基于正则表达式的模糊查询和数据匹配验证.docVIP

基于正则表达式的模糊查询和数据匹配验证 　　摘要：正则表达式是编译原理的核心理论之一，应用于各程序设计语言的编译系统中，以分析程序源代码中的各种记号。从程序设计的角度来看，正则表达式常常被用于设计模糊查询程序和数据匹配验证程序。 　　关键词：正则表达式；编译原理；模糊查询；数据匹配验证 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)29-0411-02 　　Fuzzy Query and Data Validations Based on Regular Expression 　　YANG Cheng-ke1,2 　　(1.Northwest Normal University,Lanzhou 730070,China;2.Gansu Economy School,Lanzhou 730050,China) 　　Abstract: Regular expression is a core principle of the theory compiling, applies to every compiling system of the programming language, analysis various sign of procedure source code. Regular expression often used in the design of data validations procedures or fuzzy query procedures. 　　Key words: regular expression; theory compiling; fuzzy query; data validations 　　 　　1 引言 　　 　　随着因特网的普及，基于Web站点的模糊查询和输入数据的格式匹配验证在网络中的应用非常广泛。比如使用搜索引擎在整个Web站点中搜索包含输入关键字的信息；验证输入的值是否与某种可预知的字符序列相匹配，如身份证号码、电子邮件地址、电话号码、邮政编码等字符序列。这些包含输入关键字的信息和可预知的字符序列可以用正则表达式所定义的模式来描述。 　　本文简要介绍了正则表达式及其运算，并从程序设计的角度分析了正则表达式在设计模糊查询程序和数据匹配验证程序方面的应用。 　　 　　2 正则表达式及其运算 　　 　　正则表达式是编译原理中用来描述字符串格式的一种文本模式，这种文本模式完全由它所匹配的串集来定义；与程序设计语言中的表达式类似，正则表达式也是由运算对象和运算符组合而成，只不过其运算对象是基本正则表达式，运算符是一些具有运算含义的元字符而已。因此，充分理解正则表达式中具有运算含义的元字符，是我们正确使用正则表达式的首要条件。 　　不同的编程工具和软件环境所支持的正则表达式的扩展运算和元字符有所不同。所以我们在使用时，必须根据应用的软件环境注意区分。正则表达式有3种基本运算和若干个扩展运算。下面介绍3种基本运算,有关扩展运算的介绍参见文献[1]。 　　1) 选择：从多个选择对象中选择其一，用元字符“|”（竖线）表示。例如：正则表达式a|b匹配了a 或b 中的任一字符。 　　2) 连结：由并置表示（不用元字符）。例如：正则表达式ab只匹配ab。 　　3) 重复：正则表达式的重复也称为“闭包”，由元字符“*”表示。例如：a*匹配串ε（空串）、a、aa、aaa . . .。 　　这3种基本运算的优先顺序是: 重复运算*优先权最高，连结其次，选择运算|最低。另外，使用括号可以改变它们的优先顺序。 　　 　　3 正则表达式用于模糊查询 　　 　　SQL语言的查询语句通常使用LIKE关键字实现简单的模糊查询，其中用到的通配符就是正则表达式的元字符，由于SQL语言本身支持的通配符少、功能较弱, 所以不同的数据库产品在标准SQL的基础上都有所扩展，在此以Oracle Database为例来介绍正则表达式在模糊查询方面的应用。 　　Oracle中用于正则表达式运算的有 REGEXP_LIKE操作符和 REGEXP_INSTR、REGEXP_SUBSTR以及REGEXP_REPLACE函数。被搜索的数据既可以是简单的字符串，也可以是存储在数据库字符列中的大量文本。Oracle 的正则表达式支持 POSIX字符类， POSIX 字符类必须包含在一个由方括号 ([ ])指示的字符列表中，其中的元字符类似于命名的正则表达式，这样写出的正则表达式比较特别，可以包含控制字符一类的特殊字符。 　　Oracle支持的正则表达式元字符也有所变化，其中表达式首部的元字符“^” 表示一行正则表达式的开始，元字符“$”表示正则表达式一