C#正则表达式参考

 
正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

本文详细地列出了能在正则表达式中使用，以匹配文本的各种字符。当你需要解释一个现有的正则表达式时，可以作为一个快捷的参考。更多详细内容，请参考：Francois Liger,Craig McQueen,Pal Wilton[刘乐亭译] C#字符串和正则表达式参考手册北京：清华大学出版社 2003.2

一.      匹配字符

字符类
 匹配的字符
 举 例
 
/d
 从０-９的任一数字
 /d/d匹配72,但不匹配aa或7a
 
/D
 任一非数字字符
 /D/D/D匹配abc,但不匹配123
 
/w
 任一单词字符，包括A-Z,a-z,0-9和下划线
 /w/w/w/w匹配Ab-2，但不匹配∑£$%*或Ab_@
 
/W
 任一非单词字符
 /W匹配＠，但不匹配a
 
/s
 任一空白字符，包括制表符，换行符，回车符，换页符和垂直制表符
 匹配在HTML,XML和其他标准定义中的所有传统空白字符
 
/S
 任一非空白字符
 空白字符以外的任意字符,如A%&g3;等
 
.
 任一字符
 匹配除换行符以外的任意字符除非设置了MultiLine先项
 
[…]
 括号中的任一字符
 [abc]将匹配一个单字符,a,b或c.

[a-z]将匹配从a 到z的任一字符
 
[^…]
 不在括号中的任一字符
 [^abc]将匹配一个a、b、c之外的单字符,可以a,b或A、B、C

[a-z]将匹配不属于a-z的任一字符,但可以匹配所有的大写字母
 

二.      重复字符

重复字符
 含 义
 举 例
 
｛n｝
 匹配前面的字符n次
 x{2}匹配xx,但不匹配x或xxx
 
｛n,｝
 匹配前面的字符至少n次
 x{2}匹配2个或更多的x,如xxx,xxx..
 
｛n,m｝
 匹配前面的字符至少n次,至多m次。如果n为0，此参数为可选参数
 x{2,4}匹配xx,xxx,xxxx,但不匹配xxxxx
 
?
 匹配前面的字符0次或1次，实质上也是可选的
 x? 匹配x或零个x
 
+
 匹配前面的字符0次或多次
 x+ 匹配x或xx或大于0的任意多个x
 
*
 匹配前面的字符0次或更多次
 x* 匹配0,1或更多个x
 

三.      定位字符

定位字符
 描 述
 
^
 随后的模式必须位于字符串的开始位置，如果是一个多行字符串，则必须位于行首。对于多行文本（包含回车符的一个字符串）来说，需要设置多行标志
 
$
 前面的模式必须位于字符串的未端，如果是一个多行字符串，必须位于行尾
 
/A
 前面的模式必须位于字符串的开始位置，忽略多行标志
 
/z
 前面的模式必须位于字符串的未端，忽略多行标志
 
/Z
 前面的模式必须位于字符串的未端，或者位于一个换行符前
 
/b
 匹配一个单词边界，也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-zA-Z0-9]中的一个字符。位于一个单词的词首
 
/B
 匹配一个非单词字符边界位置，不是一个单词的词首
 

注：定位字符可以应用于字符或组合，放在字符串的左端或右端

四.      分组字符

分组字符
 定 义
 举 例
 
（）
 此字符可以组合括号内模式所匹配的字符，它是一个捕获组，也就是说模式匹配的字符作为最终设置了ExplicitCapture选项――默认状态下字符不是匹配的一部分
 输入字符串为：ABC1DEF2XY

匹配3个从A到Z的字符和1个数字的正则表达式：（[A-Z]{3}"d）

将产生两次匹配：Match 1=ABC1;Match 2=DEF2

每次匹配对应一个组：Match1 的第一个组＝ABC;Match2的第1个组＝DEF

有了反向引用，就可以通过它在正则表达式中的编号以及C#和类Group,GroupCollection来访问组。如果设置了ExplicitCapture选项，就不能使用组所捕获的内容
 
（?:）
 此字符可以组合括号内模式所匹配的字符，它是一个非捕获组，这意味着模式所的字符将不作为一个组来捕获，但它构成了最终匹配结果的一部分。它基本上与上面的组类型相同，但设定了选项ExplicitCapture
 输入字符串为：1A BB SA 1 C

匹配一个数字或一个A到Z的字母，接着是任意单词字符的正则表达式为：（?:"d|[A-Z]"w）

它将产生3次匹配：每1次匹配＝1A；每2次匹配＝BB; 每3次匹配＝SA

但是没有组被捕获
 
（?<name>）
 此选项组合括号内模式所匹配的字符，并用尖括号中指定的值为组命名。在正则表达式中，可以使用名称进行反向引用，而不必使用编号。即使不设置ExplicitCapture选项，它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符，或者通过Group类访问
 输入字符串为：Characters in Sienfeld included Jerry Seinfeld,Elaine Benes,Cosno Kramer and George Costanza能够匹配它们的姓名，并在一个组llastName中捕获姓的正则表达式为："b[A-Z][a-z]+(?<lastName>[A-Z][a-z]+)"b

它产生了4次匹配：First Match=Jerry Seinfeld; Second Match=Elaine Benes; Third Match=Cosmo Kramer; Fourth Match=George Costanza

每一次匹配都对应了一个lastName组：

第1次匹配：lastName group=Seinfeld

第2次匹配：lastName group=Benes

第3次匹配：lastName group=Kramer

第4次匹配：lastName group=Costanza

不管是否设置了选项ExplictCapture，组都将被捕获
 
（?=）
 正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分
 正则表达式"S+(?=.NET)要匹配的输入字符串为：The languages were Java,C#.NET,VB.NET,C,Jscript.NET,Pascal

将产生如下匹配：〕

C#

VB

JScript
 
（?!）
 负声明。它规定模式不能紧临着声明的右侧。此模式不构成最终匹配的一部分
 "d{3}(?![A-Z])要匹配的输入字符串为：123A 456 789 111C

将产生如下匹配：

456

789
 
（?<=）
 反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分
 正则表达式(?<=New)([A-Z][a-z]+)要匹配的输入字符串为：The following states,New Mexico,West Virginia,Washington,New England

它将产生如下匹配：

Mexico

England
 
（?<!）
 反向正声明。声明的左侧必须不能是括号内的指定模式。此模式不构成最终匹配的一部分
 正则表达式(?<!1)"d{2}([A-Z])要匹配的输入字符串如下：123A 456F 789C 111A

它将实现如下匹配：

56F

89C
 
（?>）
 非回溯组。防止Regex引擎回溯并且防止实现一次匹配
 假设要匹配所有以“ing”结尾的单词。输入字符串如下：He was very trusing

正则表达式为：.*ing

它将实现一次匹配――单词trusting。“.”匹配任意字符，当然也匹配“ing”。所以，Regex引擎回溯一位并在第2个“t”停止，然后匹配指定的模式“ing”。但是，如果禁用回溯操作：(?>.*)ing

它将实现0次匹配。“.”能匹配所有的字符，包括“ing”――不能匹配，从而匹配失败
 

五.      决策字符

字 符 
 描 述
 举 例
 
（?(regex)yes_regex|no_regex）
 如果表达式regex匹配，那么将试图匹配表达式yes。否则匹配表达式no。正则表达式no是可先参数。注意，作出决策的模式宽度为0.这意味着表达式yes或no 将从与regex表达式相同的位置开始匹配
 正则表达式(?("d)dA|A-Z)B)要匹配的输入字符串为：1A CB 3A 5C 3B

它实现的匹配是：

1A

CB

3A
 
（?(group name or number)yes_regex|no_regex）
 如果组中的正则表达式实现了匹配，那么试图匹配yes正则表达式。否则，试图匹配正则表达式no。no是可先的参数
 正则表达式

 ("d7)?-(?(1)"d"d[A-Z]|[A-Z][A-Z]要匹配的输入字符串为：

77-77A 69-AA 57-B

它实现的匹配为：

77-77A

－AA
 

注：上面表中列出的字符强迫处理器执行一次if-else决策

六.      替换字符

字 符
 描 述
 
$group
 用group指定的组号替换
 
${name}
 替换被一个(?<name>)组匹配的最后子串
 
$$
 替换一个字符$
 
$&
 替换整个的匹配
 
$^
 替换输入字符串匹配之前的所有文本
 
$’
 替换输入字符串匹配之后的所有文本
 
$+
 替换最后捕获的组
 
$_
 替换整个的输入字符串
 

注：以上为常用替换字符，不全

七.      转义序列

字 符
 描 述
 
/"
 匹配字符“"”
 
/.
 匹配字符“.”
 
/*
 匹配字符“*”
 
/+
 匹配字符“+”
 
/?
 匹配字符“?”
 
/|
 匹配字符“|”
 
/(
 匹配字符“(”
 
/)
 匹配字符“)”
 
/{
 匹配字符“{”
 
/}
 匹配字符“}”
 
/^
 匹配字符“^”
 
/$
 匹配字符“$”
 
/n
 匹配换行符
 
/r
 匹配回车符
 
/t
 匹配制表符
 
/v
 匹配垂直制表符
 
/f
 匹配换面符
 
/nnn
 匹配一个8进数字，nnn指定的ASCII字符。如"103匹配大写的C
 
/xnn
 匹配一个16进数字，nn指定的ASCII字符。如"x43匹配大写的C
 
/unnnn
 匹配由4位16进数字（由nnnn表示）指定的Unicode字符
 
/cV
 匹配一个控制字符，如"cV匹配Ctrl-V
 

八.      选项标志

选项标志
 名 称
 
I
 IgnoreCase
 
M
 Multiline
 
N
 ExplicitCapture
 
S
 SingleLine
 
X
 IgnorePatternWhitespace
 

注：选项本身的信作含义如下表所示：

标 志
 名 称
 
IgnoreCase
 使模式匹配不区分大小写。默认的选项是匹配区分大小写
 
RightToLeft
 从右到左搜索输入字符串。默认是从左到右以符合英语等的阅读习惯，但不符合阿拉伯语或希伯来语的阅读习惯
 
None
 不设置标志。这是默认选项
 
Multiline
 指定^和$可以匹配行首和行尾，以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是，字符“.”仍然不匹配换行符
 
SingleLine
 规定特殊字符“.”匹配任意的字符，包括换行符。默认情况下，特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用
 
ECMAScript
 ECMA(European Coputer Manufacturer’s Association,欧洲计算机生产商协会)已经定义了正则表达式应该如何实现，而且已经在ECMAScript规范中实现，这是一个基于标准的JavaScript。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其它任何标志一起使用，ECMAScript都将产生异常
 
IgnorePatternWhitespace
 此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本，但必须确保对模式中所有的空白进行转义。如果设置了此选项，还可以使用“#”字符来注释下则表达式
 
Complied
 它把正则表达式编译为更接近机器代码的代码。这样速度快，但不允许对它进行任何修改