转：Qt的正则表达式和QRegExp

考虑一下我们经常遇到的问题，比如gemfield想从青岛之光读书（www.civilnet.cn/book）中找一个关键的电话号码，通常第一步就是将书中所有的电话号码查找出来放在手边。那么怎么拟定查询条件呢？电话的格式有如下几种：
01088888888
010 88888888
010-88888888
88888888
0532-88888888
0534-8888888
88888888beijing
qingdao88888888
…………
省略号的意思是格式的种类有很多种，但也有更多种明显就不是电话类型。这种情况下如何拟定我们的查询条件呢。如果面面俱到的话，代码中得多少次if或者switch分支呢。
Gemfield此刻是多么的希望有一个语句能够简单的描述上述所有可能的格式。这或许就是正则表达式的来历。正则表达式的英文原意是：Regular Expression。Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。
来看看gemfield如何一步步实现这个想法。

我们可以用
ddd-dddddddd或者ddddddddwwwwwww
来分别描述类似于010-88888888和88888888beijing这样的例子。

这里，d表示所有可能出现的数字：0、1、2、3、4…… 9；w表示所有可能出现的字母：a、b、c、d……z。
但有时我们在这个位置上明确的限定就是’w’这个字母，而非代表所有字母的w，那怎么办呢？上面的举例肯定会带来混淆。我们借助反斜杠/来实现：
/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
这样就能区分w到底是代表所有字母，还是仅仅代表w本身这个字母。不过看起来就有点丑陋了，这么长，输错或者看错的个数怎么办？gemfield可以使用下面的写法来使其变得简洁：
/d3-/d8或者/d8/w7
但问题又来了，我们这里出现的3是表示前面的数字出现3次，而非3本身，后面的8、7等数字同理。怎么办呢？gemfield可以这样写：
/d{3}-/d{8}或者/d{8}/w{7}
这里{}的意义和反斜杠/差不多。都是明确告诉你，w不是w，3不是3。:-D
但很明显，有的电话号是不加区号的，比如010-88888888写作88888888。这样，就不是/d{3}-/d{8}了，而是/d{8}。或许你可以写作：
/d{8}或者/d{3}-/d{8}
但“或者”不可能成为程序语言中的关键字的，没有编译器会认识他。怎么办？我们想到了程序中有个运算符意思和“或者”相似，它就是| 。gemfield可以写作：
/d{8} | /d{3}-/d{8}
但怎么看怎么都像少个东西，看起来混在一起分辨不清。我们想到了圆括号：
(/d{8})|(/d{3}-/d{8})
用圆括号括起来就表示一个整体了，这里的意思就是说，有2组模式，其中的哪一种都可以。传统上，？这个符号（问号）可以用来表示某项是可选的。这样的话，上面的表达式可以写作：
(/d{3}-)?(/d{8})
这样就表示前面的那一组(/d{3}-)是可选的，也即既可以有，也可以不要，这刚好表达了gemfield的本意。由于还有010 88888888这种形式，我们还要考虑空格的可选，对于空格，我们可以用/s来表示。表达式修正如下：
(/d{3})?(-)?/s?(/d{8})
但是电话号码[phone]中间的空格在输入的时候也许多输了一个，比如
10 88888888，那怎么办呢？我们用*来表示0个、1个、2个或者多个。修正如下：
(/d{3})?(-)?/s*(/d{8})
但是，似乎好像电话不都像北京一样，有8个数字（除了区号），大多数中国城市还是7个呢。所以这个数量也必须是可选的。我们可以扩展一下：
(/d{3})?(-)?/s*(/d{7,8})
这样就表示电话号码是7个或者8个，也就是大于等于7，小于等于8。
好了，虽然上面的演化对于严谨的语法来说没有什么意义，但有了这个思路，就可以认识我们的QregExp了，欢迎来到Qt的正则表达式——QregExp。
****************************************************
正则表达式由语句、数量、界定符三者组成。
语句是最简单的，由[]括起来一个完整的子语句。如[ABCD] 匹配字母A或B或C或D，而[A-Z]表示26个大写的英文字母。
A{1,26}匹配1个、2个、3个……26个字母A;
[0-9]{1,2}匹配0~99，但同时也匹配ab34、a34b等；
^[0-9]{1,2},匹配34bc、26abcd，只要数字前面别有其他东西；
[0-9]{1,2}$ 匹配ab65、aaaaa56，只要数字后面别有其他东西；
^[0-9]{1,2}$ 只能是2位数字了。
但是^一旦出现在方括号中就不一样了。它表示“不包含”。
例如：[^abc]匹配所有的东西，除了a或b或c。
+表示至少出现一次，如([abc]+)表示a或者b或者c至少出现一次。
至于*、?等界定符的意思，和gemfield文中初始部分的推理是一个意思。
******************************************************
而QregExp这个类是怎样使用这些regexp呢，gemfield总结大致有2种情况，这两种情况刚好是事物的两面。第一种是“检索”类的。看个例子：
******************************************************
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);
}
******************************************************
正如上面这个代码片段所揭示的，indexIn和cap这两个函数是比较常用的，至于具体的含义，可以阅读Qt在线文档：http://www.civilnet.cn/book/embedded/GUI/Qt_assistant/index.php

第二种是“禁止”类的，比如一个QlineEdit里禁止输入一些东西，比如邮箱名禁止输入&等。这个是用QRegExpValidator 来实现的，该类接收一个QregExp型的正则表达式作为实例化时的参数：
**********************************************************
QRegExp rx("-?//d{1,3}");
QValidator *validator = new QRegExpValidator(rx, this);

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