正则表达式全部符号

正则表达式全部符号解释
字符
描述
\
将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，’n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “\” 而 “(” 则匹配 “(“。
^
匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。
$匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。
*
匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。
+
匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?
匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等价于 {0,1}。
{n}
n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}
n 是一个非负整数。至少匹配n 次。例如，’o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。’o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。
{n,m}
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。
?
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，’o+?’ 将匹配单个 “o”，而 ‘o+’ 将匹配所有 ‘o’。
.
匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。
(pattern)
匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。
(?:pattern)
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如， ‘industr(?:y|ies) 就是一个比 ‘industry|industries’ 更简略的表达式。
(?=pattern)
正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，’Windows (?=95|98|NT|2000)’ 能匹配 “Windows 2000” 中的 “Windows” ，但不能匹配 “Windows 3.1” 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)
负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如’Windows (?!95|98|NT|2000)’ 能匹配 “Windows 3.1” 中的 “Windows”，但不能匹配 “Windows 2000” 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y
匹配 x 或 y。例如，’z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz]
字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。
[^xyz]
负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p’。
[a-z]
字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]
负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
\b
匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B
匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\cx
匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\d
匹配一个数字字符。等价于 [0-9]。
\D
匹配一个非数字字符。等价于 [^0-9]。
\f
匹配一个换页符。等价于 \x0c 和 \cL。
\n
匹配一个换行符。等价于 \x0a 和 \cJ。
\r
匹配一个回车符。等价于 \x0d 和 \cM。
\s
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t
匹配一个制表符。等价于 \x09 和 \cI。
\v
匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w
匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
\W
匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。
\xn
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。.
\num
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)\1’ 匹配两个连续的相同字符。
\n
标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm
标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

public final class Patternextends Objectimplements Serializable正则表达式的编译表示形式。

指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建 Matcher 对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。

因此，典型的调用顺序是

Pattern p = Pattern.compile(“a*b”);
Matcher m = p.matcher(“aaaaab”);
boolean b = m.matches();在仅使用一次正则表达式时，可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句

boolean b = Pattern.matches(“a*b”, “aaaaab”);等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式。
此类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。

System.out.println(Pattern.matches("^java.*", "javaaaaaaac"));
System.out.println("----------------------");
System.out.println(Pattern.matches("\\d{5}|\\d{8}", "12345"));
System.out.println("----------------------");
System.out.println(Pattern.matches("^[a-z]*\\d{4}$", "a1234"));
System.out.println("----------------------");
System.out.println(Pattern.matches("a*b", "aaaaaaaab"));
System.out.println("----------------------");




``

`
class Program
{
static void Main(string[] args)
{

        string content = HttpUtility.HttpGetHtml();
        HttpUtility.GetArticles(content);
    }
}

internal class HttpUtility
{
    //默认获取第一页数据
    public static string HttpGetHtml()
    {
        HttpWebRequest request = (HttpWebRequest)WebRequest.Create("http://www.cnblogs.com/");
        request.Accept = "text/plain, */*; q=0.01";
        request.Method = "GET";
        request.Headers.Add("Accept-Language", "zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3");
        request.ContentLength = 0;

        request.Host = "www.cnblogs.com";
        request.UserAgent = "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.1 (KHTML, like Gecko) Maxthon/4.1.3.5000 Chrome/26.0.1410.43 Safari/537.1";
        HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        Stream responStream = response.GetResponseStream();
        StreamReader reader = new StreamReader(responStream, Encoding.UTF8);
        string content = reader.ReadToEnd();
        return content;

    }

    public static List<Article> GetArticles(string htmlString)
    {
        List<Article> articleList = new List<Article>();
        Regex regex = null;
        Article article = null;
        regex = new Regex("<div class=\"post_item\">(?<content>.*?)(?=<div class=\"clear\">" + @"</div>\s*</div>)",
                          RegexOptions.Singleline);

        if (regex.IsMatch(htmlString))
        {
            MatchCollection aritcles = regex.Matches(htmlString);

            foreach (Match item in aritcles)
            {
                article = new Article();
                //取推荐
                regex =
                    new Regex(
                        "<div class=\"digg\">.*<span.*>(?<digNum>.*)" + @"</span>" +
                        ".*<div class=\"post_item_body\">", RegexOptions.Singleline);
                article.DiggNum = regex.Match(item.Value).Groups["digNum"].Value;

                //取文章标题 需要去除转义字符
                regex = new Regex("<h3>(?<a>.*)</h3>", RegexOptions.Singleline);
                string a = regex.Match(item.Value).Groups["a"].Value;
                regex = new Regex("<a\\s.*href=\"(?<href>.*?)\".*>(?<summary>.*)</a>", RegexOptions.Singleline);
                article.AritcleUrl = regex.Match(a).Groups["href"].Value;
                article.AritcleTitle = regex.Match(a).Groups["summary"].Value;

                //取作者图片 
                regex = new Regex("<a.*>(?<img><img[^>].*>)</a>", RegexOptions.Singleline);
                article.AuthorImg = regex.Match(item.Value).Groups["img"].Value;

                //取作者博客URL及链接的target属性
                regex = new Regex("<a\\s*?href=\"(?<href>.*)\"\\s*?target=\"(?<target>.*?)\">.*</a>",
                                  RegexOptions.Singleline);
                article.AuthorUrl = regex.Match(item.Value).Groups["href"].Value;
                string urlTarget = regex.Match(item.Value).Groups["target"].Value;

                //取文章简介
                //1 先取summary Div中所有内容
                regex = new Regex("<p class=\"post_item_summary\">(?<summary>.*)</p>", RegexOptions.Singleline);
                string summary = regex.Match(item.Value).Groups["summary"].Value;
                //2 取简介
                regex = new Regex("(?<indroduct>(?<=</a>).*)", RegexOptions.Singleline);
                article.AritcleInto = regex.Match(summary).Groups["indroduct"].Value;


                //取发布人与发布时间
                regex =
                    new Regex(
                        "<div class=\"post_item_foot\">\\s*<a.*?>(?<publishName>.*)</a>(?<publishTime>.*)<span class=\"article_comment\">",
                        RegexOptions.Singleline);
                article.Author = regex.Match(item.Value).Groups["publishName"].Value;
                article.PublishTime = regex.Match(item.Value).Groups["publishTime"].Value.Trim();

                //取评论数
                regex =
                    new Regex(
                        "<span class=\"article_comment\"><a.*>(?<comment>.*)</a></span><span class=\"article_view\">",
                        RegexOptions.Singleline);
                article.CommentNum = regex.Match(item.Value).Groups["comment"].Value;

                //取阅读数
                regex = new Regex("<span\\s*class=\"article_view\"><a.*>(?<readNum>.*)</a>", RegexOptions.Singleline);
                article.ReadNum = regex.Match(item.Value).Groups["readNum"].Value;
                articleList.Add(article);
            }

        }
        return articleList;
    }



    public static string ClearSpecialTag(string htmlString)
    {

        string htmlStr = Regex.Replace(htmlString, "\n", "", RegexOptions.IgnoreCase);
        htmlStr = Regex.Replace(htmlStr, "\t", "", RegexOptions.IgnoreCase);
        htmlStr = Regex.Replace(htmlStr, "\r", "", RegexOptions.IgnoreCase);
        htmlStr = Regex.Replace(htmlStr, "\"", "'", RegexOptions.IgnoreCase);
        return htmlStr;
    }
}

public class Article
{
    /// <summary>
    /// 文章标题
    /// </summary>
    public string AritcleTitle { get; set; }
    /// <summary>
    /// 文章链接
    /// </summary>
    public string AritcleUrl { get; set; }
    /// <summary>
    /// 文章简介
    /// </summary>
    public string AritcleInto { get; set; }
    /// <summary>
    /// 作者名
    /// </summary>
    public string Author { get; set; }
    /// <summary>
    /// 作者地址
    /// </summary>
    public string AuthorUrl { get; set; }
    /// <summary>
    /// 作者图片
    /// </summary>
    public string AuthorImg { get; set; }
    /// <summary>
    /// 发布时间
    /// </summary>
    public string PublishTime { get; set; }
    /// <summary>
    /// 推荐数
    /// </summary>
    public string DiggNum { get; set; }

    /// <summary>
    /// 评论数
    /// </summary>
    public string CommentNum { get; set; }
    /// <summary>
    /// 阅读数
    /// </summary>
    public string ReadNum { get; set; }

}

“`