正则表达式

什么是正则表达式?

---

 

英文Regular Expression,是计算机科学的一个重要概念，它使用一种数学算法来解决计算机程序中的文本检索，匹配等问题。

正则表达式语言是一种专门用于字符串处理的语言。在很多语言中都提供了对它的支持，c#也不例外，它可以帮我们解决下面的问题：

•     检索：通过正则表达式，从字符串中获取我们想要的部分
•     匹配：判断给定的字符串是否符合正则表达式的过滤逻辑

可以认为正则表达式表述了一个字符串的书写规则。

正则表达式的组成

---

正则表达式就是由普通字符以及特殊字符（成为元字符）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。

 元字符表：

元字符	描述
	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配 。“ ”匹配换行符。序列“\”匹配“”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“ ”或“ ”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“ ”或“ ”之前的位置。
*	匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.点	匹配除“ ”之外的任何单个字符。要匹配包括“ ”在内的任何字符，请使用像“[sS]”的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的就是匹配位置的）。例如，“er”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
B	匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
cx	匹配由x指明的控制字符。例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
d	匹配一个数字字符。等价于[0-9]。
D	匹配一个非数字字符。等价于[^0-9]。
f	匹配一个换页符。等价于x0c和cL。
	匹配一个换行符。等价于x0a和cJ。
	匹配一个回车符。等价于x0d和cM。
s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ f v]。
S	匹配任何可见字符。等价于[^ f v]。
	匹配一个制表符。等价于x09和cI。
v	匹配一个垂直制表符。等价于x0b和cK。
w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“x41”匹配“A”。“x041”则等价于“x04&1”。正则表达式中可以使用ASCII编码。
um	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)1”匹配两个连续的相同字符。
	标识一个八进制转义值或一个向后引用。如果 之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
m	标识一个八进制转义值或一个向后引用。如果 m之前至少有nm个获得子表达式，则nm为向后引用。如果 m之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则 m将匹配八进制转义值nm。
ml	如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，u00A9匹配版权符号（©）。
< >	匹配词（word）的开始（<）和结束（>）。例如正则表达式<the>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
( )	将 ( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 1 到9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字

 常用的操作正则表达式的方法和委托

---

静态方法(System.Text.RegularExpressions)

• IsMatch（返回值是一个布尔类型,用于判断指定的字符串是否与正则表达式字符串匹配）
• Match（指定的匹配选项在输入字符串中搜索指定的正则表达式的第一个匹配项，返回一个包含有关匹配的信息的对象）
• Matches（在指定的输入字符串中搜索指定的正则表达式的所有匹配项，返回的是所有匹配项）
• Replaces替换
• Split(字符串分割)

元字符

---

@符号

我们经常在正则表达式字符串前面加上@字符，这样不让编译器去解析其中的转义字符，而作为正则表达式的语法（元字符）存在。

例如：

string s =@"www.baidu.com 
 百度一下";

定位元字符

•  　　 匹配单词的开始或结束
• B 　 　匹配非单词的开始或结束
• ^ 　　  匹配必须出现在字符串的开头或行的开头
• $ 　　  匹配必须出现在以下位置：字符串结尾、字符串结尾处的 之前或行的结尾。
• A 　 　指定匹配必须出现在字符串的开头（忽略 Multiline 选项）。
• z 　　 指定匹配必须出现在字符串的结尾（忽略 Multiline 选项）。
• z 　　 指定匹配必须出现在字符串的结尾或字符串结尾处的 之前（忽略 Multiline 选项）。
• G 　　指定匹配必须出现在上一个匹配结束的地方。与 Match.NextMatch() 一起使用时，此断言确保所有匹配都是连续的。

string str = "I am a string";           
Console.WriteLine(Regex.Replace(str, "^","开始:"));
Console.WriteLine(Regex.Replace(str, "$","结束!"));

基本语法元字符

在正则表达式中，是转义字符. * 是元字符 如果要表示一个 . *字符的话，需要使用\ . *

•  . 　　  匹配除换行符以外的任意字符
• w 　　匹配字母、数字、下划线、汉字 (指大小写字母、0-9的数字、下划线_)
• W 　　w的补集 （ 除“大小写字母、0-9的数字、下划线_”之外）
• s 　　匹配任意空白符 (包括换行符/n、回车符/r、制表符/t、垂直制表符/v、换页符/f)
• S　　 s的补集 (除s定义的字符之外)
• d　　 匹配数字 (0-9数字)
• D　　 表示d的补集 (除0-9数字之外)

string strCheckNum = "23444567";
Console.WriteLine("匹配字符串"+strCheckNum+"是否为数字:"+Regex.IsMatch(strCheckNum, @"^d*$"));

反义字符

• W 　　w的补集 （ 除“大小写字母、0-9的数字、下划线_”之外）
• S　　 s的补集 (除s定义的字符之外)
• D 　　表示d的补集 (除0-9数字之外)
• B 　　匹配不是单词开头或结束的位置
• [ab]　　 匹配中括号中的字符
• [a-c]　　 a字符到c字符之间是字符
• [^x]　　 匹配除了x以外的任意字符
• [^adwz]　　 匹配除了adwz这几个字符以外的任意字符

重复描述字符

• {n} 　　 匹配前面的字符n次

• {n,}　　 匹配前面的字符n次或多于n次

• {n,m} 　　匹配前面的字符n到m次

• ?　　 重复零次或一次

• + 　　重复一次或更多次

• * 　　重复零次或更多次

择一匹配

• | 　　将两个匹配条件进行逻辑“或”（Or）运算

对正则表达式分组()

• 用小括号来指定子表达式(也叫做分组)