正则表达式（二）

三、正则表达式高级

 

1. 后向引用

 

(exp)                  匹配exp,并捕获文本到自动命名的组里，命名规则为从左向右、从1开始依次分组，分组0对应整个正则表达式
/n                       重复搜索前面分组n匹配的文本
例如 /b(/w+)/b/s+/1/b，编号为1的分组为/b(/w+)/b，表示一个单词，整个表达式用来匹配重复的单词，像go go, 或者kitty kitty。

 

(?<name>exp)   匹配exp,并捕获文本到名称为name的分组里，也可以写成 (?'name'exp)
/k<name>          调用名为 name 的分组
例如上面的例子也可以写成 /b(?<Word>/w+)/b/s+/k<Word>/b。

 

2. 零宽断言

 

(?=exp)              匹配exp前面的位置
(?<=exp)            匹配exp后面的位置
例如 (?<=/bre)/w+/b，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。

 

3. 负向零宽断言

 

(?<!exp)            匹配前面不是exp的位置

(?!exp)              匹配后面跟的不是exp的位置
例如 /b/w*q(?!u)/w*/b，匹配单词里包含q字母且q字母后不跟u字母的字符串，以q字母结尾的字母也可匹配。（若用 /b/w*q[^u]/w*/b，如果q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符，后面的/w*/b将会匹配下一个单词，于是 /b/w*q[^u]/w*/b 就能匹配整个Iraq fighting。）

 

4. 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
要包含注释的话，最好是启用"忽略模式里的空白符"选项，这样在#后面到这一行结束的所有文本都将被当成注释忽略掉。

 

5. 贪婪与懒惰

 

当正则表达式中包含能接受重复的限定符时，通常的行为是匹配尽可能多的字符，称为贪婪匹配。有时需要匹配尽可能少的字符，称为懒惰匹配。

 

*?                     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

 

例如对于aabab，a.*b 会匹配整个字符串aabab；a.*?b 会匹配aab和ab。（最先开始的匹配拥有最高的优先权，所以第一个匹配是aab而不是ab。）

 

四、常用正则表达式

 

1. 给长串数字加分隔符（例 1,000,000） ((?<=/d)/d{3})+/b

 

2. log 文件内容（格式为 04:03:27 127.0.0.0 Hello world） @"(?<time>(/d|/:)+)/s(?<ip>(/d|/.)+)/s(?<site>/S+)"

 

3. 十六进制表达式 /b[0-9a-fA-F]+/b