C#_正则表达式

概述

正则表达式，主要是用符号描述了一类特定的文本（模式）。而正则表达式引擎则负责在给定的字符串中，查找到这一特定的文本。

本文主要是列出常用的正则表达式符号，加以归类说明。本文仅仅是快速理解了正则表达式相关元字符，作一个备忘，供以后理解更复杂表达式的参考，以后关于正则表达式的相关内容会持续更新本文。示例语言用C#

概述

普通字符

字符集合

速记的字符集合

指定重复次数的字符

匹配位置字符

分支替换字符

匹配特殊字符

组，反向引用，非捕获组

贪婪与非贪婪

回溯与非回溯

正向预搜索、反向预搜索

最后

普通字符

最简单的一种文本描述，就是直接给出要匹配内容。 如要在”Generic specialization, the decorator pattern, chains of responsibilities, and extensible software.” 找到pattern，那么正则式就直接是”heels”即可

View Code

字符集合

将字符放在中括号中，即为字符集合。通过字符集合告诉正则式引擎从字符集合中的字符，仅匹配出一个字符。

字符	匹配的字符	示例
[...]	匹配括号中的任一字符	[abc]可以匹配单个字符a,b或c,但不能匹配其它字符
[^...]	匹配非括号中的任一字符	[^abc]可以匹配任一个除a,b,c的一个字符，如d,e,f

比如单词灰色gray(英)和grey(美)，在一段文本中匹配出gray或grey,那么通过正则式gr[ae]y 就可以了;又比如要在一段文本中找到me和my,正则式是m[ey]

我们还可以在字符集合中使用连字号 – 来表示一个范围，比如 [0-9] 表示匹配一个0到9数字；[a-zA-Z] 表示匹配英文字母；[0-9 a-zA-Z]表示匹配一个0到9的数字或英文字母

View Code

速记的字符集合

我们常常要匹配一个数字，一个字母，一个空白符，虽然可以用普通的字符类来表示，但不够方便，所以正则式提示了一些常用的字符集合的速记符

字符	匹配的字符	示例
\d	从0到9的任何一个数字	\d\d 可以匹配72，但不能匹配me或7a
\D	非数字符	\D\D 可以匹配me，但不能匹配7a或72
\w	任一个单词字符，如A-Z, a-z, 0-9和下划线字符	\w\w\w\w可以匹配aB_2，但不能匹配ab_@
\W	非单词字符	\W 可以匹配@，但不能匹配a
\s	任一空白字符，包括了制表符，换行符，回车符，换页符和垂直制表符	匹配所有传统的空白字符
\S	任一非空白字符	\S 可以匹配任一非空白字符，如~！@#&
.	任一字符	匹配任一字符，换行符除外

View Code

指定重复次数的字符

指定重复匹配前面的字符多少次：匹配重复的次数，不匹配内容。比如说，要在一系列电话号码中找到以158开始的11位手机号，如果我们没有学过下面的内容，正则表达式为158\d\d\d\d\d\d\d\d；但如果我们学习了下面的知识，则正则表达式为158\d{8}

字符	匹配的字符	示例
{n}	匹配前面字符n次	x{2},可以匹配xx,但不能匹配xxx
{n,}	匹配前面字符n次或更多	x{2,}可以2个或更多的x,比如可以匹配xx,xxx,xxxx,xxxxxx
{n,m}	匹配前面字符最少n次，最多m次。如果n为0，则可以不指定	x{2,4},匹配了xx,xxx,xxxx,但不能匹配x,xxxxx
?	匹配前面的字符0次或1次,相当于{0，1}	x? 匹配x或空
+	匹配前面的字符1次或多次, 相当于{1,}	x+ 匹配x,xx，或xxx
*	匹配前面的字符0次或多次	x* 匹配0个或多个x

View Code

匹配位置的字符

现在我们已经学会了使用字符集合，字符集合的速记符来匹配大部分的文本了。但是如果我们遇到以下的情况，怎么办？

要求匹配文本的第一个单词为google

要求匹配文本以bye结束

要求匹配文本每一行的第一个单词为数字

要求匹配一个单词以hel开头

上面的这种匹配一个位置，但不匹配任何内容的需求很正常。在正则表达式中也提供了一些特殊的字符来匹配位置(不匹配内容)。如用^匹配文本的开始位置， 用$匹配文本的结束位置，\b匹配一个单词的边界

字符	匹配的字符	示例
^	其后的模式必须在字符串的开始处，如果是一个多行字符串，应位于任一行的开始。对于多行文本（有回车符），需要设置Multiline标识
$	前面的模式必须在字符串的结尾处，如果是一个多行字符串，应该在任一行的末尾
\b	匹配一个单词的边界，
\B	匹配一个非单词的边界，并不在一个单词的开始或结尾处
\A	前面的模式必须在字符串的开始，并忽略多行标识
\z	前面的模式必须在字符串的末尾，并忽略多行标识
\Z	前面的模式必须在字符串的末尾，或是位于换行符前

View Code

分支替换字符

在字符集合中，我们可以在用中括号来指定匹配中括号中的任一字符，即模式中可以列出多种字符情景，被匹配的文本只要有符合其中的任一情景就可以被匹配出来。 那有没有这样的一种机制，同一个正则式中有多个模式，只有满足其中的任一模式就可以被匹配出来。再配合分组，就可以把一个复杂的正则式分成多个相对简单子的正则式来做。类似于逻辑符号OR的意思吧。

字符	匹配的字符	示例
|	选择匹配符，匹配前面或后面的任一模式	cat|mouse 可以匹配出cat 或mouse

View Code

匹配特殊字符

到现在，我们已经知道了字符集合，一些速记的字符集合，匹配位置的字符，指定匹配次数的字符，分支匹配。我们用的这些符号，在正则表达式中代表了各种特定的意义。那当我们要匹配这些字符本身，我们应该怎么办？在特殊字符前加上\, 以下是一些常用特殊字符的转义字符的列表

字符	匹配的字符	示例
\\	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	匹配字符n
\r	匹配字符r
\t	匹配字符t
\f	匹配字符f
\nnn	匹配一个三位八进制数指定的ASCII字符，如\103匹配一个大写的C
\xnn	匹配一个二位十六进制数指定的ASCII字符，如\x43匹配C
\xnnnn	匹配一个四位十六进制数指定的unicode字符
\cV	匹配一个控制字符，如，\cV匹配Ctrl+V

View Code

组，反向引用，非捕获组

组，可以用圆括号，将正则表达式的部分括起来并独立使用，在圆括号之间的正则式叫做一个组。可以将匹配次数的字符和分支匹配字符应用到组。

1 示例: public void Set, public void SetValue

正则式Set(Value)? , 其中(Value)是一个组，匹配次数的字符?将应用于整个组(Value)，可以匹配到Set或SetValue

2 示例：Out of sight, out of mind

正则式： “(out of) sight, \1 mind”

正则表达式引擎会将 “()”中匹配到的内容存储起来，作为一个“组”，并且可以通过索引的方式进行引用。表达式中的“\1”，用于反向引用表达式中出现的第一个组。 同时在c#中，也可以通过组来访问捕获到的组的内容。注意，Groups[0]是整个匹配的字符串，组的内容从索引1开始

View Code

3 可根据组名进行索引。使用以下格式为标识一个组的名称(?<groupname>…)

正则式： “(?<Group1>out of) sight, \1 mind”

View Code

4在表达式外引用，对于索外用$索引，或组名用${组名}

示例：Out of of sight, out of mind

正则式 “(?<Group1>[a-z]+) \1”

View Code

5非捕获组，在组前加上?: 因为有的组表达的仅仅是一个选择替换，当我们不想用浪费存储时，以用不捕获该组

"(?:out of) sight"

View Code

字符	匹配的字符	示例
(?<groupname>exp)	匹配exp,并捕获文本到名称为name的组里
(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号

贪婪与非贪婪

正则表达式的引擎默认是贪婪，只要模式允许，它将匹配尽可能多的字符。通过在“重复描述字符（*,+等）”后面添加“?”，可以将匹配模式改成非贪婪。贪婪与非贪婪与指定重复次数的字符的内容密切相关。

字符	匹配的字符	示例
?	如果是跟在量词（即指定匹配次数的字符)后面,那么正则表达式则采用非贪婪模式

示例 out of sight, out of mind

贪婪正则式 : .* of 输出out of sight, out of

非贪婪正则式 : .*? of 输出 out of

另外一个示例

输入：The title of cnblog is <h1>code changes the world</h1>

目标：匹配HTML标记

正则式1:<.+>

正则式1的输出: <h1>code changes the world</h1>

正则式2:<.+?>

正则式2的输出: <h1> </h1>

View Code

回溯与非回溯

使用“(?>…)”方式进行非回溯声明。由于正则表达式引擎的贪婪特性，导致它在某些情况下，将进行回溯以获得匹配，请看下面的示例：

示例：Live for nothing, die for something

正则式(默认非回溯): “.*thing,” 输出Live for nothing 。“.*”由于其贪婪特性，将一直匹配到字符串的最后，随后匹配“thing”，但在匹配“,”时失败，此时引擎将回溯，并在“thing,”处匹配成功

正则式(回溯):”(?>.*)thing,” 匹配不到任何东西。由于强制非回溯，所以整个表达式匹配失败

View Code

字符	匹配的字符	示例
(?>...)	匹配组内表达式时，不回溯

正向预搜索、反向预搜索

匹配特定的模式，并声明前面或后面的内容。意思跟匹配位置差不多

字符	匹配的字符	示例
(?=exp)	左边的模式后面必须紧跟着exp，声明本身不作为匹配结果的一部分
(?!exp)	左边的模式的后面不能紧跟着exp，声明本身不作为匹配结果的一部分
(?<=exp)	右边的模式的前面必须是exp，声明本身不作为匹配结果的一部分
(?<!exp)	右边的模式的前面不能是exp，声明本身不作为匹配结果的一部分

View Code

最后

参考地址：

正则表达式30分钟入门教程

Regular Expressions Tutorial

NET Framework Regular Expressions

.NET进阶系列之一：C#正则表达式整理备忘