正则表达式整理篇

　　　用了正则表达式很久，但一直都用得很皮毛，很多时候都去网站搜匹配的正则代码。终究觉得这不是一个事儿，静下心来好好缕缕吧。

正则表达式干嘛的？

正则表达式就是记录文本规则的代码（没有数学运算）。

在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。

 

推荐入门文章，自己看去

http://deerchao.net/tutorials/regex/regex.htm#introduction 

如果您已经有所了解，可以直接看我下面的笔记。这是一篇总结性的文章，不具备原创性。

重要的几个概念

1.元字符

 .  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
\b 指定一个位置，单词分隔符
*　会被解释成任意的字符串

2.字符转义(\)

 查找元字符本身，用\ 进行转义。

3.重复

下面是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

表2.常用的限定符

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

 

指的是单个字符的重复；而下面的提到的分组，是指多个字符（即字符串）的重复。

4.字符类

5.分枝条件（|）

解决 or 的问题，通俗的说法，匹配A或B (A|B)。

6.分组

　　描述字符串的重复匹配规则。即，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(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。如：(\d{1,3}\.){3}：\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})。

7.反义

查找除**以外的字符时，这时需要用到反义。

8.后向引用

用于重复搜索前面某个分组匹配的文本。即引用前面已经匹配的内容。

怎么引用匹配的文本呢？

　　小括号指定一个子表达式后（分组），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，生成规则是：

• 分组0对应整个正则表达式
• 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
• 你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权．

9.零宽断言

　　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,^,$那样用于指定一个位置(本身不表示任何字符)，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。

　　分为四类：

　　(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\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)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\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。

　　

　　(?!exp)零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp。例如：\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。　

　　(?<!exp)零宽度负回顾后发断言，断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。　

贪婪与懒惰

贪婪匹配：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。

　　　语法：正则表达式中包含能接受重复的限定符，即为贪婪匹配模式。如：a.*b，用它来搜索aabab的话，它会匹配整个字符串aabab

懒惰匹配：与贪婪相反，*** ... 匹配尽可能少的字符。

　　　语法：只要在限定符它后面加上一个问号?。a.*?b，用它来搜索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）。

 

懒惰限定符

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

平衡组/递归匹配

 

 

.NET 中正则表达式处理选项

下面是.Net中常用的正则表达式选项：

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。

 

注释 

小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

 

一些杂碎的体会

 

常用的正则表达式语法

 

常用的正则表达式