由一段字符串中查找URL引出——正则表达式

需求很简单，是从一段文本中匹配出其中的超链接。基本的做法就是用正则表达式去匹配。但是有这样一个问题。

网上大部分的识别URL的正则表达式url末尾有空格的情况下可以正确识别。比如这样的情况:

"我是一段中文https://github.com/TinyQ 我还是一段中文"

但是如果去掉TinyQ 后面的空格。匹配到的将是 “https://github.com/TinyQ我还是一段中文” 是连上的。

最后替换过好多正则才得以解决。这里贴上代码：

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

这里做个更新。下面这个正则也是可以的。而且应该更好一些。

比如这种 "Explorerwww.chiphell.com/ "。 也是可以识别出 www.chjiphell.com 的

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

完整代码如下：

+ (BOOL)isUrlType:(NSString *)string {
    if (!string || [string isKindOfClass:[NSNull class]] || string.length ==  || [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: range:NSMakeRange(, [string length])];
        if (!arrayOfAllMatches || [arrayOfAllMatches isKindOfClass:[NSNull class]] || arrayOfAllMatches.count ==  ) {
            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;
         */
    }
}

以下是一些基础知识整理：

语法规则：https://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx

行定位符（^和$）

行定位符就是用来描述字串的边界。“^”表示行的开始；“$”表示行的结尾。如：
　　 ^tm
　　该表达式表示要匹配字串tm的开始位置是行头，如tm equal Tomorrow Moon就可以匹配，而Tomorrow Moon equal tm则不匹配。但如果使用
　　 tm$
　　则后者可以匹配而前者不能匹配。如果要匹配的字串可以出现在字符串的任意部分，那么可以直接   写成
　　 tm
　　这样两个字符串就都可以匹配了。

单词定界符（\b、\B）

单词分界符\b，表示要查找的字串为一个完整的单词。如：
　　 \btm\b
　　还有一个大写的\B，意思和\b相反。它匹配的字串不能是一个完整的单词，而是其他单词或字串的一部分。如：
 　　\Btm\B

字符类（[ ]）

正则表达式是区分大小写的，如果要忽略大小写可使用方括号表达式“[]”。只要匹配的字符出现在方括号内，即可表示匹配成功。但要注意：一个方括号只能匹配一个字符。例如，要匹配的字串tm不区分大小写，那么该表达式应该写作如下格式：
 　　[Tt][Mm]
　　这样，即可匹配字串tm的所有写法。POSIX和PCRE都使用了一些预定义字符类。但表示方法略有不同。POSIX风格的预定义字符类如表所示。

选择字符（|）

还有一种方法可以实现上面的匹配模式，就是使用选择字符（|）。该字符可以理解为“或”，如上例也可以写成
 　　(T|t)(M|m)
　　该表达式的意思是以字母T或t开头，后面接一个字母M或m。

连字符（-）

变量的命名规则是只能以字母和下划线开头。但这样一来，如果要使用正则表达式来匹配变量名的第一个字母，要写为
　　 [a,b,c,d…A,B,C,D…]
　　这无疑是非常麻烦的，正则表达式提供了连字符“-”来解决这个问题。连字符可以表示字符的范围。如上例可以写成
 　　[a-zA-Z]

排除字符（[^]）

上面的例子是匹配符合命名规则的变量。现在反过来，匹配不符合命名规则的变量，正则表达式提供了“^”字符。这个元字符在前面出现过，表示行的开始。而这里将会放到方括号中，表示排除的意思。例如：
 　　[^a-zA-Z]
　　该表达式匹配的就是不以字母和下划线开头的变量名。

限定符（? * + {n,m}）

对于重复出现字母或字串，可以使用限定符来实现匹配。限定符主要有6种，如表所示。

点号字符（.）

点字符（.）可以匹配出换行符外的任意一个字符。注意：是除了换行符外的、任意的一个字符。如匹配以s开头、t结尾、中间包含一个字母的单词。格式如下：
 　　^s.t$
　　匹配的单词包括：sat、set、sit等。再举一个实例，匹配一个单词，它的第一个字母为r，第3个字母为s，最后一个字母为t。能匹配该单词的正则表达式为：
 　　^r.s.*t$

转义字符（\）

正则表达式中的转移字符（\）和PHP中的大同小异，都是将特殊字符（如“.”、“?”、“\”等）变为普通的字符。举一个IP地址的实例，用正则表达式匹配诸如127.0.0.1这样格式的IP地址。如果直接使用点字符，格式为：
 　　[0-9]{1,3}(.[0-9]{1,3}){3}
　　这显然不对，因为“.”可以匹配一个任意字符。这时，不仅是127.0.0.1这样的IP，连127101011这样的字串也会被匹配出来。所以在使用“.”时，需要使用转义字符（\）。修改后上面的正则表达式格式为：
 　　[0-9]{1,3}(\.[0-9]{1,3}){3}

反斜线（\）

除了可以做转义字符外，反斜线还有其他一些功能。反斜线可以将一些不可打印的字符显示出来，如表所示。

　　还可以指定预定义字符集，如表所示。

　　反斜线还有一种功能，就是定义断言，其中已经了解过了\b、\B，其他如表所示。

括号字符（()）

小括号字符的第一个作用就是可以改变限定符的作用范围，如“|”、“*”、“^”等。来看下面的一个表达式。
 　　(thir|four)th
　　这个表达式的意思是匹配单词thirth或fourth，如果不使用小括号，那么就变成了匹配单词thir和fourth了。
　　小括号的第二个作用是分组，也就是子表达式。如(\.[0-9]{1,3}){3}，就是对分组(\.[0-9]{1,3})进行重复操作。后面要学到的反向引用和分组有着直接的关系。

反向引用

反向引用，就是依靠子表达式的“记忆”功能来匹配连续出现的字串或字母。如匹配连续两个it，首先将单词it作为分组，然后在后面加上“\1”即可。格式为：
　　(it)\1
　　这就是反向引用最简单的格式。如果要匹配的字串不固定，那么就将括号内的字串写成一个正则表达式。如果使用了多个分组，那么可以用“\1”、“\2”来表示每个分组（顺序是从左到右）。如：
 　　([a-z])([A-Z])\1\2
　　除了可以使用数字来表示分组外，还可以自己来指定分组名称。语法格式如下：
　　 (?P…)
　　如果想要反向引用该分组，使用如下语法：
 　　(?P=subname)
　　下面来重写一下表达式([a-z])([A-Z])\1\2。为这两个分组分别命名，并反向引用它们。正则表达式如下：
 (?P[a-z])(?P[A-Z])(?P=fir)(?P=sec)

模式修饰符

模式修饰符的作用是设定模式。也就是规定正则表达式应该如何解释和应用。不同的语言都有自己的模式设置，PHP中的主要模式如表所示。

正则表达式用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。

匹配中文字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧没有能力为力

匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用

匹配特定数字：
^[1-9]\d*$　 　 //匹配正整数
^-[1-9]\d*$ 　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串 

 

匹配中文:[\u4e00-\u9fa5]

英文字母:[a-zA-Z]

数字:[0-9]

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

同时判断输入长度：
[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

^[\w\u4E00-\u9FA5\uF900-\uFA2D]*$ 1、一个正则表达式，只含有汉字、数字、字母、下划线不能以下划线开头和结尾：
^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$  其中：
^  与字符串开始的地方匹配
(?!_)　　不能以_开头
(?!.*?_$)　　不能以_结尾
[a-zA-Z0-9_\u4e00-\u9fa5]+　　至少一个汉字、数字、字母、下划线
$　　与字符串结束的地方匹配

放在程序里前面加@，否则需要\\进行转义 @"^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$"
（或者：@"^(?!_)\w*(?<!_)$"    或者  @" ^[\u4E00-\u9FA50-9a-zA-Z_]+$ "  )

2、只含有汉字、数字、字母、下划线，下划线位置不限：
^[a-zA-Z0-9_\u4e00-\u9fa5]+$

3、由数字、26个英文字母或者下划线组成的字符串
^\w+$

4、2~4个汉字
@"^[\u4E00-\u9FA5]{2,4}$";

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

用：(Abc)+    来分析：  XYZAbcAbcAbcXYZAbcAb

XYZAbcAbcAbcXYZAbcAb6、
[^\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_

最长不得超过7个汉字，或14个字节(数字，字母和下划线)正则表达式

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

///----------2014.10.07 再次编辑----------------

匹配月份的正则表达式

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

注：个位数月份匹配方式 前面不能加 0。

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

注：个位数月份前可以加0或者不加。

匹配年份19**或者20**

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

 

用法：

1. + (BOOL)isEmailAddress:(NSString*)candidate
2. {
3. NSString* emailRegex = @"[A-Z0-9a-z._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}";
4. NSPredicate* emailTest = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", emailRegex];
5. return [emailTest evaluateWithObject:candidate];
6. }

1. -(NSNumber *)asNumber;{
2. NSString *regEx = @"^-?\\d+.?\\d?";
3. NSPredicate * pred      = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regEx];
4. BOOL isMatch            = [pred evaluateWithObject:self];
5. if (isMatch) {
6. return [NSNumber numberWithDouble:[self doubleValue]];
7. }
8. return nil;
9. }

1. //摘自NSString+BeeExtension.mm
2. - (BOOL)isUserName
3. {
4. NSString *      regex = @"(^[A-Za-z0-9]{3,20}$)";
5. NSPredicate *   pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
6. return [pred evaluateWithObject:self];
7. }
8. - (BOOL)isPassword
9. {
10. NSString *      regex = @"(^[A-Za-z0-9]{6,20}$)";
11. NSPredicate *   pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
12. return [pred evaluateWithObject:self];
13. }
14. - (BOOL)isEmail
15. {
16. NSString *      regex = @"[A-Z0-9a-z._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,4}";
17. NSPredicate *   pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
18. return [pred evaluateWithObject:self];
19. }
20. - (BOOL)isUrl
21. {
22. NSString *      regex = @"http(s)?:\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- .\\/?%&=]*)?";
23. NSPredicate *   pred = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", regex];
24. return [pred evaluateWithObject:self];
25. }
26. - (BOOL)isTelephone
27. {
28. NSString * MOBILE = @"^1(3[0-9]|5[0-35-9]|8[025-9])\\d{8}$";
29. NSString * CM = @"^1(34[0-8]|(3[5-9]|5[017-9]|8[278])\\d)\\d{7}$";
30. NSString * CU = @"^1(3[0-2]|5[256]|8[56])\\d{8}$";
31. NSString * CT = @"^1((33|53|8[09])[0-9]|349)\\d{7}$";
32. NSString * PHS = @"^0(10|2[0-5789]|\\d{3})\\d{7,8}$";
33. NSPredicate *regextestmobile = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", MOBILE];
34. NSPredicate *regextestcm = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CM];
35. NSPredicate *regextestcu = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CU];
36. NSPredicate *regextestct = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", CT];
37. NSPredicate *regextestphs = [NSPredicate predicateWithFormat:@"SELF MATCHES %@", PHS];
38. return  [regextestmobile evaluateWithObject:self]   ||
39. [regextestphs evaluateWithObject:self]      ||
40. [regextestct evaluateWithObject:self]       ||
41. [regextestcu evaluateWithObject:self]       ||
42. [regextestcm evaluateWithObject:self];
43. }

正则表达式学习链接：55分钟学会正则表达式

                                    揭开正则表达式的神秘面纱

                                    RegExLib.com(正则表达式库查询)

以上的正则匹配都用到了 NSPredicate ，关于 NSPredicate 的更多地用法可以看这里。