解释正则表达式

时间:2012-11-05 13:48:15

标签: java regex

我正在尝试记录使用常规表达式的验证规则的英语解释。我有两个我无法弄清楚的方面,而且我已经全身心地搜索过,无法找到有关我在下面确定的表达方式的任何信息:

[^<>()[\]\\.,;:\s@\""]

到目前为止,我所解释的内容(来自上面的代码段)是列出了不允许的字符,[^ and ]之间的字符。有一组双反斜杠,这意味着一个反斜杠字符。我无法弄清楚的部分是\s@\""我看到\ s表示空格,我假设@是它代表的字符,但我不知道\""的含义。我也不确定s @周围的反斜杠是否是某种分隔符,这改变了我的解释。

另一件我无法解释的是:

\"".+\""

对于\“或\”,没有定义(至少我能找到) 我的印象是反斜杠不应该是独立的,也就是说它们要么逃避某些特殊字符,要么用在一对中以表示反斜杠本身。

如果它有助于完整的正则表达式:

^((([^<>()[\]\\.,;:\s@\""]+(\.[^<>()[\]\\.,;:\s@\""]+)*)|(\"".+\""))@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\])|(([a-zA-Z\-0-9]+\.)+[a-zA-Z]{2,})))$

寻求任何帮助!

4 个答案:

答案 0 :(得分:3)

可能是这个正则表达式是用一种语言编写的,其中双引号字符通过两个一起转义。我想也许VB(.Net)可以做到这一点......?

在这种情况下,\""将被此语言解析为\",然后将其作为"在正则表达式中进行解析。

答案 1 :(得分:0)

尝试使用Expresso - 它是一个RegEx工具,可以将RegEx转换为单词。

答案 2 :(得分:0)

正则表达式可能很难理解

基本上,square parentesis []意味着表达式将匹配其中的任何字符。 \s空格的表达式

尝试http://www.regular-expressions.info/

我也强烈推荐Regex Buddy它也有表达的措辞。它还会为您生成代码以确保正确转义字符。

由于\既是编程语言中的转义字符,也是用于在表达式中定义事物的字符,因此可能会遇到一些使表达式难以阅读的情况。

看起来这就是您与\""

有关的问题

另一部分:\"".+\""似乎匹配double quote followed by any character one to unlimited times and then ending in another double quote 问题在于你使用的编程语言如何确保在表达式中得到那些双qoutes,而不算作我相信的代码。

答案 3 :(得分:0)

鉴于你原来的正则表达式:

^((([^<>()[\]\\.,;:\s@\""]+(\.[^<>()[\]\\.,;:\s@\""]+)*)|(\"".+\""))@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\])|(([a-zA-Z\-0-9]+\.)+[a-zA-Z]{2,})))$

我已经解密了这个并用自由间隔模式写出了评论。我在这里以Python的原始文本格式呈现这一点,以便您可以看到正在呈现给正则表达式引擎的本机正则表达式(在字符串解释之后):

原始表达式在本机正则表达式中注释:

re_commented = r'''
    # Match an email address.
    ^                                 # Anchor to start of string.
    (                                 # ($1:) Entire string.
      (                               # $2: FIRST PART (before @).
        ( [^<>()[\]\\.,;:\s@\""]+     # ($3:) Either one
          (                           # ($4:) or more
            \.                        #       dot separated
            [^<>()[\]\\.,;:\s@\""]+   #       parts.
          )*                          # ($4:)
        )                             # ($3:)
      | (                             # ($5:) Or FIRST PART is
          \"".+\""                    # a doubly, double quoted string.
        )                             # ($5:)
      )                               # $2: FIRST PART (before @).
      @                               # Required @ separates parts.
      (                               # $6: LAST PART (after @).
        ( \[                          # ($7:) LAST PART is Either
          [0-9]{1,3}\.                # an IPv4 domain address
          [0-9]{1,3}\.                # (i.e. 10.0.0.255)
          [0-9]{1,3}\.                # between
          [0-9]{1,3}                  # square
          \]                          # brackets.
        )                             # ($7:)
      | (                             # ($8:) Or LAST PART is
          ([a-zA-Z\-0-9]+\.)+         # a DNS style dot separated
          [a-zA-Z]{2,}                # named domain.
        )                             # ($8:)
      )                               # $6: LAST PART (after @).
    )                                 # ($1:) Entire string.
    $                                 # Anchor to end of string.
    '''

正如您现在可以清楚地看到的,此正则表达式正在尝试验证电子邮件地址。它似乎也有人进入并编辑了文件并修改了双引号 - (\""的每个实例应该只是" ,正如正则表达式引擎所见。另请注意,\""序列在字符类中没有任何危害,因为它等同于双引号的单个实例。但是,它会导致恶作剧,它似乎是电子邮件第一部分的第二个选择,即\"".+\""。这是一个修正版本,用双引号修复问题。我在这里已经完全评论了free-spaciong模式,并以Java片段的形式展示了所有引号和反斜杠的正确转义。

在Java正则表达式字符串中注释的修复表达式:

Pattern re_valid = Pattern.compile(
    "    # Match an email address. (Rev:20121105_1100 fixed quotes.)        \n" +
    "    ^                                     # Anchor to start of string. \n" +
    "    (                                     # ($1:) Entire string.       \n" +
    "      (                                   # $2: FIRST PART (before @). \n" +
    "        ( [^<>()\\[\\]\\\\.,;:\\s@\"]+    # ($3:) Either one           \n" +
    "          (                               # ($4:) or more              \n" +
    "            \\.                           #       dot separated        \n" +
    "            [^<>()\\[\\]\\\\.,;:\\s@\"]+  #       parts.               \n" +
    "          )*                              # ($4:)                      \n" +
    "        )                                 # ($3:)                      \n" +
    "      | (                                 # ($5:) Or FIRST PART is     \n" +
    "          \".+\"                          # a double quoted string.    \n" +
    "        )                                 # ($5:)                      \n" +
    "      )                                   # $2: FIRST PART (before @). \n" +
    "      @                                   # Required @ separates parts.\n" +
    "      (                                   # $6: LAST PART (after @).   \n" +
    "        ( \\[                             # ($7:) LAST PART is Either  \n" +
    "          [0-9]{1,3}\\.                   # an IPv4 domain address     \n" +
    "          [0-9]{1,3}\\.                   # (i.e. 10.0.0.255)          \n" +
    "          [0-9]{1,3}\\.                   # between                    \n" +
    "          [0-9]{1,3}                      # square                     \n" +
    "          \\]                             # brackets.                  \n" +
    "        )                                 # ($7:)                      \n" +
    "      | (                                 # ($8:) Or LAST PART is      \n" +
    "          ([a-zA-Z\\-0-9]+\\.)+           # a DNS style dot separated  \n" +
    "          [a-zA-Z]{2,}                    # named domain.              \n" +
    "        )                                 # ($8:)                      \n" +
    "      )                                   # $6: LAST PART (after @).   \n" +
    "    )                                     # ($1:) Entire string.       \n" +
    "    $                                     # Anchor to end of string.   ", 
    Pattern.COMMENTS);

请注意,此正则表达式还有其他一些小问题(Google“电子邮件验证”了解更多信息。)此外,许多分组括号都是不必要的。

最后一条评论 - Java在编写和评论regex时很糟糕!