正则表达式

通配符：一种特殊的语句，主要有*和？

正则就是进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求

字符是计算机软件处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。

字符串是0个或更多个字符的序列。

文本也就是文字，字符串。

说某个字符串匹配某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。

base

处理正则会忽略大小写，例如ni，会有四种情况

是正则表达式规定的一个特殊的代码，也叫元字符，可以代表单词的开始或结尾，他只是匹配一个位置

换行符就是' ',ASCII编码为10(十六进制0x0A)的字符。

.是除了换行符以外的任意字符。

*代表的不是字符，也不是位置，而是数量，他说明前面的内容可以连续重复使用任意次

.*就是任意数量的不包含换行的字符

nihao.*chenyouxiu
意思一个nihao，然后任意个字符，不能换行，最后的单词是chenyouxiu

0dd-dddddddd
零开头，后跟两位数字，然后-，然后跟8位数字

d是匹配一位数字

-不是元字符，匹配它本身。

更简便就是

0d{2}-d{8}
0后面跟数字连续重复匹配2、8次

s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等

w匹配字母或数字或下划线或汉字等

*匹配可能是0次或者许多

+至少一次，或者更多次

aw*
a开头，并且中间有任数量的数字或字母，最后单词结束，说白了，就a开头的
d+
匹配一个或多个连续的数字
w{6}
匹配6个字符

类似vim的语句的意思

^表示匹配字符串的开始

$表示匹配字符串的结束

比如qq账号的位数至少在5到12

^d{5,12}$
或者
d{5,12}

整理

代码	意义
.	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	匹配任意数字
	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

字符转义

当无法指定一些元字符，就用上了

chenyouxiu.shadiao
就是
chenyouxiu.shadiao
类似mysql的访问目录必须使用\来进行提前预转义
c:\windows
就是
c:windows

重复

代码	说明
*	0或多
+	1或多
？	0或1
{n}	重复n次
{n,}	>=n
{n,m}	n到m次

chenyouxiud+
chenyouxiu后面跟1或者多个数字
^w+
开头是至少一个字母、数字、下划线

字符类

在可能的情况下匹配

[aeiou]匹配之一的字母

[.?!]匹配标点符号

[0-9]代表的含意与d意思一样

[a-z0-9A-Z_]也完全等同于w

()也是元字符，需要转义字符来进行

(?0d{2}[) -]?d{8}
加(转移字符
?出现0次或1次
0是必须有的
d{2}有两个数字在[0-9]
[(- ]出现（或者-或者囧哥的一个，出现的次数为0或者1次
然后后跟8位数字

分枝条件

当遇到不正确的格式，就需要分枝条件

分枝条件指的是有几种规则，如果满足其中一个规则都应该当成匹配，具体方法是用 | 把不同的规则分隔开。

0d{2}-d{8}|0d{3}-d{7}
一种是三位区号，8位本地号
一种是4位区号，7位本地号

(0d{2})[- ]?d{8}|0d{2}[- ]?d{8}
匹配三位0开头的然后跟2位数
然后可以选择使用-或者空格或者不使用（？选择使用一个或者零个）

d{5}-d{4}|d{5}
5位数字，或者用连字号间隔的9位数字
d{5}|d{5}-d{4}
只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了

分组

小括号来指定子表达式(也叫做分组)

类似IP地址

(d{1,3}.){3}d{1,3}
d{1,3}匹配1到3位的数字
.经过转移
然后括号括起来对这个行为重复三次
然后再d{1,3}匹配1到3位的数字
但这还是不对
本着不能超255的原则
使用分组
((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)
首先重复三次，加一个小括号，然后{3}
卧槽，有点掉头发
2[0-4]d指的是200到249
“|”符号是正则里面的或
25[0-5]指的是250到255
[01]?要是表示没有或者0或者1
这样0到225就全了

反义

查找不属于某个能简单定义的字符类的字符

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

代码	意义
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

S+
前面有s是匹配任意空白符，包括tab缩进等
这里的是大写。就是相反的意思，匹配非空的字符，然后+是至少一个，所以就是匹配不包含空白符的字符串
<a[^>]+>
记住，23333，就是尖括号括起来的a开头的字符串

反向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本，可以在表达式或其它程序中作进一步的处理。

一般情况下，都有一个组号，规则是从左向右，以分组的左括号为标志，第一个为1，然后依次类推

• 分组0对应整个正则表达式

• 所有命名组的组号都大于未命名的组号

• 使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权

  后向引用用于重复搜索前面某个分组匹配的文本

  (w+)s+1
  意思是一个单词至少有字符，然后分组为一，中间空格至少一次，不加在最后，都一样
  

常用的分组语法

捕获

(exp)	匹配exp,并捕获文本到自动命名的组里
(?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)	匹配前面不是exp的位置
(?!exp)	匹配后面跟的不是exp的位置

注释

(?#comment)

这种类型的分组不对正则表达式的处理产生任何影响，用于给人看的

零宽断言

(?=exp)也叫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

w+(?=ing)就是匹配单词有ing并且去掉ing的

(?<=exp)也叫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

(?<=re)w+
匹配re开头，并且去掉re的

((?<=d)d{3})+
(d{3})+ 表示若干个三位数字，也就是匹配三的倍数的数字
(?<=d)表示在d{3}这个正则前必须要有一位数字，但这个数字并不能作为正则去匹配，也可放在d{3}的后面，(?<=d)对第二个d{3}开始都是成立的，也可以(?<=d)(d{3})+

(?<=s)d+(?=s)
不匹配空格等特殊字符，后面有数字至少有一个，然后再过滤掉数字之间的空格

负向零宽断言

w*q[^u]w*
匹配包含后面不是字母u的字母q的单词
但左后是q就会出现错误
因为[^u]总要匹配一个字符，除了u
w*是为下一个单词做准备
w*q[^u]w*
就能匹配chenq fight

零宽度负预测先行断言(?!exp)

d{3}(?!d)

匹配三位数字，而且这三位数字的后面不能是数字

((?!abc)w)+

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

(?<=<(w+)>).*(?=</1>)
匹配不包含属性得简单的html标签内的内容
(?<=<(w+)>)不包括这样的<字母、数字、下划线至少一个>
.*(任意的字符串)
这个/是转移字符加/，因为html都是以</内容>结束的
然后1是反向引用前面的分组

注释

(?#comment)来包含注释

2[0-4]d(?#200-249)|25[0-5](?#250-255)|[01]?dd?(?#0-199)

也可以启用“忽略模式里的空白符”选项，就可以任一添加空格，然后#后被当作注释忽略掉

贪婪与懒惰

整个表达式能得到匹配的前提下，匹配尽量多的字符。这叫贪婪匹配

懒惰匹配相反，就是匹配尽可能少的字符

a.*b匹配最长的以a开始，以b结束的字符串

a.*?b匹配最短的，以a开始，以b结束的字符串

正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权

代码	意义
*?	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

处理选项

.Net中常用的正则表达式选项

代码	意义
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 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 ）。
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。

平衡组/递归匹配

(?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
(?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败；
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分；
(?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败。

<                   #最外层的左括号
  [^<>]*            #它后面非括号的内容
  (
      (
        (?'Open'<)  #左括号，压入"Open"
        [^<>]*      #左括号后面的内容
      )+
      (
        (?'-Open'>) #右括号，弹出一个"Open"
        [^<>]*      #右括号后面的内容
      )+
  )*
  (?(Open)(?!))     #最外层的右括号前检查
                    #若还有未弹出的"Open"
                    #则匹配失败

>                #最外层的右括号

<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
这个使用了用尖括号代代替圆括号，原格式
<div[^)]*>[^()]*(((?'Open'<div[^)]*>)[^()]*)+((?'-Open'</div>)[^()]*)+)*(?(Open)(?!))</div>

总结下：
这是一个html的<div></div>
<div[^)]*>
匹配<div 后跟除了的字符0或者多次然后最后加>,例如<div chenyoxuiu=123>
[^<>]*
匹配除了<>之外的内容在<div>的后面
?'Open'<div[^>]*>
匹配了<div>中镶嵌的的再一个<div内容>，并压入栈命名为Open
[^<>]*
第二个<div>后的内容
((?'Open'<div[^>]*>)[^<>]*)+
就是镶套至少一次
?'-Open'</div>
然后这个就是出栈，弹出Open，再匹配一个</div>，在捕获下栈为空，</div>添加失败,并且遵循先进后出，后进先出的原则
[^<>]*
在</div>添加内容，也可不添加，0或多嘛
(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*
这就是三个括号完成，就是匹配<div></div>，并且按照优先级的
(?(Open)(?!))
最外层的右尖括号前面检查，判断"Open"这个堆栈中是否为空，若有，匹配失败
然后就是大的那</div>

其他部分：

代码/语法	说明
a	报警字符(打印它的效果是电脑嘀一声)
	通常是单词分界位置，但如果在字符类里使用代表退格
	制表符，Tab
	回车
v	竖向制表符
f	换页符
	换行符
e	Escape
nn	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)
	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
(?-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

这些搞了一天，懂一点了

参考链接：

正则表达式语言 - 快速参考 | Microsoft Docs

Regex 构造函数 (System.Text.RegularExpressions) | Microsoft Docs

正则表达式 _w3cschool