotYejWH*TpaNA$$"/>'想提取黄色字体的内容。

正则表达式：PPFT.*value\s*=\s*”([^”]+)”

解释：PPFT.*value\s*=\s*”表示PPFT.*value\s*=\s*”开始，最后面的”表示以”结束。PPFT后面的.表示匹配任意一个字符，*表示匹配零次或多次。紧接着是一个value=,\s表示匹配任何空白字符，包括空格、制表符、换页符等等。*表示匹配零次或多次。([^”]+)

举例：（4）对这段内容

location.replace("https://snt150.mail.live.com/default.aspx?rru=inbox");

想提取黄色字体的内容。

正则表达式：location.replace\s*\(\s*”([^”]+)

解释：location.replace\s*\(\s*”表示以location.replace\s*\(\s*”开始，

\s表示匹配任何空白字符，包括空格、制表符、换页符等等。*表示匹配零次或多次。\(表示有个（，\是转义字符，紧接着是\s,然后是*，\s表示匹配任何空白字符，包括空格、制表符、换页符等等。*表示匹配零次或多次。紧接着是个“，这些就是前面location.replace("的表达。([^”]+)表示真正要提取的内容，提取除了”的部分一次或者多次,这样就把黄色字体的内容提取出来。

举例：（5）对这段内容

location.replace ("https://snt150.mail.live.com/default.aspx?rru=inbox");想提取黄色字体的内容。

正则表达式：replace\s*\(\s*“(https://[^/]+/)

解释：replace\s*\(\s*“的解释同例（4），(https://[^/]+/)括号表示要提取的内容，提取https：//，[^/]除了/的部分，+表示一次或者多次，然后再加上/。然后提取出来的内容就是https://snt150.mail.live.com/

举例：（5）对这段内容

New HM.Folder("fljunk","flAAAAAAAAAAAAAAAAAAAAAA2",0,1,0,"0",false,false,false,0,0,null,"\u5783\u573e\u90ae\u4ef6",0)),想提取黄色字体的内容。

正则表达式: Folder\(“([^”]+)”,”[^”]+”[^”]+”[^”]+”[^”]+”([^”]+)”

解释：Folder\("表示以Folder\("开头，\(是因为（要加转义字符\。([^"]+)"

提取不是"的内容一次或多次，以"结束，提取出来了fljunk。然后紧跟一个逗号，逗号后面是引号",[^”]+匹配不是引号的部分一次或者多次但不提取，紧接着是一个引号"，此时把flAAAAAAAAAAAAAAAAAAAAAA2匹配出来了，下一个[^”]+匹配不是引号"的部分一次或者多次，把0,1,0匹配出来，紧接着是一个引号"，下一个[^”]+匹配不是引号"的部分一次或者多次，把0匹配出来，紧接着是一个引号"，下一个[^”]+匹配不是引号"的部分一次或者多次，把false,false,false,0,0,null,匹配出来，紧接着是一个引号"，([^”]+)”提取不是引号"的部分，以引号"结束，这样就把\u5783\u573e\u90ae\u4ef6提取出来。

小结：

（1）正则表达式可以有不同的写法，只要能达到提取想要内容的效果，形式可以多种多样。

（2）有时，写的一个正则表达式，把符合正则表达式的所有内容都提取出来了，不止一条，中间一条是你所想要提取的内容，此时，就要考虑正则表达式提取内容不唯一的情况的解决方法。方案一：可能是写的正则有问题，多找找提取的几条数据的区别，比如前后的字符。方案二：可以通过多次提取的方法，在提取的不止一条内容的情况下，再写正则表达式，提取出来自己想要的内容。