怎样用正则表达式匹配IPV4地址

写论文写累了，忽然想起以前面试时的一道题：怎样用正则表达式匹配IPV4地址？把相关内容翻译综合一下，与诸君共享。

写一个正则表达式匹配IPV4地址说容易也容易，说难也难，取决于需要的准确度。简单起见，这里只考虑点分十进制的IPV4地址。
最简单的方式是把IPV4地址看做四段十进制数字串，由三个点号隔开，可以采用如下写法：

^\d+\.\d+\.\d+\.\d+$

就其本身而言没有问题，但会错误地匹配"448.90210.0.65535"这样的字符串，而一个恰当的IPV4表示法中每个域中的值不应大于255。但写一个匹配0到255的整数的正则表达式并不容易，因为正则表达式不理解算术，而是单纯基于文本。考虑下面一些情况：

• 单独的一个数字（表示0-9）
• 一个非零数字后紧跟着另外一个数字（表示10-99）
• "1"后面跟着两个数字（表示100-199）
• "2"后面跟着一个"0"到"4"间的数字，后面又跟着一个数字（表示200-249）
• "25"后面跟着一个"0"到"5"间的数字（表示250-255）

根据上面的分析，来试着写匹配0-255的正则表达式：

^\d|[1-9]\d|1\d\d|2[0-4]\d|25[0-5]$
将前两项合并，上式变成：
^[1-9]?\d|1\d\d|2[0-4]\d|25[0-5]$

然后，将上面这个式子重复4次，中间以点号隔开即可，如下所示：

^([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])$

好了，我们完成了点分十进制的简单描述，同时写了一个基本不可读的怪异的正则表达式。想象你正在维护一个程序时碰到了这个式子，你要花多长时间才能看懂它表达的意思？

可能这个式子还是不太对，因为有些解析器支持在每个十进制数前的前导零（例如，127.0.0.001和127.0.0.1是相通的，但另外一些解析器将前导零作为八进制的前缀，orz）。好，现在我们考虑前导零，上面的正则表达式变成：

^0*([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.0*([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.0*([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])\.0*([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])$

这就是我对正则表达式既爱又恨的原因。简单模式有许多种表示方式，复杂模式的表示方式更是多得可怕。

啊哈，你可能看到了，浪费这么多时间写一个正则表达式真是个错误。
我们忘了去搞清楚：实际问题到底是什么？搞懂了这个可以解决一半的问题。现在问问自己：“我有一个字符串，想检查它是否是一个点分十进制的IPV4地址，我得写一个正则表达式！嘿，谁能帮我写一下？”

真正的问题不是“我怎么写一个识别点分十进制IPV4地址的正则表达式”，而是**“我怎么识别一个点分十进制IPV4地址”**。头脑里思考这个更大的目标，你会发现逼你自己写一个正则表达式纯粹是自寻烦恼。
来看看下面的函数：

#include <iostream>
#include <regex>
#include <string>

bool isDottedIPv4(const std::string& s) {
    std::regex ipv4_regex(R"(^(\d+)\.(\d+)\.(\d+)\.(\d+)$)");
    std::smatch match;

    // 检查是否匹配
    if (std::regex_match(s, match, ipv4_regex)) {
        // 检查每个部分是否在 0 到 255 之间
        for (size_t i = 1; i <= 4; ++i) {
            int num = std::stoi(match[i].str());
            if (num < 0 || num > 255 || (match[i].str().length() > 1 && match[i].str()[0] == '0')) {
                return false;
            }
        }
        return true;
    }
    return false;
}

int main() {
    std::cout << isDottedIPv4("127.0.0.001") << std::endl;      // 输出：0
    std::cout << isDottedIPv4("448.90210.0.65535") << std::endl; // 输出：0
    std::cout << isDottedIPv4("microsoft.com") << std::endl;     // 输出：0
    std::cout << isDottedIPv4("192.168.1.1") << std::endl;       // 输出：1
    return 0;
}

问题是不是已经搞定了？怎么样？想不想试试解析电子邮件的地址？
别让正则表达式做它们不适合的事情。如果你想匹配一个简单的模式，就匹配一个简单的模式。正如评论家Maurits所说：“诀窍不是花时间去造锤子和螺丝刀，直接用锤子和螺丝刀就OK了”。

恩，写得不错，都上升到方法学的角度上来了，不过我很赞同，解决问题永远是第一位的，死钻技术牛角尖并不可取，这是面对问题时我们应采取的态度。但为了研究技术，深入考究也是必须的！下面来看看另一篇文章里的写法。
检查IP地址的简单正则表达式：
^(?:[0-9]{1,3}\.){3}[0-9]{1,3}$
来一个更准确的：
^(?:(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))$
用于从长文本中提取IP地址的正则表达式：
\b(?:[0-9]{1,3}\.){3}[0-9]{1-3}\b
\b(?:(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))\b
将IP地址的四个部分完全展开，有：

^([0-9]{1,3}）\.([0-9]{1,3}）\.([0-9]{1,3}）\.([0-9]{1,3}）$
^(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.
(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.
(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.
(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.

这里有两个版本，一个是简单的，另一个是准确的。简单版利用[0-9]{3}表示IP地址的每个域，实际上支持0-999之间的数字，而非0-255。当你的输入只包含有效的IP地址时，简单版会更有效，这时你只要把IP地址和其他内容分开就行了。准确版用25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?来匹配IP地址的每个域，准确地匹配了0-255间的数字。（这个式子具体什么意思不解释了，第一篇有解释）
如果想检查一个串是否完全是个IP地址，可以再首尾分别加上^和$符号。如果想在长文本中查找一个IP地址，可以用字边界符\b。
使用(?:number.){3}number的形式，IP地址的前三个数字重复三次，且为非获取性匹配，最后一部分匹配IP地址的最后一个数字。使用非获取性匹配并重复三次可以使我们的正则表达式更短更有效。
要将IP地址的文本表示转换为整数表示，我们需要分别获取IP地址的四个数字。上面最后的两个正则表达式做的就是这样的工作，其不是重复三次，而是完全展开，这也是唯一的办法。
一旦获取了数字，将其转换为32位的数字就很简单了。

OK，写完了，对你有没有一点启发呢？