假设你在一篇英文小说里查找hi hi
这是最简单的正则表达式了，它可以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 hi ,HI ,Hi ,hI 这四种情况中的任意一种。
不幸的是，很多单词里包含hi 这两个连续的字符，比如him ,history ,high 等等。用hi hi 也会被找出来。如果要精确地查找hi这个单词 \bhi\b
\b 元字符，metacharacter 单词的开头或结尾，也就是单词的分界处 \b 只匹配一个位置 。（如果需要更精确的说法，\b \w 假如你要找的是hi后面不远处跟着一个Lucy \bhi\b.*\bLucy\b
这里，. 除了换行符以外的任意字符 * 前边的内容可以连续重复出现任意次以使整个表达式得到匹配 .* 任意数量的不包含换行的字符 \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
如果同时使用其它的一些元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：
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 这里的\d 任意的数字(0，或1，或2，或……) -
为了避免那么多烦人的重复，我们也可以这样写这个表达式：0\d{2}-\d{8} \d {2} {8} \d 必须连续重复匹配2次(8次)
由于在不同的环境下正则表达式的一些细节是不相同的，本教程介绍的是Microsoft .Net 2.0下正则表达式的行为，所以，我向你介绍一个.Net下的工具Regex Tester .Net Framework 2.0 下载Regex Tester RegexTester.exe
下面是Regex Tester运行时的截图：
元字符
现在你已经知道几个很有用的元字符了，如\b . * \d \s 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 字母或数字或下划线或汉字等
下面来试试更多的例子：
\ba\w*\b 以字母a \b a \w* \b \w \d+ 1个或更多连续的数字 + * * 重复任意次(可能是0次) + 重复1次或更多次 \b\w{6}\b 刚好6个字母/数字的单词 表1.常用的元字符
代码
说明
. 匹配除换行符以外的任意字符 \w 匹配字母或数字或下划线或汉字 \s 匹配任意的空白符 \d 匹配数字 \b 匹配单词的开始或结束 ^ 匹配字符串的开始 $ 匹配字符串的结束 元字符^ $ \b ^ $ ^\d{5,12}$
这里的{5,12} {2} {2} 只能不多不少重复2次 {5,12} 重复的次数不能少于5次，不能多于12次
因为使用了^ $ \d{5,12} 必须是5到12个数字
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，^ $ 匹配行的开始处和结束处
字符转义
如果你想查找元字符本身的话，比如你查找. * \ \. \* \ \\
例如：www\.unibetter\.com www.unibetter.com c:\\Windows c:\Windows
重复
你已经看过了前面的* + {2} {5,12}
代码/语法
说明
* 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 下面是一些使用重复的例子：
Windows\d+ Windows后面跟1个或更多数字 13\d{9} 13后面跟9个数字(中国的手机号) ^\w+ 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) 字符类
要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你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),应该怎么办？
很简单，你只需要在中括号里列出它们就行了，像[aeiou] 任何一个英文元音字母 [.?!] 标点符号(.或?或!)
我们也可以轻松地指定一个字符范围 [0-9] \d 一位数字 [a-z0-9A-Z_] \w
下面是一个更复杂的表达式：\(?0\d{2}[) -]?\d{8}
这个表达式可以匹配几种格式的电话号码 (010)88886666 ，或022-22334455 ，或02912345678 等。我们对它进行一些分析吧：首先是一个转义字符\( ? 0 \d{2} ) - 空格 ? \d{8} 010)12345678 或(022-87654321 这样的“不正确”的格式。要解决这个问题，请在本教程的下面查找答案。
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
代码/语法
说明
\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 例子：\S+ 不包含空白符的字符串
<a[^>]+> 用尖括号括起来的以a开头的字符串 替换
好了，现在终于到了解决3位或4位区号问题的时间了。正则表达式里的替换 |
0\d{2}-\d{8}|0\d{3}-\d{7} 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) \(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8} 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 \d{5}-\d{4}|\d{5} 使用替换时，顺序是很重要的 。如果你把它改成\d{5}|\d{5}-\d{4} Windows98|Windows2000|WindosXP 分组
我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式 分组
(\d{1,3}\.){3}\d{1,3} 简单的IP地址匹配 \d{1,3} 1到3位的数字 (\d{1,3}\.){3} 三位数字加上一个英文句号(这个整体也就是这个分组 一个一到三位的数字 \d{1,3} 不幸的是，它也将匹配256.300.888.999 这种不可能存在的IP地址(IP地 址中每个数字都不能大于255。题外话，好像反恐24小时第三季的编剧不知道这一点，汗...)。如果能使用算术比较的话，或许能简单地解决这个问题，但 是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
理解这个表达式的关键是理解2[0-4]\d|25[0-5]|[01]?\d\d?
后向引用 \1 分组1匹配的文本 \b(\w+)\b\s+\1\b 重复的单词 go go , kitty kitty 。首先是一个单词 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 1个或几个空白符 \s+ 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 (?<Word>\w+) ' (?'Word'\w+) \w+ Word 捕获 \k<Word> \b(?<Word>\w+)\b\s+\k<Word>\b
使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：
表4.分组语法
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 (?<=exp) 匹配exp后面的位置 (?!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 我们已经讨论了前两种语法。第三个(?:exp) 不会像前两种那样被捕获到某个组里面
零宽断言
接下来的四个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 ^ $ 断言 零宽断言
(?=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) 以ing结尾的单词的前面部分(除了ing以外的部分) I'm singing while you're dancing. 时，它会匹配sing 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 以re开头的单词的后半部分(除了re以外的部分) reading a book 时，它匹配ading 假如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 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) 以空白符间隔的数字(再次强调，不包括这些空白符)
注释
小括号的另一种用途是通过语法(?#comment) 2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)
要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。
例如，我们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
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。考虑这个表达式：a.*b 最长的以a开始，以b结束的字符串 aabab 的话，它会匹配整个字符串aabab 贪婪
有时，我们更需要懒惰 尽可能少 的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号? .*? 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
a.*?b 最短的，以a开始，以b结束的字符串 aabab 的话，它会匹配aab ab 表5.懒惰限定符
*? 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 这里需要用到以下的语法构造：
(?'group') (?'-group') (?(group)yes|no) (?!)
<>如果你不是一个程序员（或者你是一个对堆栈的概念不熟的程序员），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个 "group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，如果有就继续匹配yes部分，否则就匹配 no部分。</>
我们需要做的是每碰到了左括号，就在黑板上写一个"group"，每碰到一个右括号，就擦掉一个，到了最后就看看黑板上还有没有－－如果有那就证明左括号比右括号多，那匹配就应该失败。
< #最外层的左括号
[^<>]* #最外层的左括号后面的不是括号的内容
(
(
(?'Open'<) #碰到了左括号，在黑板上写一个"Open"
[^<>]* #匹配左括号后面的不是括号的内容
)+
(
(?'-Open'>) #碰到了右括号，擦掉一个"Open"
[^<>]* #匹配右括号后面不是括号的内容
)+
)*
(?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败
> #最外层的右括号
平衡组的一个最常见的应用就是匹配HTML,下面这个例子可以匹配嵌套的<div>标签 <div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
还有些什么东西没提到
我已经描述了构造正则表达式的大量元素，还有一些我没有提到的东西。下面是未提到的元素的列表，包含语法和简单的说明。你可以在网上找到更详细的参 考资料来学习它们--当你需要用到它们的时候。如果你安装了MSDN Library,你也可以在里面找到关于.net下正则表达式详细的文档。
表7.尚未详细讨论的语法
\a
报警字符(打印它的效果是电脑嘀一声) \b
通常是单词分界位置，但如果在字符类里使用代表退格 \t
制表符，Tab \r
回车 \v
竖向制表符 \f
换页符 \n
换行符 \e
Escape \0nn
ASCII代码中八进制代码为nn的字符 \xnn
ASCII代码中十六进制代码为nn的字符 \unnnn
Unicode代码中十六进制代码为nnnn的字符 \cN
ASCII控制字符。比如\cC代表Ctrl+C \A
字符串开头(类似^，但不受处理多行选项的影响) \Z
字符串结尾或行尾(不受处理多行选项的影响) \z
字符串结尾(类似$，但不受处理多行选项的影响) \G
当前搜索的开头 \p{name}
Unicode中命名为name的字符类，例如\p{IsGreek} (?>exp)
贪婪子表达式 (?<x>-<y>exp)
平衡组 (?im-nsx:exp)
在子表达式exp中改变处理选项 (?im-nsx)
为表达式后面的部分改变处理选项 (?(exp)yes|no)
把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no (?(exp)yes)
同上，只是使用空表达式作为no (?(name)yes|no)
如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no (?(name)yes)
同上，只是使用空表达式作为no
posted on
2012-12-14 19:18
lihuajunztdh 阅读(
... ) 评论(
)
编辑
收藏
转载于:https://www.cnblogs.com/lihuajunztdh/archive/2012/12/14/2818589.html
扫一扫
3890
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
