正则表达式(一) 元字符

正则表达式括号的作用
1、限制多选项的范围 (Fri|1)st 这样写会匹配Frist或1st 如果去掉，则 Fri|1st就是匹配 Fri或1st
2、将若干个字符进行组合，受量词的同时作用。例如 th+ 表示匹配 th thh thhh(h无数次)，如果是(th)+，则匹配的是th thth ththth(th无数次)
3、反向引用，即前面括号匹配到的东西记忆与后面，常用于匹配重复单词。
4、分组

常用元字符
代码 　　　　　　　　　　说明
. 　　　　　　　　　　　　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
^ 　　　　　　　　　　　　匹配行的开始
$ 　　　　　　　　　　　　匹配行的结束

常用反义元字符
代码 　　说明
\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

常用重复限定符
代码 　　　　　　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

正则表达式之元字符

 一、最易理解的元字符。

　　脱字符  ^   ：表示匹配行首的文本

 　  美元符  $　：表示匹配行尾的文本

　　例如：

^cat    //匹配以c作为一行的第一个字符是c，然后是一个a，紧接着一个t的文本

　　以上正则表达式匹配的是：

　　例如一个行　　catdogcat　　上面正则表达式匹配第一个cat。

　　特殊正则说明：

^cat$    //匹配行开头是cat，然后就是行末尾的cat，说白了就是一行中仅仅只包含cat的行，没有其他字符。

^$        //匹配行开头，然后就是行末尾了，说白了就是匹配一个空行(没有任何字符，也没有空白字符)

^          //匹配行的开头，每一行都匹配

　　下面用C#说明：

        static void Main(string[] args)
        {
            Regex reg = new Regex("^cat");
            reg.Match("catdog");
            Console.WriteLine(reg.Match("catdog"));     //输出 cat
            Console.WriteLine(reg.Match("dogcat"));     //输出 空白(啥都不输出)

            Regex reg2 = new Regex("cat$");
            Console.WriteLine(reg2.Match("catdog"));      //输出 空白(啥都不输出)
            Console.WriteLine(reg2.Match("dogcat"));      //输出 cat

            Console.ReadKey();
        }

二、字符组

　　匹配若干字符之一

[]    //字符串用中括号括起来，表示匹配其中的任一字符，相当于或的意思

　　例如：

gr[ea]y    //匹配grey或gray

　　其中连字符 - 表示一个范围，例如<h[1-6]> 与 <h[123456]>的作用一致。其他类似的还有[a-z]，[A-Z]。

　　这里必须要注意的是只有在字符组内部连字符 - 才是元字符，否则它就只匹配普通的连字符 - 。

        static void Main(string[] args)
        {
            Regex reg = new Regex("<h[1-6]>");
            string str = "<div><h1>你在他乡还好吗？</h1></div>";
            Console.WriteLine(reg.Match(str));      //输出 <h1>

            Console.ReadKey();
        }

三、排除型字符组

　　用[^...]取代[...]这个字符组就会匹配任何未列出的字符。

[^...]    //[^...]表示匹配所有方括号里未列出的字符

　　例如：

r[^abc]r　　//匹配出rar,rbr,rcr之外的任意r*r文本

　 下面的例子要注意下，例如正则表达式  q[^u]　不会匹配 Qantas 和 Iraq 这又是为什么呢？

　 因为正则表达式是区分大小写的。其次q[^u]要求q后面跟一个非u的字符，即必须包含一个字符。

        static void Main(string[] args)
        {
            Regex reg = new Regex("a[^123456]");
            Console.WriteLine(reg.Match("a1a2a3a4a5a6a7")); //输出 a7

            Console.ReadKey();
        }

　　在特别强调，排除型字符组表示“匹配一个未列出的字符”而不是“不要匹配列出的字符”。区别在于前者必须要匹配一个。

 　　另外还要强调一点，在[]里面是没有元字符的，都代表本身的含义，例如[.]就表示匹配一个点.的意思。

四、点号.匹配任意字符　　

　　元字符.是用来匹配任意字符的字符组的渐变写法。

　　.    //匹配任意字符的字符组简便写法

　　例如：

　　.a    //匹配 Aa 1a ga 等等

 　　例子：

        static void Main(string[] args)
        {
            Regex reg = new Regex(".c");
            Console.WriteLine(reg.Match("abcdefg")); //输出 bc

            Console.ReadKey();
        }

五、多选结构

 　　| 是一个非常简捷的元字符，它的意思是或。依靠它，我们能够把不同的子表达式组合成一个总的表达式，而这个总表达式又能够匹配任意的子表达式。

|    //或 多选分支    选择两者中的一个    注意|将左右两边分为两部分，而不管左右两边有多长多乱

 　　例如：

gray|grey    //既可匹配gray又可匹配grey    相当于gr[ae]y

　　如果将|写在中括号[]里面，那么 | 就不是元字符，它和a e一样，只代表本身字符。

　　对于表达式gr(a|e)来说，括号是必须的，如果没有括号，那么gra|ey的意思就成了 gra | ea 即匹配gry或匹配ey。

　　再比如 Frist|1st　　与　　(Fri|1)st　　表示的是同一个意思

 　　C#DEMO：

        static void Main(string[] args)
        {
            Regex reg = new Regex("abc|def");
            Console.WriteLine(reg.Match("bcdefg"));     //输出 def

            Console.ReadKey();
        }

　　另外要特别注意下，下面的这个例子

　　^from|subject|date:　　与　　^(from|subject|date):　　之间的区别

　　对于前者：只能匹配 ^from 或 subject 或 date:

　　对于后者: 能够匹配 ^from: 或 ^subject: 或 ^date:

六、忽略大小写

 　　当然忽略大小写你可以用 [Aa]bc　　取代  abc　　，但是这样不方便。正则表达式提供一个　　-i　　。用于忽略大小写匹配。

　　之前写的是 -i 后来发现是错的，应该是?i  (?i)放在前面就可以了

　　(?i)    //用于忽略大小写匹配

　　我测试过(?i)写在前面，但是无法匹配，要忽略大小写貌似要通过构造函数的属性设定：

        static void Main(string[] args)
        {
            Regex reg = new Regex("Abc",RegexOptions.IgnoreCase);
            Console.WriteLine(reg.Match("abcdefg"));     //输出 abc

            Console.ReadKey();
        }

七、单词分界符

　　\b　　表示单词分界符

\b　　//匹配单词的开始或结束

　　代码示例：

        static void Main(string[] args)
        {
            Regex reg = new Regex(@"\bLove\b");
            Console.WriteLine(reg.Match("I Love You!"));     //输出 Love

            Console.ReadKey();
        }

八、可选项元素

　　?　　代表可选项，把他加在一个字符的后面，就表示此处容许出现这个字符，不过它的出现并非匹配成功的必要条件。

?    //跟在一个字符后面，容许此字符出现0次或1次

　　例如：

colou?r    //可以匹配colour或color

　　C#Demo:

        static void Main(string[] args)
        {
            Regex reg = new Regex(@"colou?r");
            Console.WriteLine(reg.Match("what is color?"));     //输出 color
            Console.WriteLine(reg.Match("what is colour?"));     //输出 colour

            Console.ReadKey();
        }

　　然后来说一下结合其他元字符使用的情况：

　　例如：

　　July|Jul　　可缩短为　　July?

　　4th|4　　  可缩短为　　4(th)?

九、重复出现

　　加号+和星号*的作用与问号类似，的作用都是限定字符出现的次数。因此问号?加号+星号*这3个元字符统称量词。

?     //可以出现0次或1次    
+    //至少要出现1次，可以出现无数次    
*    //可以出现0次或出现无数次

　　Demo：

        static void Main(string[] args)
        {
            Regex reg = new Regex(@"colo*r");
            Console.WriteLine(reg.Match("colooor"));    //输出 colooor

            Regex reg2 = new Regex(@"colo*r");
            Console.WriteLine(reg2.Match("colr"));    //输出 colr

            Regex reg3 = new Regex(@"colo+r");
            Console.WriteLine(reg3.Match("colr"));    //输出 空白(啥都不输出，这就是+和*的区别了)

            Console.ReadKey();
        }

十、规定重现次数的范围：区间

　　{min,max}　　大括号内的数字用于表示某字符允许出现的次数区间。

{min,max}　　//大括号内的数字用于表示某字符允许出现的次数区间。

　 C#　Demo:

        static void Main(string[] args)
        {
            Regex reg = new Regex(@"colo{3,5}r");
            Console.WriteLine(reg.Match("colooor"));    //输出 colooor

            Regex reg2 = new Regex(@"colo{3,5}r");
            Console.WriteLine(reg2.Match("coloor"));    //输出 空白(啥都不输出)  至少3个，但是字符串里只有两个，因此不符合

            Console.ReadKey();
        }

　　这里要记住，{}里面的参数不一定要写全两个，也可以仅仅写一个，这样代表仅仅匹配指定的字符数，例如\b{6}\b匹配刚刚6个字母的单词。

　　{n,}　　匹配n次或更多次，　　{5,}　　匹配5次以上

十一、括号以及反向引用

　　前面已经说过括号的两个作用：限制多选项的范围，将若干字符组合为一个单元，受问号或星号之类的量词作用。现在在来说一种括号的用法，分组，此东西具有记忆的功能，即在正则表达式内部仍然能够回忆上次匹配到的是什么。这个东西用语言说不明白，书本上又是画图又是线的，这里仅仅用一个例子：

        static void Main(string[] args)
        {
            Regex reg = new Regex(@"(\b[A-Za-z]+ +)\1\b");
            Console.WriteLine(reg.Match("red color color red"));    //输出 color color

            Console.ReadKey();
        }

　　例子解析：首先说明一下括号里面代表什么意思，

　　(\b[A-Za-z]+ +)　　匹配单词的开始，然后是大小写字母至少1次，然后空格至少1次。说白了就是 空格然后是匹配不区分大小写的一寸字母然后是任意个空格
　　
　　OK，再来说下\1\b　　\b当然就是单词的结尾了，那么\1呢？这个就是分组的作用了，\1代表的就是前面括号里面的东西，也就是一个单词。

　　因此，整个正则表达式的意思是，匹配间隔了N个空格的重复的单词。不懂也没办法了。

十二、神奇的转义

　　　\　转义符它的作用是使元字符失去它的意义，仅仅代表其日常输入中字符的意义。

　　　C#例子：

        static void Main(string[] args)
        {
            Regex reg = new Regex(@".c");
            Console.WriteLine(reg.Match("(acdefg"));    //输出 ac

            Regex reg2 = new Regex(@"\.c");
            Console.WriteLine(reg2.Match("(acdefg"));    //输出 空白(啥都不输出，说明.已失去了它元字符，代表任意字符的意义)

            Regex reg3 = new Regex(@"\.c");
            Console.WriteLine(reg3.Match("(.cdefg"));    //输出 .c    它字表它自己，就匹配一个点.了

            Console.ReadKey();
        }

 　　例如，我要匹配字符 . 字符*　　就需要在前面加反斜杠，\.　　\*去除它元字符的含义。

 　　一些需要转义的字符列表　　　　\ * + ? | { [ ( ) ^ $ . # 和 空白

十三、一些其他的元字符

　　\w　　匹配字母，汉字，数字，下划线

　　\W　　匹配非字母，非汉字，非数字，非下划线

　　\s　　 匹配空白符

　　\S　　匹配非空白符

　　\d　　匹配数字

　　\D　　匹配非数字

static void Main(string[] args)
        {
            Regex reg = new Regex(@"\w?");
            MatchCollection mcoll = reg.Matches("@你s_5");
            foreach (Match mat in mcoll)
            {
                Console.WriteLine(mat.Value);   //输出 空白 你 s _ 5     果然是匹配汉字、字母、下划线、数字
            }

            Regex reg2 = new Regex(@"\s");
            MatchCollection mcoll2 = reg2.Matches("abc def");
            foreach (Match mat in mcoll2)
            {
                Console.WriteLine(mat.Index);   //输出 3    这里要注意一个问题了，在用Matches时，当匹配不到时，会返回Empty，因此，可以认为每次都是匹配到的，但是匹配到空
            }

            Regex reg3 = new Regex(@"\d");      //匹配数字
            Match m2 = reg3.Match("abc5def");
            Console.WriteLine(m2.Value);    //输出 5

            //以下代码为完全复制上面的代码,只是改了命名与正则
            Regex reg4 = new Regex(@"\W?");
            MatchCollection mcoll3 = reg4.Matches("@你s_5");
            foreach (Match mat in mcoll2)
            {
                Console.WriteLine(mat.Value);   //输出 @
            }

            Regex reg5 = new Regex(@"\S");      //匹配非空格
            MatchCollection mcoll4 = reg5.Matches("abc def");
            foreach (Match mat in mcoll4)
            {
                Console.WriteLine(mat.Value);   //输出 abcdef    这里要注意一个问题了，在用Matches时，当匹配不到时，会返回Empty，因此，可以认为每次都是匹配到的，但是匹配到空
            }

            Regex reg6 = new Regex(@"\D");      //匹配非数字
            Match m3 = reg6.Match("abc5def");
            Console.WriteLine(m3.Value);    //输出 a  Match就是只匹配第一个

            Console.ReadKey();
        }　　

　　还有，既然学习了正则表达式，就千万不要忘记这一个用法：