由一段字符串中查找URL引出——正則表達式

本文轉載自查看原文 2016-08-16 11:16 9488 正則表達式/ ios

需求很簡單，是從一段文本中匹配出其中的超鏈接。基本的做法就是用正則表達式去匹配。但是有這樣一個問題。

網上大部分的識別URL的正則表達式url末尾有空格的情況下可以正確識別。比如這樣的情況:

"我是一段中文https://github.com/TinyQ 我還是一段中文"

但是如果去掉TinyQ 后面的空格。匹配到的將是 “https://github.com/TinyQ我還是一段中文” 是連上的。

最后替換過好多正則才得以解決。這里貼上代碼：

NSString *regulaStr = @"\\bhttps?://[a-zA-Z0-9\\-.]+(?::(\\d+))?(?:(?:/[a-zA-Z0-9\\-._?,'+\\&%$=~*!():@\\\\]*)+)?";

這里做個更新。下面這個正則也是可以的。而且應該更好一些。

比如這種 "Explorerwww.chiphell.com/ "。也是可以識別出 www.chjiphell.com 的

((http[s]{0,1}|ftp)://[a-zA-Z0-9\\.\\-]+\\.([a-zA-Z]{2,4})(:\\d+)?(/[a-zA-Z0-9\\.\\-~!@#$%^&*+?:_/=<>]*)?)|(www.[a-zA-Z0-9\\.\\-]+\\.([a-zA-Z]{2,4})(:\\d+)?(/[a-zA-Z0-9\\.\\-~!@#$%^&*+?:_/=<>]*)?)

完整代碼如下：

+ (BOOL)isUrlType:(NSString *)string {
    if (!string || [string isKindOfClass:[NSNull class]] || string.length == 0 || [string isEqualToString:@""]) {
        return NO;
    } else{
        NSError *error;
        NSString *regulaStr = @"((http[s]{0,1}|ftp)://[a-zA-Z0-9\\.\\-]+\\.([a-zA-Z]{2,4})(:\\d+)?(/[a-zA-Z0-9\\.\\-~!@#$%^&*+?:_/=<>]*)?)|(www.[a-zA-Z0-9\\.\\-]+\\.([a-zA-Z]{2,4})(:\\d+)?(/[a-zA-Z0-9\\.\\-~!@#$%^&*+?:_/=<>]*)?)";

        NSRegularExpression *regex = [NSRegularExpression regularExpressionWithPattern:regulaStr
                                                                               options:NSRegularExpressionCaseInsensitive
                                                                                 error:&error];
        NSArray *arrayOfAllMatches = [regex matchesInString:string options:0 range:NSMakeRange(0, [string length])];
        if (!arrayOfAllMatches || [arrayOfAllMatches isKindOfClass:[NSNull class]] || arrayOfAllMatches.count == 0 ) {
            return NO;
        } else {
            return YES;
        }
        /*
        //提取出 URL
        for (NSTextCheckingResult *match in arrayOfAllMatches) {
            NSString* substringForMatch = [string substringWithRange:match.range];
            NSLog(@"%@",substringForMatch);
            return YES;
        }
        return NO;
         */
    }
}

以下是一些基礎知識整理：

語法規則：https://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx

行定位符（^和$）

行定位符就是用來描述字串的邊界。“^”表示行的開始；“$”表示行的結尾。如：
　　 ^tm
　　該表達式表示要匹配字串tm的開始位置是行頭，如tm equal Tomorrow Moon就可以匹配，而Tomorrow Moon equal tm則不匹配。但如果使用
　　 tm$
　　則后者可以匹配而前者不能匹配。如果要匹配的字串可以出現在字符串的任意部分，那么可以直接寫成
　　 tm
　　這樣兩個字符串就都可以匹配了。

單詞定界符（\b、\B）

單詞分界符\b，表示要查找的字串為一個完整的單詞。如：
　　 \btm\b
　　還有一個大寫的\B，意思和\b相反。它匹配的字串不能是一個完整的單詞，而是其他單詞或字串的一部分。如：
　　\Btm\B

字符類（[ ]）

正則表達式是區分大小寫的，如果要忽略大小寫可使用方括號表達式“[]”。只要匹配的字符出現在方括號內，即可表示匹配成功。但要注意：一個方括號只能匹配一個字符。例如，要匹配的字串tm不區分大小寫，那么該表達式應該寫作如下格式：
　　[Tt][Mm]
　　這樣，即可匹配字串tm的所有寫法。POSIX和PCRE都使用了一些預定義字符類。但表示方法略有不同。POSIX風格的預定義字符類如表所示。

選擇字符（|）

還有一種方法可以實現上面的匹配模式，就是使用選擇字符（|）。該字符可以理解為“或”，如上例也可以寫成
　　(T|t)(M|m)
　　該表達式的意思是以字母T或t開頭，后面接一個字母M或m。

連字符（-）

變量的命名規則是只能以字母和下划線開頭。但這樣一來，如果要使用正則表達式來匹配變量名的第一個字母，要寫為
　　 [a,b,c,d…A,B,C,D…]
　　這無疑是非常麻煩的，正則表達式提供了連字符“-”來解決這個問題。連字符可以表示字符的范圍。如上例可以寫成
　　[a-zA-Z]

排除字符（[^]）

上面的例子是匹配符合命名規則的變量。現在反過來，匹配不符合命名規則的變量，正則表達式提供了“^”字符。這個元字符在前面出現過，表示行的開始。而這里將會放到方括號中，表示排除的意思。例如：
　　[^a-zA-Z]
　　該表達式匹配的就是不以字母和下划線開頭的變量名。

限定符（? * + {n,m}）

對於重復出現字母或字串，可以使用限定符來實現匹配。限定符主要有6種，如表所示。

點號字符（.）

點字符（.）可以匹配出換行符外的任意一個字符。注意：是除了換行符外的、任意的一個字符。如匹配以s開頭、t結尾、中間包含一個字母的單詞。格式如下：
　　^s.t$
　　匹配的單詞包括：sat、set、sit等。再舉一個實例，匹配一個單詞，它的第一個字母為r，第3個字母為s，最后一個字母為t。能匹配該單詞的正則表達式為：
　　^r.s.*t$

轉義字符（\）

正則表達式中的轉移字符（\）和PHP中的大同小異，都是將特殊字符（如“.”、“?”、“\”等）變為普通的字符。舉一個IP地址的實例，用正則表達式匹配諸如127.0.0.1這樣格式的IP地址。如果直接使用點字符，格式為：
　　[0-9]{1,3}(.[0-9]{1,3}){3}
　　這顯然不對，因為“.”可以匹配一個任意字符。這時，不僅是127.0.0.1這樣的IP，連127101011這樣的字串也會被匹配出來。所以在使用“.”時，需要使用轉義字符（\）。修改后上面的正則表達式格式為：
　　[0-9]{1,3}(\.[0-9]{1,3}){3}

反斜線（\）

除了可以做轉義字符外，反斜線還有其他一些功能。反斜線可以將一些不可打印的字符顯示出來，如表所示。

　　還可以指定預定義字符集，如表所示。

　　反斜線還有一種功能，就是定義斷言，其中已經了解過了\b、\B，其他如表所示。

括號字符（()）

小括號字符的第一個作用就是可以改變限定符的作用范圍，如“|”、“*”、“^”等。來看下面的一個表達式。
　　(thir|four)th
　　這個表達式的意思是匹配單詞thirth或fourth，如果不使用小括號，那么就變成了匹配單詞thir和fourth了。
　　小括號的第二個作用是分組，也就是子表達式。如(\.[0-9]{1,3}){3}，就是對分組(\.[0-9]{1,3})進行重復操作。后面要學到的反向引用和分組有着直接的關系。

反向引用

反向引用，就是依靠子表達式的“記憶”功能來匹配連續出現的字串或字母。如匹配連續兩個it，首先將單詞it作為分組，然后在后面加上“\1”即可。格式為：
　　(it)\1
　　這就是反向引用最簡單的格式。如果要匹配的字串不固定，那么就將括號內的字串寫成一個正則表達式。如果使用了多個分組，那么可以用“\1”、“\2”來表示每個分組（順序是從左到右）。如：
　　([a-z])([A-Z])\1\2
　　除了可以使用數字來表示分組外，還可以自己來指定分組名稱。語法格式如下：
　　 (?P…)
　　如果想要反向引用該分組，使用如下語法：
　　(?P=subname)
　　下面來重寫一下表達式([a-z])([A-Z])\1\2。為這兩個分組分別命名，並反向引用它們。正則表達式如下：
(?P[a-z])(?P[A-Z])(?P=fir)(?P=sec)

模式修飾符

模式修飾符的作用是設定模式。也就是規定正則表達式應該如何解釋和應用。不同的語言都有自己的模式設置，PHP中的主要模式如表所示。

正則表達式用於字符串處理、表單驗證等場合，實用高效。現將一些常用的表達式收集於此，以備不時之需。

匹配中文字符的正則表達式： [\u4e00-\u9fa5]
評注：匹配中文還真是個頭疼的事，有了這個表達式就好辦了

匹配雙字節字符(包括漢字在內)：[^\x00-\xff]
評注：可以用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）

匹配空白行的正則表達式：\n\s*\r
評注：可以用來刪除空白行

匹配HTML標記的正則表達式：<(\S*?)[^>]*>.*?</\1>|<.*? />
評注：網上流傳的版本太糟糕，上面這個也僅僅能匹配部分，對於復雜的嵌套標記依舊沒有能力為力

匹配首尾空白字符的正則表達式：^\s*|\s*$
評注：可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式

匹配Email地址的正則表達式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
評注：表單驗證時很實用

匹配網址URL的正則表達式：[a-zA-z]+://[^\s]*
評注：網上流傳的版本功能很有限，上面這個基本可以滿足需求

匹配帳號是否合法(字母開頭，允許5-16字節，允許字母數字下划線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
評注：表單驗證時很實用

匹配國內電話號碼：\d{3}-\d{8}|\d{4}-\d{7}
評注：匹配形式如 0511-4405222 或 021-87888822

匹配騰訊QQ號：[1-9][0-9]{4,}
評注：騰訊QQ號從10000開始

匹配中國郵政編碼：[1-9]\d{5}(?!\d)
評注：中國郵政編碼為6位數字

匹配身份證：\d{15}|\d{18}
評注：中國的身份證為15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
評注：提取ip地址時有用

匹配特定數字：
^[1-9]\d*$　　 //匹配正整數
^-[1-9]\d*$ 　 //匹配負整數
^-?[1-9]\d*$　　 //匹配整數
^[1-9]\d*|0$　 //匹配非負整數（正整數 + 0）
^-[1-9]\d*|0$　　 //匹配非正整數（負整數 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮點數
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配負浮點數
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮點數
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非負浮點數（正浮點數 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮點數（負浮點數 + 0）
評注：處理大量數據時有用，具體應用時注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26個英文字母組成的字符串
^[A-Z]+$　　//匹配由26個英文字母的大寫組成的字符串
^[a-z]+$　　//匹配由26個英文字母的小寫組成的字符串
^[A-Za-z0-9]+$　　//匹配由數字和26個英文字母組成的字符串
^\w+$　　//匹配由數字、26個英文字母或者下划線組成的字符串

匹配中文:[\u4e00-\u9fa5]

英文字母:[a-zA-Z]

數字:[0-9]

匹配中文，英文字母和數字及_:
^[\u4e00-\u9fa5_a-zA-Z0-9]+$

同時判斷輸入長度：
[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

^[\w\u4E00-\u9FA5\uF900-\uFA2D]*$ 1、一個正則表達式，只含有漢字、數字、字母、下划線不能以下划線開頭和結尾：
^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$ 其中：
^ 與字符串開始的地方匹配
(?!_)　　不能以_開頭
(?!.*?_$)　　不能以_結尾
[a-zA-Z0-9_\u4e00-\u9fa5]+　　至少一個漢字、數字、字母、下划線
$　　與字符串結束的地方匹配

放在程序里前面加@，否則需要\\進行轉義 @"^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$"
（或者：@"^(?!_)\w*(?<!_)$"    或者 @" ^[\u4E00-\u9FA50-9a-zA-Z_]+$ " )

2、只含有漢字、數字、字母、下划線，下划線位置不限：
^[a-zA-Z0-9_\u4e00-\u9fa5]+$

3、由數字、26個英文字母或者下划線組成的字符串
^\w+$

4、2~4個漢字
@"^[\u4E00-\u9FA5]{2,4}$";

5、
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$

用：(Abc)+    來分析：  XYZAbcAbcAbcXYZAbcAb

XYZ AbcAbcAbcXYZ AbcAb6、
[^\u4E00-\u9FA50-9a-zA-Z_]
34555#5' -->34555 #5 '

[\u4E00-\u9FA50-9a-zA-Z_]    eiieng_89_ --->   eiieng_89_
_';'eiieng_88&*9_    --> _';'eiieng_88&*9_
_';'eiieng_88_&*9_ --> _';'eiieng_88_&*9_

最長不得超過7個漢字，或14個字節(數字，字母和下划線)正則表達式

^[\u4e00-\u9fa5]{1,7}$|^[\dA-Za-z_]{1,14}$

///----------2014.10.07 再次編輯----------------

匹配月份的正則表達式

^[1-9]$|^1[0-2]$

注：個位數月份匹配方式前面不能加 0。

^0?[1-9]$|^1[0-2]$

注：個位數月份前可以加0或者不加。

匹配年份19**或者20**

^(19|20)[0-9]{2}$

用法：

[objc] view plain copy

print ?

+ (BOOL)isEmailAddress:(NSString*)candidate
{
NSString* emailRegex = @"[A-Z0-9a-z._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}";
NSPredicate* emailTest = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", emailRegex];
return [emailTest evaluateWithObject:candidate];
}

[objc] view plain copy

print ?

-(NSNumber *)asNumber;{
NSString *regEx = @"^-?\\d+.?\\d?";
NSPredicate * pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regEx];
BOOL isMatch = [pred evaluateWithObject:self];
if (isMatch) {
return [NSNumber numberWithDouble:[self doubleValue]];
}
return nil;
}

[objc] view plain copy

print ?

//摘自NSString+BeeExtension.mm
- (BOOL)isUserName
{
NSString * regex = @"(^[A-Za-z0-9]{3,20}$)";
NSPredicate * pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
return [pred evaluateWithObject:self];
}
- (BOOL)isPassword
{
NSString * regex = @"(^[A-Za-z0-9]{6,20}$)";
NSPredicate * pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
return [pred evaluateWithObject:self];
}
- (BOOL)isEmail
{
NSString * regex = @"[A-Z0-9a-z._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}";
NSPredicate * pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
return [pred evaluateWithObject:self];
}
- (BOOL)isUrl
{
NSString * regex = @"http(s)?:\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- .\\/?%&=]*)?";
NSPredicate * pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
return [pred evaluateWithObject:self];
}
- (BOOL)isTelephone
{
NSString * MOBILE = @"^1(3[0-9]|5[0-35-9]|8[025-9])\\d{8}$";
NSString * CM = @"^1(34[0-8]|(3[5-9]|5[017-9]|8[278])\\d)\\d{7}$";
NSString * CU = @"^1(3[0-2]|5[256]|8[56])\\d{8}$";
NSString * CT = @"^1((33|53|8[09])[0-9]|349)\\d{7}$";
NSString * PHS = @"^0(10|2[0-5789]|\\d{3})\\d{7,8}$";
NSPredicate *regextestmobile = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", MOBILE];
NSPredicate *regextestcm = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CM];
NSPredicate *regextestcu = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CU];
NSPredicate *regextestct = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CT];
NSPredicate *regextestphs = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", PHS];
return [regextestmobile evaluateWithObject:self] ||
[regextestphs evaluateWithObject:self] ||
[regextestct evaluateWithObject:self] ||
[regextestcu evaluateWithObject:self] ||
[regextestcm evaluateWithObject:self];
}

正則表達式學習鏈接： 55分鍾學會正則表達式

揭開正則表達式的神秘面紗

RegExLib.com(正則表達式庫查詢)

以上的正則匹配都用到了 NSPredicate ，關於 NSPredicate 的更多地用法可以看這里。

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 java獲取一段字符串里符合日期的正則表達式的字符串正則表達式獲取字符串中的img標簽中的url鏈接 Java之正則表達式在字符串中查找中文 JavaScript 正則表達式：字符串中查找數字 JavaScript 正則表達式：字符串中查找數字 C# 正則表達式替換JSON格式字符串中某段字符串正則表達式識別字符串中的URL 正則表達式：匹配字符串中的';' java正則表達式獲得html字符串中的src中的url地址 Java正則表達式 .*喜歡.* 用於查找字符串中是否包含了喜歡子串：