QT的正则表达式

Regexps由表达式（expressions）、量词（quantifiers）和断言（assertions）组成。

最简单的一个表达式就是一个字符，例如x和5。而一组字符可以使用方括号括起来，例如[ABC]将会匹配一个A或者一个B或者一个C，这个也可以简写为[A-C]，这样我们要匹配所有的英文大写字母，就可以使用[A-Z]。

一个量词指定了必须要匹配的表达式出现的次数。例如，x{1,1}意味着必须匹配且只能匹配一个字符x，而x{1,5}意味着匹配一列字符x，其中至少要包含一个字符x，但是最多包含5个字符x。

现在假设我们要使用一个regexp来匹配0到99之间的整数。因为至少要有一个数字，所以我们使用表达式 [0-9]{1,1} 开始，它匹配一个单一的数字一次。要匹配0-99，我们可以想到将表达式最多出现的次数设置为2，即 [0-9]{1,2} 。

现在这个regexp已经可以满足我们假设的需要了，不过，它也会匹配出现在字符串中间的整数。如果想匹配的整数是整个字符串，那么就需要使用断言“^”和“$”，

当 ^ 在regexp中作为第一个字符时，意味着这个regexp必须从字符串的开始进行匹配；

当 $ 在regexp中作为最后一个字符时，意味着regexp必须匹配到字符串的结尾。

所以，最终的regexp为 ^[0-9]{1,2}$ 。 一般可以使用一些特殊的符号来表示一些常见的字符组和量词。

例如，[0-9] 可以使用 \d 来替代。而对于只出现一次的量词 {1,1} ，可以使用表达式本身代替，例如x{1,1}等价于x 。所以要匹配0-99，就可以写为 ^\d{1,2}$ 或者 ^\d\d{0,1}$ 。而 {0,1} 表示字符是可选的，就是只出现一次或者不出现，它可以使用 ？来代替，这样regexp就可以写为 ^\d\d?$ ，它意味着从字符串的开始，匹配一个数字，紧接着是0个或1个数字，再后面就是字符串的结尾。

 

现在我们写一个regexp来匹配单词“mail”或者“letter”其中的一个，但是不要匹配那些包含这些单词的单词，比如“email”和“letterbox”。要匹配“mail”，regexp可以写成m{1,1}a{1,1}i{1,1}l{1,1} ，因为 {1,1} 可以省略，所以又可以简写成mail 。下面就可以使用竖线“|”来包含另外一个单词，这里“|”表示“或”的意思。为了避免regexp匹配多余的单词，必须让它从单词的边界进行匹配。

首先，将regexp用括号括起来，即 (mail|letter) 。括号将表达式组合在一起，可以在一个更复杂的regexp中作为一个组件来使用，这样也可以方便我们来检测到底是哪一个单词被匹配了。为了强制匹配的开始和结束都在单词的边界上，要将regexp包含在 \b 单词边界断言中，即 \b(mail|letter)\b 。这个 \b 断言在regexp中匹配一个位置，而不是一个字符，一个单词的边界是任何的非单词字符，如一个空格，新行，或者一个字符串的开始或者结束。

如果想使用一个单词，例如“Mail”，替换一个字符串中的字符M，但是当字符M的后面是“ail”的话就不再替换。这样我们可以使用 (?!E) 断言，例如这里regexp应该写成 M(?!Mail) 。

如果想统计“Eric”和“Eirik”在字符串中出现的次数，可以使用 \b(Eric|Eirik)\b 或者 \bEi?ri[ck]\b 。这里需要使用单词边界断言‘\b’来避免匹配那些包含了这些名字的单词。

示例：

QRegExp rx("^\\d\\d?$");           // 两个字符都必须为数字，第二个字符可以没有
qDebug() << rx.indexIn("a1");            // 结果为-1，不是数字开头
qDebug() << rx.indexIn("5");             // 结果为0
qDebug() << rx.indexIn("5b");            // 结果为-1，第二个字符不是数字
qDebug() << rx.indexIn("12");            // 结果为0
qDebug() << rx.indexIn(“123”);           // 结果为-1，超过了两个字符

rx.setPattern("\\b(mail|letter)\\b");    // 匹配mail或者letter单词
qDebug() << rx.indexIn("emailletter");   // 结果为-1，mail不是一个单词
qDebug() << rx.indexIn("my mail");       // 返回3
qDebug() << rx.indexIn("my email letter"); // 返回9

rx.setPattern("M(?!ail)");               // 匹配字符M，其后面不能跟有ail字符
QString str1 = "this is M";
str1.replace(rx,"Mail");                 // 使用"Mail"替换匹配到的字符
qDebug() << "str1: " << str1;            // 结果为this is Mail
QString str2 = "my M,your Ms,his Mail";
str2.replace(rx,"Mail");
qDebug() << "str2: " << str2;            // 结果为my Mail,your Mails,his Mail

量词

默认的，一个表达式将自动量化为{1,1}，就是说它应该出现一次。在下表中列出了量词的使用情况，其中E代表一个表达式，一个表达式可以是一个字符，或者一个字符集的缩写，或者在方括号中的一个字符集，或者在括号中的一个表达式。

断言

断言在regexp中作出一些有关文本的声明，它们不匹配任何字符。正则表达式中的断言如下表所示，其中E代表一个表达式。

通配符

QRegExp类还支持通配符（Wildcard）匹配。很多命令shell（例如bash和cmd.exe）都支持文件通配符（file globbing），可以使用通配符来识别一组文件。QRegExp的setPatternSyntax()函数就是用来在regexp和通配符之间进行切换的。通配符匹配要比regexp简单很多，它只有四个特点，如下表所示。 

文本捕获

在regexp中使用括号可以使一些元素组合在一起，这样既可以对它们进行量化，也可以捕获它们。例如，使用表达式 mail|letter 来匹配一个字符串，我们知道了有一个单词被匹配了，但是却不能知道具体是哪一个，使用括号就可以让我们捕获被匹配的那个单词，比如使用 (mail|letter) 来匹配字符串“I Sent you some email”，这样就可以使用cap()或者capturedTexts()函数来提取匹配的字符。

还可以在regexp中使用捕获到的文本，为了表示捕获到的文本，使用反向引用 \n ，其中n从1开始编号，比如 \1 就表示前面第一个捕获到的文本。例如，使用\b(\w+)\W+\1\b 在一个字符串中查询重复出现的单词，这意味着先匹配一个单词边界，随后是一个或者多个单词字符，随后是一个或者多个非单词字符，随后是与前面第一个括号中相同的文本，随后是单词边界。

如果使用括号仅仅是为了组合元素而不是为了捕获文本，那么可以使用非捕获语法，例如 (?:green|blue) 。非捕获括号由“(?:”开始，由“)”结束。使用非捕获括号比使用捕获括号更高效，因为regexp引擎只需做较少的工作。

实例：

QRegExp rx4("(\\d+)");
QString str4 = "Offsets: 12 14 99 231 7";
QStringList list;
int pos2 = 0;
while ((pos2 = rx4.indexIn(str4, pos2)) != -1) 
{
    list << rx4.cap(1);                                   // 第一个捕获到的文本
    pos2 += rx4.matchedLength();             // 上一个匹配的字符串的长度
}
qDebug() << list;                            // 结果12,14,99,231,7

QRegExp rxlen("(\\d+)(?:\\s*)(cm|inch)");
int pos3 = rxlen.indexIn("Length: 189cm");
if (pos3 > -1) {
    QString value = rxlen.cap(1);       // 结果为189
    QString unit = rxlen.cap(2);             // 结果为cm
    QString string = rxlen.cap(0);           // 结果为189cm
    qDebug() << value << unit << string;
}