正则表达的学习

一 语法

1.1 + 号代表前面的字符必须至少出现一次（1次或多次）

runoo+b，可以匹配 runoob、runooob、runoooooob 等

1.2 * 号代表前面的字符可以不出现，也可以出现一次或者多次（0次、或1次、或多次）

runoo*b，可以匹配 runob、runoob、runoooooob 等

1.3 ? 问号代表前面的字符最多只可以出现一次（0次或1次）

colou?r 可以匹配 color 或者 colour

1.4 普通字符

1.4.1 [ABC] 匹配 [...] 中的所有字符

例如 [aeiou] 匹配字符串 "google runoob taobao" 中所有的 e o u a 字母。

1.4.2 [^ABC] 匹配除了 [...] 中字符的所有字符

例如 [^aeiou] 匹配字符串 "google runoob taobao" 中除了 e o u a 字母的所有字母。

1.4.3 [A-Z] 表示一个区间，匹配所有大写字母，[a-z] 表示所有小写字母

1.4.4 .匹配除换行符（\n、\r）之外的任何单个字符，相等于 [^\n\r]。

例如 .+

<TagName1/> 
<TagName2/>A quick brown fox jumps over lazy dog<TagName3/> 

匹配结果为两个

Match1:<TagName1/> 
Match2:<TagName2/>A quick brown fox jumps over lazy dog<TagName3/> 

1.4.5 [\s\S]匹配所有。\s 是匹配所有空白符，包括换行，\S 非空白符，不包括换行。

例如：

\S matches any non-whitespace character (equivalent to [^\r\n\t\f\v ])

\S+   quick brown          \s+可以用来匹配单词

匹配结果为两个

Match1:quick  
Match2:brown

1.4.6 \w匹配字母、数字、下划线。等价于 [A-Za-z0-9_]

\w   matches any word character (equivalent to [a-zA-Z0-9_])

例如：  \w+

<TagName1/> 
<TagName2/>A quick brown fox jumps over lazy dog<TagName3/> 

Match 1	1-9	TagName1
Match 2	14-22	TagName2
Match 3	24-25	A
Match 4	26-31	quick
Match 5	32-37	brown
Match 6	38-41	fox
Match 7	42-47	jumps
Match 8	48-52	over
Match 9	53-57	lazy
Match 10	58-61	dog
Match 11	62-70	TagName3

 

1.5 非打印字符

字符	描述
\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。
\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]。注意 Unicode 正则表达式会匹配全角空格符。
\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。

1.6 特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 runoo*b 中的 *，简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号，则需要对 * 进行转义，即在其前加一个 \，runo\*ob 匹配字符串 runo*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特别字符	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \( 和 \)。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 \[。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 \^。
{	标记限定符表达式的开始。要匹配 {，请使用 \{。
|	指明两项之间的一个选择。要匹配 |，请使用 \|。

1.6.1 $ asserts position at the end of a line

例如：$ 

Test string:

Match 1    1-9    TagName1
Match 2    14-22    TagName2

结果：

Match 1

20-20

null

Match 2

43-43

null

1.6.2 ()子表达式的开始和结束

会有一个group的出现（存在疑惑）

8-11	1-9
Group 1	8-11	1-9

Match 2	29-34	14-22
Group 1	29-34	14-22

1.6.3 ^匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。

例子：

正则表达式;  ([^a-z]+-[^a-z]+)

Match 1    1-9    TagName1
Match 2    14-22    TagName2

结果：

5-13	1 1-9 T
Group 1	5-13	1 1-9 T

Match 2	26-36	2 14-22 T
Group 1	26-36	2 14-22 T

1.6.4  |或者

例如;

at|ag

Match 1    1-9    TagName1
Match 2    14-22    TagName2

结果

Match 1

1-3

at

Match 2

13-15

ag

Match 3

22-24

at

Match 4

36-38

ag

 1.7 限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

字符	描述
*	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" 、 "does" 中的 "does" 、 "doxy" 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。

1.7.1   * 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。

例如，您可能搜索 HTML 文档，以查找在 h1 标签内的内容。HTML 代码如下：

<h1>RUNOOB-菜鸟教程</h1>

贪婪：下面的表达式匹配从开始小于符号 (<) 到关闭 h1 标记的大于符号 (>) 之间的所有内容。

/<.*>/

<

 1.7.2 非贪婪：如果您只需要匹配开始和结束 h1 标签，下面的非贪婪表达式只匹配 <h1>。

/<.*?>/

.matches any character (except for line terminators)

 *? matches the previous token between zero and unlimited times, as few times as possible, expanding as needed (lazy)

添加了?，就是竟可能的少

/<\w+?>/

通过在 *、+ 或 ? 限定符之后放置 ?，该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配

1.8 定位符

定位符用来描述字符串或单词的边界，^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。

正则表达式的定位符有：

字符	描述
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。
\b	匹配一个单词边界，即字与空格间的位置。
\B	非单词边界匹配。

真正的章节标题不仅出现行的开始处，而且它还是该行中仅有的文本。它既出现在行首又出现在同一行的结尾。下面的表达式能确保指定的匹配只匹配章节而不匹配交叉引用。通过创建只匹配一行文本的开始和结尾的正则表达式，就可做到这一点。

1.8.1 /^Chapter [1-9][0-9]{0,1}$/  这个是匹配章节

1.8.2 /\bCha/ 匹配 Chapter

Match 1

0-3

Cha

1.8.3 /ter\b/匹配 Chapter

Match 1

4-7

ter

1.8.4 /\Bapt/匹配 Chapter

Match 1

2-5

apt

1.8.5 \BCha 匹配 Chapter

Your regular expression does not match the subject string.

1.9 选择

用圆括号 () 将所有选择项括起来，相邻的选择项之间用 | 分隔。

() 表示捕获分组，() 会把每个分组里的匹配的值保存起来， 多个匹配值可以通过数字 n 来查看(n 是一个数字，表示第 n 个捕获组的内容)

 1.10 以下列出 ?=、?<=、?!、?<! 的使用区别

1.10.1 exp1(?=exp2)：查找 exp2 前面的 exp1。

1.10.2 (?<=exp2)exp1：查找 exp2 后面的 exp1

1.10.3 exp1(?!exp2)：查找后面不是 exp2 的 exp1

1.10.4 (?<!exp2)exp1：查找前面不是 exp2 的 exp1。

1.11 反向引用

反向引用的最简单的、最有用的应用之一，是提供查找文本中两个相同的相邻单词的匹配项的能力。以下面的句子为

例：

Is is the cost of of gasoline going up up?

上面的句子很显然有多个重复的单词。如果能设计一种方法定位该句子，而不必查找每个单词的重复出现，那该有多好。下面的正则表达式使用单个子表达式来实现这一点：

实例

查找重复的单词：

var str = "Is is the cost of of gasoline going up up";

var patt1 = /\b([a-z]+) \1\b/igm;

document.write(str.match(patt1));

Match  10-5	Is is
Group 1	0-2	Is

Match 2	15-20	of of
Group 1	15-17	of

Match 3	36-41	up up
Group 1	36-38	up

\1 matches the same text as most recently matched by the 1st capturing group

\b([a-z]+) \1\b/igm

捕获的表达式，正如 [a-z]+ 指定的，包括一个或多个字母。正则表达式的第二部分是对以前捕获的子匹配项的引用，即，单词的第二个匹配项正好由括号表达式匹配。\1 指定第一个子匹配项。

单词边界元字符确保只检测整个单词。否则，诸如 "is issued" 或 "this is" 之类的词组将不能正确地被此表达式识别。

正则表达式后面的全局标记 g 指定将该表达式应用到输入字符串中能够查找到的尽可能多的匹配。

表达式的结尾处的不区分大小写 i 标记指定不区分大小写。

多行标记 m 指定换行符的两边可能出现潜在的匹配。

1.匹配网页地址

例如：网页地址  

https://mp.csdn.net/mp_blog/creation/editor/125291311

2.给匹配的内容命名

"<p>(?<key>.*)</p>\n<ul>\n(?<value>[\w\W\n]*?)</ul>"

？<key>和?<value>是起名字的意思，匹配的规则在这之后。匹配的是下面红色的部分

<p>...............</p>

<ul>

::::::::::::::

</ul>

key是第一个红色部分，value是第二个红色的部分

foreach (Match matchedGroup in Regex.Matches(string, @"<p>(?<key>.*)</p>\n<ul>\n(?<value>[\w\W\n]*?)</ul>"))
            {
              
                if (matchedGroup.Groups["key"].Value.Contains("symptoms"))
                {
//Dict在这里是字典的意思
                    Dict.Add(matchedGroup.Groups["key"].Value, matchedGroup.Groups["value"]);
                }
                
            }

参考学习的文档：

正则表达式 – 语法 | 菜鸟教程 (runoob.com)