ABAP 中使用正则表达式的一点知识分享
ABAP中提供了足够的处理字符串的内置方法，一般情况下，遇到字符串处理，我们都会下意识地写一块代码，Find、Replace、Split、abc+m(n)、CS/CO/CA/CN等等组合起来，基本上所有情形都能涵盖。但有时难免遇到正则表达式，比如这样一个张牙舞爪的字符串，^
(-?[0-9]{1,12})(\\.[0-9]{0,3})?$，学名正则表达式(Regular
Expression，RegEx)，具体是什么意思。我们可能不用必须会写，但能读懂正则表达式也算一项小小的技能。
一般情况下，我们能够根据代码的前后文推测出这一串字符是做什么的，比如上文这个正则表达式是用来筛选数值的，SAP中的数值一般是数量或者金额，如果一个字段的值符合此
RegEx 的所有检查项，则表明它是一个数量或金额值。 正则表达式有IEEE发布的规范，基本上所有语言通用。在ABAP中，RegEx一般配合
cl_abap_matcher、find、replace使用。举个例子：
IF cl_abap_matcher=>matches( pattern = '^(-?[0-9]{1,12})(\.[0-9]{1,3})?$' text = lv_data_value ) = abap_true. cl_demo_output=>write( |{ lv_data_value }是金额或数量值| ).ELSE. cl_demo_output=>write( |{ lv_data_value }不是金额或数量值| ).ENDIF.运行结果如下：
lv_data_value赋新值。
*
lv_data_value = '1K.78'.运行结果如下：
具体这段正则表达式
^(-?[0-9]{1,12})(\\.[0-9]{1,3})?$的各部分代表什么含义，简单解释一下。^和$表示开始和结束，从头到尾全检查；-?表示 **
有0个或1个负号 ； ** [0-9]{1,12}表示要 ** 有1-12位数字 **
，第一个括号结束，表示第一段匹配逻辑结束；第二个括号和第一个括号中间没有运算符，则表示取交集。\\.表示1个小数点，
[0-9]{1,3}顾名思义，要有1-3位数字，也就是1-3位小数值；最后一个?表示这一段逻辑 (\\.[0-9]{1,3})可以匹配到0次或1次，也就是
**可以没有小数点及小数位，如果有小数点则必须含1-3位小数** 。加粗内容其实就是抽象出来的判断数值的逻辑，再在这个逻辑基础上抽象成正则表达式。
再比如这个正则表达式，^[a-zA-Z0-9_.-]+@[a-zA-Z0-9]{2,10}(.[a-z]{2,6}){1,3}$，这是验证email的一个RegEx，[a-zA-Z0-9_.-]+表示有若干大小写字母、数字、下划线、连接符、点组成的字符串，@表示强制必须有一个@符号，[a-zA-Z0-9]{2,10}表示@符号后面是大小写字母和数字成成的2-10位的字符串，(.[a-z]{2,6}){1,3}表示有1到3组由点和字母组成的长度在2-6位的字符串，即.com，.net这类。验证一下。
lv_data_value = 'ab_c.1-23@xyz.com'.IF cl_abap_matcher=>matches( pattern = '^[a-zA-Z0-9_.-]+@[a-zA-Z0-9]{2,10}(.[a-z]{2,6}){1,3}$' text = lv_data_value ) = abap_true. cl_demo_output=>write( |{ lv_data_value }是Email地址| ).ENDIF.运行结果如下：
你可以挑战一下这个RegEx，比如加一些特殊字符，加很多个.com之类的后缀，看一下还能不能通过验证。
再讲一个很有名的例子，给金额加千分符。比如我拿出一串金额，
12345678.33500，让你加上千分符。当然所有RegEx的处理都是以转换成字符串为前提。这里其实就涉及Replace的使用。代码如下：
lv_data_value = '12345678.33500'.REPLACE ALL OCCURRENCES OF REGEX '(?=(?!^)(?:\d{3})+(?:\.))' IN lv_data_value WITH ','.(?=(?!^)(?:\d{3})+(?:\\.))这个RegEx可能读起来比较费劲，它的整体含义是，找到符合“3个数字为一组的若干组数字字符以及紧跟着的小数点，并标记匹配的位置”。小数不加千分符，所以小数点后面不用理会。圆括号里带一个?:表示不缓存，不然系统会把匹配到的字符串写进cache，Replace的时候会把匹配到的字符串替换成千分符，而不是把匹配的位置替换成千分符，造成“，，.000”这种结果。?=表示记录位置，配合ALL
OCCURRENCES OF，每次匹配都会从上次匹配的位置，而不是从头开始。
(?!^)表示如果匹配到的位置是开头，则不匹配，这是为了避免出现“,123.000”这种情形。运行结果如下：
有个比较常见的场景，不知道大家有没有思考过，就是各种短信验证码。输入法会自动从短信中把验证码截取出来，让你直接粘贴，这是怎么实现的。比如有这样一条验证短信，“【网易】验证码：685733，您正在登录网易账号（若非本人操作，请删除本短信）”，怎样把685733精确提取出来？那就要分析验证码的前后文特征。短信中必然有‘验证码’三个字，验证码一定是纯数字的，6位或4位，验证码三个字和数字之间可能有冒号或者其他字符，或者什么也没有。有这3个特征，就可以写RegEx了。用ABAP实现一下。
DATA:lv_string_sms TYPE char100.DATA lv_valid_code(6).lv_string_sms = '【网易】验证码：685733，您正在登录网易账号（若非本人操作，请删除本短信）'.
FIND ALL OCCURRENCES OF REGEX '验证码\D*(?:\d{6}|\d{4})' IN lv_string_sms MATCH COUNT DATA(l_match_count) RESULTS DATA(lt_reg_results).DATA(ls_reg_result) = VALUE #( lt_reg_results[ 1 ] OPTIONAL ).IF ls_reg_result IS NOT INITIAL. DATA(lv_sub_str) = CONV char20( lv_string_sms+ls_reg_result-offset(ls_reg_result-length) ). DATA(lv_len) = strlen( lv_sub_str ) - 6. IF cl_abap_matcher=>matches( pattern = '(\D*[0-9]+)' text = lv_sub_str+lv_len(6) ) = abap_true. lv_len = strlen( lv_sub_str ) - 4. lv_valid_code = lv_sub_str+lv_len(4). ELSE. lv_valid_code = lv_sub_str+lv_len(6). ENDIF. cl_demo_output=>write( lv_valid_code ).ENDIF.ABAP代码就不多做解释了。运行结果如下：
换成4位也一样。'【 某某平台 】验证码：9876，您正在登录某某平台，请在3分钟内输入'
大家有闲暇可以思考一下如果另外一种验证短信怎么处理，类似这种，“【某某平台】654321（此为验证码，请在1分钟内输入）”。‘验证码’3个字在后面。
大部分日常用到的正则表达式都能在网上查到， 同一个验证逻辑可能有多种写法。 网上有大量的资料，大家可以多研究。
但网上的东西未必靠谱，也不一定完全契合你的需求，在使用之前最好反复验证。
