轉：Qt的Regex和QRegExp

考慮一下我們經常遇到的問題，比如gemfield想從青島之光讀書（www.civilnet.cn/book）中找一個關鍵的電話號碼，通常第一步就是將書中所有的電話號碼尋找出來放在手邊。那麼怎麼擬定查詢條件呢？電話的格式有如下幾種：
01088888888
010 88888888
010-88888888
88888888
0532-88888888
0534-8888888
88888888beijing
qingdao88888888
…………
      省略符號的意思是格式的種類有很多種，但也有更多種明顯就不是電話類型。這種情況下如何擬定我們的查詢條件呢。如果面面俱到的話，代碼中得多少次if或者switch分支呢。
      Gemfield此刻是多麼的希望有一個語句能夠簡單的描述上述所有可能的格式。這或許就是Regex的來曆。Regex的英文原意是：Regular Expression。Regular Expression的“Regular”一般被譯為“正則”、“正規”、“常規”。此處的“Regular”即是“規則”、“規律”的意思，Regular Expression即“描述某種規則的運算式”之意。
      來看看gemfield如何一步步實現這個想法。

我們可以用
ddd-dddddddd或者ddddddddwwwwwww
來分別描述類似於010-88888888和88888888beijing這樣的例子。

      這裡，d表示所有可能出現的數字：0、1、2、3、4…… 9；w表示所有可能出現的字母：a、b、c、d……z。
但有時我們在這個位置上明確的限定就是’w’這個字母，而非代表所有字母的w，那怎麼辦呢？上面的舉例肯定會帶來混淆。我們藉助反斜線/來實現：
/d/d/d-/d/d/d/d/d/d/d/d或者/d/d/d/d/d/d/d/d/w/w/w/w/w/w/w
      這樣就能區分w到底是代表所有字母，還是僅僅代表w本身這個字母。不過看起來就有點醜陋了，這麼長，輸錯或者看錯的個數怎麼辦？gemfield可以使用下面的寫法來使其變得簡潔：
/d3-/d8或者/d8/w7
      但問題又來了，我們這裡出現的3是表示前面的數字出現3次，而非3本身，後面的8、7等數字同理。怎麼辦呢？gemfield可以這樣寫：
/d{3}-/d{8}或者/d{8}/w{7}
      這裡{}的意義和反斜線/差不多。都是明確告訴你，w不是w，3不是3。:-D
但很明顯，有的電話號是不加區號的，比如010-88888888寫作88888888。這樣，就不是/d{3}-/d{8}了，而是/d{8}。或許你可以寫作：
/d{8}或者/d{3}-/d{8}
      但“或者”不可能成為程式語言中的關鍵字的，沒有編譯器會認識他。怎麼辦？我們想到了程式中有個運算子意思和“或者”相似，它就是| 。gemfield可以寫作：
/d{8} | /d{3}-/d{8}
      但怎麼看怎麼都像少個東西，看起來混在一起分辨不清。我們想到了圓括弧：
(/d{8})|(/d{3}-/d{8})
      用圓括弧括起來就表示一個整體了，這裡的意思就是說，有2組模式，其中的哪一種都可以。傳統上，？這個符號（問號）可以用來表示某項是可選的。這樣的話，上面的運算式可以寫作：
(/d{3}-)?(/d{8})
      這樣就表示前面的那一組(/d{3}-)是可選的，也即既可以有，也可以不要，這剛好表達了gemfield的本意。由於還有010 88888888這種形式，我們還要考慮空格的可選，對於空格，我們可以用/s來表示。運算式修正如下：
(/d{3})?(-)?/s?(/d{8})
      但是電話號碼010 88888888中間的空格在輸入的時候也許多輸了一個，比如
10    88888888，那怎麼辦呢？我們用*來表示0個、1個、2個或者多個。修正如下：
(/d{3})?(-)?/s*(/d{8})
      但是，似乎好像電話不都像北京一樣，有8個數字（除了區號），大多數中國城市還是7個呢。所以這個數量也必須是可選的。我們可以擴充一下：
(/d{3})?(-)?/s*(/d{7,8})
      這樣就表示電話號碼是7個或者8個，也就是大於等於7，小於等於8。
      好了，雖然上面的演化對於嚴謹的文法來說沒有什麼意義，但有了這個思路，就可以認識我們的QregExp了，歡迎來到Qt的Regex——QregExp。
****************************************************
      Regex由語句、數量、界定符三者組成。
      語句是最簡單的，由[]括起來一個完整的子語句。如[ABCD] 匹配字母A或B或C或D，而[A-Z]表示26個大寫的英文字母。
A{1,26}匹配1個、2個、3個……26個字母A;
[0-9]{1,2}匹配0~99，但同時也匹配ab34、a34b等；
^[0-9]{1,2},匹配34bc、26abcd，只要數字前面別有其他東西；
[0-9]{1,2}$ 匹配ab65、aaaaa56，只要數字後面別有其他東西；
^[0-9]{1,2}$ 只能是2位元字了。
但是^一旦出現在方括弧中就不一樣了。它表示“不包含”。
例如：[^abc]匹配所有的東西，除了a或b或c。
+表示至少出現一次，如([abc]+)表示a或者b或者c至少出現一次。
至於*、?等界定符的意思，和gemfield文中初始部分的推理是一個意思。
******************************************************
      而QregExp這個類是怎樣使用這些regexp呢，gemfield總結大致有2種情況，這兩種情況剛好是事物的兩面。第一種是“檢索”類的。看個例子：
******************************************************
str = "CIVILNET Corporation/tcivilnet.cn/tGELE";
 QString company, web, country;
 rx.setPattern("^([^/t]+)/t([^/t]+)/t([^/t]+)$");
 if (rx.indexIn(str) != -1) {
     company = rx.cap(1);
     web = rx.cap(2);
     country = rx.cap(3);
 }
******************************************************
      正如上面這個程式碼片段所揭示的，indexIn和cap這兩個函數是比較常用的，至於具體的含義，可以閱讀Qt線上文檔：http://www.civilnet.cn/book/embedded/GUI/Qt_assistant/index.php

      第二種是“禁止”類的，比如一個QlineEdit裡禁止輸入一些東西，比如郵箱名禁止輸入&等。這個是用QRegExpValidator 來實現的，該類接收一個QregExp型的Regex作為執行個體化時的參數：
**********************************************************
 QRegExp rx("-?//d{1,3}");
 QValidator *validator = new QRegExpValidator(rx, this);

 QLineEdit *edit = new QLineEdit(this);
 edit->setValidator(validator);
************************************************************