正则表达式中-w不能识别中文

正则表达式：匹配与挑战

在昨日对CentOS 5.2上的boost::regex库进行测试时，我遇到了一段网络上的代码，其中的正则表达式（\w）无法匹配中文。这让我深感正则表达式的魅力与挑战。正则表达式，这一用于字符串处理、表单验证等的实用工具，总是在我们把握之中又带来未知的挑战。为此，我在此记录并分享一些常用的正则表达式，以备日后之用。这些表达式将持续更新。

让我们谈谈如何匹配中文字符。中文字符主要由双字节字符组成，包括汉字。对应的正则表达式为[\u4e00-\u9fa5]。如果你想匹配所有双字节字符（包括汉字），可以使用[^\x00-\xff]。这个表达式在计算字符串长度时特别有用，一个双字节字符长度计2，ASCII字符计1。例如：

```javascript

String.prototype.len=function(){return this.replace([^\x00-\xff]/g,"aa").length;}

```

还有一些其他的常用正则表达式。例如，匹配空行的正则表达式是[\s| ]\r，匹配HTML标记的正则表达式是/<(.)>.<\/\1>/或/<(.) \/>/。在JavaScript中，我们可以使用正则表达式进行IP地址的分解和转换。例如：

```javascript

function IP2V(ip) {

re=/(\d+)\.(\d+)\.(\d+)\.(\d+)/g //匹配IP地址的正则表达式

if(re.test(ip)) {

return RegExp.$1Math.pow(255,3)+RegExp.$2Math.pow(255,2)+RegExp.$3255+RegExp.$41

} else {

throw new Error("Not a valid IP address!")

}

}

```

除了使用正则表达式，我们也可以使用其他方法如split函数来分解IP地址，可能更为简单。也有正则表达式可以匹配Email地址、URL等。例如，匹配Email地址的正则表达式为\w+([-+.]\w+)@\w+([-.]\w+)\.\w+([-.]\w+)。

我想分享一个尝试去除字符串中重复字符的算法程序。尽管此程序在某些情况下可能不适用（如字符顺序有要求的字符串），但对于一般用途来说，这是一个简洁的实现：

```javascript

var s="abacabefgeeii"

var s1=s.replace(/(.).\1/g,"$1") //使用正则表达式取出重复的字符

var re=new RegExp("["+s1+"]","g") //以重复的字符建立第二个表达式，取到不重复的字符

var s2=s.replace(re,"")

alert(s1+s2) //结果为abcefgi

```

JavaScript程序：从URL中提取文件名

想要从URL中提取文件名？这是一个简单的JavaScript程序，使用正则表达式轻松实现。例如，对于URL：“

```javascript

let s = "

s = s.replace(/(.\/){0,}([^\.]+)./ig, "$2");

alert(s); // 输出：page1.htm

```

这段代码中的正则表达式用于匹配并提取URL中的文件名部分。它的工作原理是查找最后一个斜杠之后的所有内容，直到遇到下一个斜杠或文件的扩展名为止。经过替换后，通过`alert`函数显示提取的文件名。

正则表达式限制表单输入内容

1. 只能输入中文：

```html

```

使用正则表达式`/[^\u4E00-\u9FA5]/g`来匹配非中文字符，并通过`replace`函数将其替换为空字符串，从而实现只能输入中文的限制。对于粘贴操作也进行了相应的处理。

2. 只能输入全角字符：

```html

```

这里使用正则表达式`/[^\uFF00-\uFFFF]/g`来匹配非全角字符并替换为空字符串，确保输入只能是全角字符。同样的逻辑也适用于粘贴操作。

3. 只能输入数字：

```html

```

使用正则表达式`/[^\d]/g`来匹配非数字字符并替换为空字符串，实现只能输入数字的功能。粘贴时同样进行了处理。

4. 只能输入数字和英文：

```html

```

这里使用`\W`来匹配非单词字符（即非字母和数字的字符），并将其替换为空字符串，确保输入只能是数字和英文字母。粘贴操作同样进行了处理。

这些正则表达式不仅可以帮助限制用户在表单中的输入内容，还可以结合JavaScript进行动态的数据验证和处理，提高用户体验和数据质量。在使用时可以根据实际需求进行调整和优化。解读：Java语言中的正则表达式与字符处理机制

===========================

在编程世界中，正则表达式的应用广泛，尤其在文本处理和搜索场景中。Java语言中的正则表达式功能强大，其背后的机制与特点值得我们深入了解。以下是对Java正则表达式相关知识的生动描述与深入。

一、反斜线与转义字符的奥秘

-

在Java中，反斜线"\"是一个特殊的字符，具有多重含义。当它被用于字符串字面值时，常常用来表示Unicode转义或其他字符转义。但在正则表达式中，反斜线具有不同的意义。例如，"\b"在字符串中代表退格字符，但在正则表达式中却代表单词边界。若要在正则表达式中使用反斜线，我们通常需要使用两个反斜线"\\"，以表示这是一个受保护的字符串，不会被Java字节码编译器解释。这背后的原因是Java为了确保反斜线的正确使用，避免产生歧义。

二、字符类与运算符的魔力

字符类是正则表达式中的核心部分，它可以包含多种字符和运算符。其中，并集运算符和交集运算符尤为关键。并集运算符表示包含其操作数类中所有字符的类，而交集运算符则代表两个操作数类中所有字符的集合。这些运算符的优先级顺序是：字面值转义、分组、范围、并集和交集。值得注意的是，元字符在字符类内部会失去其特殊意义。

三、行结束符的识别机制

行结束符是识别文本行尾的关键。Java中定义了多种行结束符，包括新行符、回车符等。还有UNIX_LINES模式和多行模式，它们对行结束符的识别有所不同。了解这些特性对于准确匹配文本至关重要。

四、组和捕获的重要性

在复杂的正则表达式中，组和捕获起着关键作用。它们可以通过开括号进行编号，并保存与这些组匹配的输入序列的子序列。这些捕获的子序列可以在表达式中通过反向引用使用，也可以在匹配操作完成后从匹配器检索。还有非捕获组，它们不捕获文本，也不进行组合计数，为灵活匹配提供了可能。

五、实际应用与体验

--

现在，让我们以cambrian.render('body')为例，正则表达式的实际应用。假设这是一个用于渲染网页主体的函数，它可能需要从HTML代码中提取特定的文本内容。通过使用正则表达式，我们可以精确地定位并提取我们需要的部分，忽略其他无关内容。这正是正则表达式的魅力所在——能够处理复杂的文本模式匹配任务。

总结，Java中的正则表达式功能强大且复杂，深入了解其背后的机制对于有效使用这一工具至关重要。希望通过上述，你能对Java的正则表达式有更深入的理解和应用。