1 转载-感谢
[1 30分钟入门]
(http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#mission)[2 平衡组讲的清楚]
(http://blog.csdn.net/weiwenhp/article/details/7664504)[3 常用的正则表达式]
(http://blog.csdn.net/onebigday/article/details/5429868)
一 简单匹配实例
- 1 hi
精确匹配这样的字符串:由两个字符组成,前一个字符是h,后一个是i - 2 \bhi\b
精确地查找hi这个单词 - 3 \bhi\b.*\bLucy\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。 - 4 0\d\d-\d\d\d\d\d\d\d\d
匹配这样的字符串: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。当然,这个例子只能匹配区号为3位的情形)。 - 5 0\d{2}-\d{8}:避免上面麻烦
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)。 - 6 \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)。 - 7 \b\w{6}\b
匹配刚好6个字符的单词。 - 8 \^\d{5,12} 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。2匹配只能不多不少重复2次,5,12则是重复的次数不能少于5次,不能多于12次。和忽略大小写的选项类似,有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项,和 的意义就变成了匹配行的开始处和结束处。
- 9 字符转义:unibetter.com 匹配unibetter.com 。 C:\Windows匹配C:\Windows。
- 10 Windows\d+
匹配Windows后面跟1个或更多数字 - 11 \^\w+
匹配一行的第一个单词(或整个字符串的第一个单词,具体匹配哪个意思得看选项设置) - 12 [aeiou]
就匹配任何一个英文元音字母,
[.?!]
匹配标点符号(.或?或!)。 - 13 指定一个字符范围:
[0-9]
代表的含意与\d就是完全一致的:一位数字;
[a-z0-9A-Z_]
也完全等同于\w(如果只考虑英文的话)。 - 14 (?0\d{2}[) -]?\d{8}
匹配几种格式的电话号码,像(010)88886666,或022-22334455,或02912345678 ;
也匹配010)12345678或(022-87654321这样的“不正确”的格式。
分析:首先是一个转义字符(,它能出现0次或1次(?),然后是一个0,后面跟着2个数字(\d{2}),然后是)或-或空格中的一个,它出现1次或不出现(?),最后是8个数字(\d{8})。 - 15 0\d{2}-\d{8}|0\d{3}-\d{7}
这个表达式能匹配两种以连字号分隔的电话号码:一种是三位区号,8位本地号(如010-12345678),一种是4位区号,7位本地号(0376-2233445)。 - 16 (0\d{2})[- ]?\d{8}|0\d{2}[- ]?\d{8} |(0\d{3})[- ]?\d{7}|0\d{3}[- ]?\d{7}
匹配3位区号的电话号码,其中区号可以用小括号括起来,也可以不用,区号与本地号间可以用连字号或空格间隔,也可以没有间隔。 - 17 使用分枝条件时,要注意各个条件的顺序。匹配分枝条件时,将会从左到右地测试每个条件,如果满足了某个分枝的话,就不会去再管其它的条件了。
\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字,或者用连字号间隔的9位数字。
\d{5}|\d{5}-\d{4}的话,那么就只会匹配5位的邮编(以及9位邮编的前5位)。 - 18 (\d{1,3}.){3}\d{1,3}
是一个简单的IP地址匹配表达式。
分析:\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})。
也可能匹配 256.300.888.999
-19 ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
描述一个正确的IP地址,用到了: 分组() 选择 ? 字符类[] 转义\ 重复{n}
-20
二 元字符
- \b 代表着单词的开头或结尾,也就是单词的分界处。如果需要更精确的说法,\b匹配这样的位置:它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)\w。
- . 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.
- .* 连在一起就意味着任意数量的不包含换行的字符.
- 换行符就是’\n’,ASCII编码为10(十六进制0x0A)的字符。
- \d 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(或者减号,或者中横线,或者随你怎么称呼它)。
- \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。
- 对中文/汉字的特殊处理是由.Net提供的正则表达式引擎支持的,其它环境下的具体情况请查看相关文档。
- \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。 - ^ (和数字6在同一个键位上的符号)和 都匹配一个位置,这和\b有点类似。匹配你要用来查找的字符串的开头, 匹配结尾。
- $ 匹配结尾。
- (
- )
- ? 选择
三 字符转义。
- \ 如果你想查找元字符本身的话,比如你查找.,或者*,使用\来取消这些字符的特殊意义。因此,你应该使用.和*。当然,要查找\本身,你也得用\.
重复
-
- 重复零次或更多次
-
- 重复一次或更多次
- ? 重复零次或一次
- {n} 重复n次
- {n,} 重复n次或更多次
- {n,m} 重复n到m次
四 字符类
- 想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),需要在方括号里列出它们就行。
- [ ] 也可以指定范围
五 分支条件
- 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。
六 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了。
- 也可以对子表达式进行其它一些操作(后面会有介绍)。
七 反义 :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。
- \W 匹配任意不是字母,数字,下划线,汉字的字符
- \S 匹配任意不是空白符的字符
- \D 匹配任意非数字的字符
- \B 匹配不是单词开头或结束的位置
- [\^x] 匹配除了x以外的任意字符
- [\^aeiou] 匹配除了aeiou这几个字母以外的任意字符
20 \S+ 匹配不包含空白符的字符串。
21 <a[^>]+> 匹配用尖括号括起来的以a开头的字符串。
八 后向引用(建议从这开始看原文,不好精简了)
- 后向引用用于重复搜索前面某个分组匹配的文本.
- 匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。
默认情况下,每个分组会自动拥有一个组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。 - \1代表分组1匹配的文本
- 指定子表达式的组名
(?\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.
表4.常用分组语法
分类 代码/语法 说明
捕获 (exp) 匹配exp,并捕获文本到自动命名的组里
(?<name>exp) 匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)
(?:exp) 匹配exp,不捕获匹配的文本,也不给此分组分配组号
----------------------------------------------
零宽断言 (?=exp) 匹配exp前面的位置 reading --> read
(?<=exp) 匹配exp后面的位置 reading --> ading
(?!exp) 匹配后面跟的不是exp的位置
(?<!exp) 匹配前面不是exp的位置
---------------------------------------------------
注释 (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响,用于提供注释让人阅读
- \b(\w+)\b\s+\1\b
可以用来匹配重复的单词,像go go, 或者kitty kitty。
分析: 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)。
- \b(?<Word>\w+)\b\s+\k<Word>\b。
上一个例子也可以写成这样。
九 零宽断言:查找在 exp 之前或者之后(不包括这么内容)的东西
- (?=exp) :零宽度正预测先行断言 : 断言自身出现的位置的后面能匹配表达式exp。
- \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) 零宽度正回顾后发断言。断言自身出现的位置的前面能匹配表达式exp。
***
- (?<=\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。
- ((?<=\d)\d{3})+\b
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).
十 负向零宽断言
- 它只匹配一个位置,并不消费任何字符。现在,我们可以这样来解决这个问题:\b\w*q(?!u)\w*\b。
- (?!u):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
- \b\w*q[^u]\w*\b
匹配包含后面不是字母u的字母q的单词
也匹配:Iraq fighting 错误格式。
- \b\w*q(?!u)\w*\b
- \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。
- (?<=<(\w+)>).*(?=<\/\1>) :最能表现零宽断言的真正用途。 注意 不是V,是\ /
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<b>),
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<b>的话,后缀就是</b>了。
整个表达式匹配的是<b>和</b>之间的内容(再次提醒,不包括前缀和后缀本身)。
十一 注释 : 小括号的另一种用途是通过语法(?#comment)来包含注释
- 要包含注释的话,最好是启用“忽略模式里的空白符”选项.
- 2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
- 可以前面的一个表达式写成这样:
(?<= # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配任意文本
(?= # 断言要匹配的文本的后缀
<\/\1> # 查找尖括号括起来的内容:前面是一个"/",后面是先前捕获的标签
) # 后缀结束
十二 贪婪与懒惰
- 当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符.
- 为什么第一个匹配是aab(第一到第三个字符)而不是ab(第二到第三个字符)?
简单地说,因为正则表达式有另一条规则,比懒惰/贪婪规则的优先级更高:最先开始的匹配拥有最高的优先权——The match that begins earliest wins。 - .*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。
表5.懒惰限定符
代码/语法 说明
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
- a.*b,它将会匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配。
- a.*?b匹配最短的,以a开始,以b结束的字符串。如果把它应用于aabab的话,它会匹配aab(第一到第三个字符)和ab(第四到第五个字符)。
十三 处理选项
表6.常用的处理选项
名称 说明
IgnoreCase(忽略大小写) 匹配时不区分大小写。
Multiline(多行模式) 更改^和$的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式) 更改.的含义,使它与每一个字符匹配(包括换行符\n)。
IgnorePatternWhitespace(忽略空白) 忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。
- 一个经常被问到的问题是:是不是只能同时使用多行模式和单行模式中的一种?答案是:不是。这两个选项之间没有任何关系,除了它们的名字比较相似(以至于让人感到疑惑)以外。
十四 平衡组 / 递归匹配
正则表达式里是这样用到栈的
(?'group'exp) 它除了起命名的作用外,后台的操作就是把exp入栈,假如exp是左括号即(?'group'\().
(?'-group'exp) 这里多了个-表示出栈.
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话,继续匹配yes部分的表达式,否则继续匹配no部分.其实这里yes和no可以去年一个
往往是去掉yes,就留下no而no也基本上不做其他操作,只是返回个表示匹配成功或失败的标志.这里用(?!)来表示匹配失败.前面有讲过零宽断言.它就是一种特殊的断言.所以我们大部分时候的是这样用(?(group)(?!) //判断栈里面的元素为空。
在这里举个比较简单的例子.要假如有一字符串.要匹配其中以第一个左尖括号后面开始出现的尖括号对<>里的内容:
string source = "**<a<b<arwen>c>other>**";
string pattern ="[^<>]* #匹配任何非尖括号的字符
(?'group'<) #匹配<并且入栈
[^<>]* #匹配任意非尖括号的字符
(?'-group'>) #匹配>并且出栈
[^<>]* #匹配任意非尖括号的字符
(?(group)(?!)) #判断栈中是否为空,为空则匹配成功,否则失败
";
结果是 : b<arwen>c