介绍Erlang的正则表达式模块re

介绍Erlang的正则表达式模块re
(这个模块设计的内容都是ASCII编码,解析的过程不涉及Unicode)

1. 正则表达式的总结:
\\ 转义字符
.  除了换行符之外匹配任意字符(默认不匹配换行符，我们可以使用dotall option来让它匹配换行符)
*  0个或者多个quantifier
+  1个或者多个quantifier.


\\w 任意的'word'(范围是a-z,A-Z,_,0-9)


2. 使用re来测试正则表达式的匹配:
re:run(Subject,RE,Options)
这个函数的缺点是一次只能匹配Subject中一个满足条件的，如果要匹配全部，需要自己代码完成.

例如:
re:run("abcdabc","abc",[]).  %% 匹配abc,只匹配第一个,默认offset为0
{match,[{0,3}]}
re:run("abcdabc",[{offset,3}]).  %%%% 匹配abc,从"abcdabc" -> 的子串"dabc"
{match,[{4,[{capture,all,list}]). %% 以list的形式返回结果
{match,["abc"]}
re:run("abcdabd","ab(c|d)",list}]).  %% 以list的形式返回结果,包含group
{match,["abc","c"]}
re:run("abcdabd",first,list}]). %% 以list的形式返回结果,不包含group
{match,list},{offset,3}]). %% 以list的形式返回结果,不包含group,子串匹配.
{match,["abd"]}


3. 匹配邮件地址:
一个可以匹配Subject中所有邮件地址的函数:
匹配邮件使用的正则表达式是: \\w+@\\w+\\.\\w+
(这个表达式并不完善,但是现在测试下来可以工作:)

代码:
-module(util).
-compile(export_all).

parse_email(Subject) ->
    parse_email(Subject,[]).

parse_email(Subject,Offset,Acc) ->
    RE = "\\w+@\\w+\\.\\w+",%% 匹配Email的正则表达式
    case re:run(Subject,[dotall,{capture,index},Offset}]) of
	nomatch ->
	    Acc;
	{match,[{Index,Len}]} ->
	    case re:run(Subject,Offset} ]) of
		nomatch ->
		    error;
		{match,[Match]} ->
		    parse_email(Subject,Index + Len,[Match|Acc])
            end
	    
    end.

测试:
Subject = "liqiang@gmail.com tfs@gmail.com adfa,dasfad tfs3@gmail.com adfasd",SubjectBin = <<"liqiang@gmail.com tfs@gmail.com adfa,dasfad tfs3@gmail.com adfasd">>,util:parse_email(Subject).       
["tfs3@gmail.com","tfs@gmail.com","liqiang@gmail.com"]
util:parse_email(SubjectBin).       
["tfs3@gmail.com","liqiang@gmail.com"]

4. 删除HTML文档中的HTML标签:

代码:
-module(util).
-compile(export_all).

remove_html_tag(Data) ->
    remove_html_tag(Data,0).

remove_html_tag(Data,Offset) ->
    case re:run(Data,"<.*?>",Offset}]) of
	nomatch ->
	    Data;
	{match,_Len}]}->
	    %% 注意: Offset = Index,以为长度为Len的数据已经被替换成[]
	    remove_html_tag(re:replace(Data,"",{return,list}]),Index) 
    end.

测试:
Data = "<html><body>test<font>liqiang</font>@gmail.com</body></html>",util:remove_html_tag(Data).
"testliqiang@gmail.com"      %%观察测试结果,当前版本的解析函数存在问题(当tag去掉之后，文本内容可能连接到一起)                
util:remove_html_tag(Data).
"test liqiang@gmail.com"     %%观察测试结果

转载自：http://veniceweb.googlecode.com/svn/trunk/public/daily_tech_doc/erlang_re_20091201.txt
介绍Erlang的正则表达式模块re

相关推荐
