regex - float 的正则表达式

Question

我有一个任务来匹配浮点数。我为它编写了以下正则表达式:

[-+]?[0-9]*\.?[0-9]*

但是，它返回一个错误:

Invalid escape sequence (valid ones are  \b  \t  \n  \f  \r  \"  \'  \\ )

据我所知，我们需要为 . 使用转义字符。还有。请纠正我的错误。

Answer 1

TL; 博士

使用 [.] 代替 \. 和 [0-9] 代替 \d 以避免转义某些语言(如 Java)中的问题。

感谢 the nameless one 最初认识到这一点。

匹配 浮点数的一种相对简单的模式是

[+-]?([0-9]*[.])?[0-9]+

这将匹配:

123

123.456

.456

查看 working example

如果您还想匹配 123.(一个没有小数部分的句点)，那么您需要一个稍长的表达式:

[+-]?([0-9]+([.][0-9]*)?|[.][0-9]+)

请参阅 pkeller's answer 以获取有关此模式的更完整说明

如果您想包含非十进制数字，例如十六进制和八进制，请参阅我对 How do I identify if a string is a number? 的回答。

如果你想 验证 输入是一个数字(而不是在输入中找到一个数字)，那么你应该用 ^ 和 $ 包围模式，如下所示:

^[+-]?([0-9]+([.][0-9]*)?|[.][0-9]+)$

不规则正则表达式

在大多数现代语言、API、框架、库等中实现的“正则表达式”基于 formal language theory 中开发的概念。但是，软件工程师添加了许多扩展，使这些实现远远超出了正式定义。因此，虽然大多数正则表达式引擎彼此相似，但实际上并没有标准。因此，很大程度上取决于您使用的语言、API、框架或库。

(顺便说一句，为了帮助减少混淆，许多人已经开始使用“ regex ”或“ regexp ”来描述这些增强的匹配语言。有关更多信息，请参见 Is a Regex the Same as a Regular Expression?。

也就是说，大多数正则表达式引擎(实际上，据我所知，所有这些引擎)都会接受 \. 。最有可能的是，逃逸有问题。

逃跑的麻烦

某些语言内置了对正则表达式 such as JavaScript 的支持。对于那些没有的语言，转义可能是一个问题。

这是因为您基本上是用一种语言中的一种语言进行编码。例如，Java 使用 \ 作为其字符串中的转义字符，因此如果要在字符串中放置文字反斜杠字符，则必须对其进行转义:

// creates a single character string: "\"
String x = "\\";

但是，正则表达式也使用 \ 字符进行转义，因此如果要匹配文字 \ 字符，则必须为正则表达式引擎对其进行转义，然后为 Java 再次转义:

// Creates a two-character string: "\\"
// When used as a regex pattern, will match a single character: "\"
String regexPattern = "\\\\";

在您的情况下，您可能没有在您正在编程的语言中转义反斜杠字符:

// will most likely result in an "Illegal escape character" error
String wrongPattern = "\.";
// will result in the string "\."
String correctPattern = "\\.";

所有这些逃避都会变得非常困惑。如果您使用的语言支持 raw strings ，那么您应该使用它们来减少反斜杠的数量，但并非所有语言都支持(最值得注意的是:Java)。幸运的是，有一种替代方法可以在某些时候起作用:

String correctPattern = "[.]";

对于正则表达式引擎， \. 和 [.] 的意思完全一样。请注意，这并不适用于所有情况，例如换行符 ( \\n )、左方括号 ( \\[ ) 和反斜杠 ( \\\\ 或 [\\] )。

关于匹配数字的注意事项

(提示:这比你想象的要难)

匹配数字是您认为使用正则表达式很容易的事情之一，但实际上非常棘手。让我们一块一块地看一下你的方法:

[-+]?

匹配可选的 - 或 +

[0-9]*

匹配 0 个或多个连续数字

\.?

匹配一个可选的 .

[0-9]*

匹配 0 个或多个连续数字

首先，我们可以通过对数字使用 character class shorthand 来稍微清理一下这个表达式(请注意，这也容易受到上面提到的转义问题的影响):
[0-9] = \d
我将在下面使用 \d ，但请记住，它与 [0-9] 的含义相同。 (嗯，实际上，在某些引擎中 \d 会匹配所有脚本中的数字，所以它会比 [0-9] 匹配的更多，但这对你来说可能并不重要。)

现在，如果你仔细观察，你会发现 模式的每个部分都是可选的 。此模式可以匹配长度为 0 的字符串；仅由 + 或 - 组成的字符串；或者，一个仅由 . 组成的字符串。这可能不是你想要的。

为了解决这个问题，首先用最低要求的字符串“ anchor 定”你的正则表达式是有帮助的，可能是一个数字:

\d+

现在我们想添加小数部分，但它不会出现在您认为可能的位置:

\d+\.?\d* /* This isn't quite correct. */

这仍将匹配 123. 之类的值。更糟糕的是，它有一个关于它的 tinge of evil。句点是可选的，这意味着您有两个并排重复的类( \d+ 和 \d* )。如果以错误的方式使用，这实际上可能很危险，使您的系统容易受到 DoS 攻击。

为了解决这个问题，我们需要将句点视为可选的，而不是将其视为可选的(以分隔重复的字符类)，而是将整个小数部分设为可选:

\d+(\.\d+)? /* Better. But... */

这现在看起来好多了。我们需要第一个数字序列和第二个数字序列之间有一个句点，但有一个致命的缺陷:我们无法匹配 .123 因为现在需要一个前导数字。

这实际上很容易修复。与其将数字的“小数”部分设为可选，我们需要将其视为字符序列:1 个或多个可能以 . 为前缀的数字，而 ^ 可能以 0 个或多个数字为前缀:

(\d*\.)?\d+

现在我们只需添加符号:

[+-]?(\d*\.)?\d+

当然，这些斜线在 Java 中很烦人，所以我们可以在我们的长格式字符类中替换:

[+-]?([0-9]*[.])?[0-9]+

匹配与验证

这在评论中出现了几次，所以我添加了一个关于匹配与验证的附录。

匹配 的目标是在输入中找到一些内容(“大海捞针”)。 验证 的目标是确保输入的格式符合预期。

正则表达式，就其性质而言，只有 匹配 文本。给定一些输入，他们要么会找到一些匹配的文本，要么不会。但是，通过使用 anchor 标记( $ 和 [+-]?([0-9]*[.])?[0-9]+ )将表达式“捕捉”到输入的开头和结尾，我们可以确保找不到匹配项，除非整个输入与表达式匹配，有效地使用正则表达式来 验证 。

上述正则表达式 ( 1.34 ) 将 匹配 目标字符串中的一个或多个数字。所以给定输入:

apple 1.34 pear 7.98 version 1.2.3.4

正则表达式将匹配 7.98 、 1.2 、 .3 、 .4 和 1.2 。

要验证给定的输入是一个数字，而只是一个数字，请通过将其包装在 anchor 标记中来将表达式“对齐”到输入的开头和结尾:

^[+-]?([0-9]*[.])?[0-9]+$

如果整个输入是浮点数，这只会找到匹配项，如果输入包含其他字符，则不会找到匹配项。因此，给定输入 apple 1.2 pear ，将找到匹配项，但给定 validate 找不到匹配项。

请注意，某些正则表达式引擎具有 isMatch 、 true 或类似函数，它们基本上自动执行我所描述的操作，如果找到匹配项则返回 false ，如果未找到匹配项则返回 ^ 。还请记住，某些引擎允许您设置更改 $ 和 ojit_code 定义的标志，匹配行的开头/结尾而不是整个输入的开头/结尾。这通常不是默认设置，但要注意这些标志。