正则表达式学习笔记

我学习的地址，这里戳戳戳：http://deerchao.net/tutorials/regex/regex.htm
(我感觉比一些别的教程好，因为有很多例子)

简介

正则表达式(Regular Expression)，简写为regex、regexp或RE,
描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为”元字符”）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。
正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。换句话说，正则表达式就是记录文本规则的代码。

元字符（metacharacter）：

\b 单词的开头或结尾，也就是单词的分界处
如: \bhio\b 精确匹配 hi

. 匹配除了换行符以外的任意字符
* 前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，.连在一起就意味着任意数量的不包含换行的字符
如：
\bhi\b.*\bLucy\b 先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。

\d 元字符，匹配一位数字(0，或1，或2，或……)。
- 不是元字符，只匹配它本身—连字符(或减号，或中横线，或者随你怎么称呼它)
如:
0\d\d-\d\d\d\d\d\d\d\d 以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码。
0\d{2}-\d{8} 这里\d后面的{2}({8})的意思是前面\d必须连续重复匹配2次(8次)。

\s 匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。
\w 匹配字母或数字或下划线或汉字等。
如：
\ba\w*\b 匹配以字母a开头的单词——先是某个单词开始处(\b)，然后是字母a,然后是任意数量的字母或数字(\w*)，最后是单词结束处(\b)。

\d+ 匹配1个或更多连续的数字。这里的+是和类似的元字符，不同的是匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
如：
\b\w{6}\b 匹配刚好6个字符的单词。

^ 匹配你要用来查找的字符串的开头，
$ 匹配你要用来查找的字符串的结尾。
如：
^\d{5,12}$
在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用。

转义字符

转义字符： \ 如：.和*。当然，要查找\本身，你也得用\.

字符类，

字符类使用方括号括起来。如：[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。
字符范围：[0-9]代表的含意与\d就是完全一致的：一位数字；同理[a-z0-9A-Z_]也完全等同于\w。(英文范围)
如：(?0\d{2}[) -]?\d{8}。
注：“（”和“）”都是元字符。

分枝条件：
正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。

分组：
用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数。
如：
(\d{1,3}.){3}\d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。
字符类正确的描述一个IP地址：
((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
理解起来可以这么看：
( ( 2[0-4]\d | 25[0-5] | [01]?\d\d?) .){3} (2[0-4]\d | 25[0-5] | [01]?\d\d?)。

反义：
有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

表3.常用的反义代码

例子：

\S+   匹配不包含空白符的字符串。
<a[^>]+>   匹配用尖括号括起来的以a开头的字符串。

后向引用：后向引用用于重复搜索前面某个分组匹配的文本。

如：\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。
这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，
这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?\w+)(或者把尖括号换成’也行
(?’Word’\w+)),这样就把\w+的组名指定为Word了。
要反向引用这个分组捕获的内容，你可以使用\k,
所以上一个例子也可以写成这样：
\b(?\w+)\b\s+\k\b。

零宽断言：
用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I’m singing while you’re dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。
你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：
((?<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。
下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)

负向零宽断言
零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。

零宽度负回顾后发断言， 断言此位置的前面不能匹配表达式

(?<!exp),

exp：(?<![a-z])\d{7}

匹配前面不是小写字母的七位数字。

一个更复杂的例子：(?<=<(\w+)>).(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容。(?<=<(\w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是)，然后是.(任意的字符串),最后是一个后缀(?=<\/\1>)。注意后缀里的\/，它用到了前面提过的字符转义；\1则是一个反向引用，引用的正是捕获的第一组，前面的(\w+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。

注释：
小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|250-5|[01]?\d\d?(?#0-199)。

表5.懒惰限定符

上面介绍了几个选项如忽略大小写，处理多行等，这些选项能用来改变处理正则表达式的方式。下面是.Net中常用的正则表达式选项：

表6.常用的处理选项

平衡组/递归引用

表7.尚未详细讨论的语法