正则表达式笔记

Posted 2020-08-11

一.简介：

    正则表达式基本上是一种“表示法”，只要工具程序支持这种表示法，那么该工具程序就可以用来作为正则表达式的字符串处理之用。例如vi，grep,，awk，sed等工具，因为它们有支持正则表达式。正则表达式是一些特殊字符的排列，用以查找、替换、删除一些或多行文字字符串，简单的说，正则表达式就是用在字符串的处理上面的一项“表达式”使用它真的很方便，所以好好学习吧。

二.基础类型：

    1.字符匹配元字符：

                   .（点号） :匹配任意一个字符；

                [ ]：匹配中括号内的其中一个字符；

                [^ ]：匹配不包括中括号内字符的其他字符；

    2. 次数匹配元字符：

                *：匹配前面的字符任意次（包含零次）；

                \?：匹配前面的字符零次或1次（前面的字符可有可无）；

                \+：匹配前面的字符至少一次；

                \{n\}：匹配前面的字符出现n次；

                \{n,\}：匹配前面的字符出现至少n次；

                \{,m\}：匹配前面的字符出现至多m次（包含零次）；

                \{n,m\}：匹配前面的字符出现至少n次至多m次。

    3.  位置描定元字符:

                ^：描定行首；

                $：描定行尾；

                \<  (\b)：描定词首（出现在表达式首部）；

                \>  (\b)：描定词尾（出现在表达式尾部）；

                分组：用来把匹配到的字符存储到内存的变量中，，以供后面引用。

                \( \)：分组符号

                \1：引用第一个分组匹配到的字符

    4.附表：

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‘ 匹配字符 "n"。‘\n‘ 匹配一个换行符。序列 ‘\\‘ 匹配 "\" 而 "\(" 则匹配 "("。
^	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 ‘\n‘ 或 ‘\r‘ 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 ‘\n‘ 或 ‘\r‘ 之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。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‘。
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符，请使用象 ‘[.\n]‘ 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 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 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)	负向预查，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 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 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
x|y	匹配 x 或 y。例如，‘z|food‘ 能匹配 "z" 或 "food"。‘(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‘p‘。
[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。
[^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。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b‘ 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。‘er\B‘ 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。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	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。等价于‘[A-Za-z0-9_]‘。
\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。
\num	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。
\n	标识一个八进制转义值或一个向后引用。如果 \n 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。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 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 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
/i	使正则表达式对大小写不敏感, (?-i)是关闭大小写不敏感 (?i)te(?-i)st应该匹配TEst，但是不能匹配teST或TEST.
/s	开启"单行模式"，即点号"."匹配新行符
/m	开启"多行模式"，即"^"和"$"匹配新行符的前面和后面的位置。
^[0-9]*$	只能输入数字
^\d{n}$	只能输入n位的数字
^\d{n,}$	只能输入至少n位的数字
^\d{m,n}$	只能输入m~n位的数字
^(0|[1-9][0-9]*)$	只能输入零和非零开头的数字
^[0-9]+(.[0-9]{2})?$	只能输入有两位小数的正实数
^[0-9]+(.[0-9]{1,3})?$	只能输入有1~3位小数的正实数
^\+?[1-9][0-9]*$	只能输入非零的正整数
^\-[1-9][]0-9"*$	只能输入非零的负整数
^.{3}$	只能输入长度为3的字符
^[A-Za-z]+$	只能输入由26个英文字母组成的字符串
^[A-Za-z0-9]+$	只能输入由数字和26个英文字母组成的字符串
^\w+$	只能输入由数字、26个英文字母或者下划线组成的字符串
^[a-zA-Z]\w{5,17}$	验证用户密码：以字母开头，长度在6~18之间，只能包含字符、数字和下划线。
[^%&‘,;=?$\x22]+	验证是否含有^%&‘,;=?$\"等字符
^[\u4e00-\u9fa5]{0,}$	只能输入汉字
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$	验证Email地址
^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$	验证InternetURL
^\d{15}|\d{18}$	验证身份证号（15位或18位数字）
^((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)$	验证IP地址
(\w)\1	匹配两个两个重叠出现的字符 例如，"aabbc11asd"，返回结果为aa bb 11三组match
<(?<tag>[^\s>]+)[^>]*>.*</\k<tag>>	匹配成对的html标签
(?!)	不出现，负声明 下例演示如何取得一个<a>标签对中的全部内容，即使其中包含别的HTML tag。 string newsContent = @"url:<a href=""1.html""><img src=""1.gif"">test<span style=""color:red;"">   Regex</span></a>."; Regex regEnd = new Regex(@"<\s*a[^>]*>([^<]|<(?!/a))*<\s*/a\s*>",RegexOptions.Multiline);

    

三.拓展正则表达式：

        

        字符匹配元字符：

                .（点号） :匹配任意一个字符；

                [ ]：匹配中括号内的其中一个字符；

                [^ ]：匹配不包括中括号内字符的其他字符；

        次数匹配元字符：（匹配元字符前面的字符重复的次数）

                *：匹配前面的字符任意次（包含零次）；

                ?：匹配前面的字符零次或1次（前面的字符可有可无）；

                +：匹配前面的字符至少一次；

                {n}：匹配前面的字符出现n次；

                {n,}：匹配前面的字符出现至少n次；

                {,m}：匹配前面的字符出现至多m次（包含零次）；

                {n,m}：匹配前面的字符出现至少n次至多m次。

        位置描定元字符:

                ^：描定行首；

                $：描定行尾；

                <  (\b)：描定词首（出现在表达式首部）；

                \>  (\b)：描定词尾（出现在表达式尾部）；

        分组：用来把匹配到的字符存储到内存的变量中，以供后面引用。

                ( )：分组符号

                \1：引用第一个分组匹配到的字符

        特殊元字符：

                |：匹配或

字符集的表达式：

        [[:space:]]：表示一个空白字符；

        [[:digit:]]：表示一个整数；

        [[:lower:]]：表示一个小写字母；

        [[:upper:]]：表示一个大写字母；

        [[:alpha:]]：表示一个大写或小写字母；

        [[:alnum:]]：表示一个字母或整数；

        [[:punct:]]：表示一个标点符号；

附图

本文出自 “甘蔗” 博客，请务必保留此出处http://neephon.blog.51cto.com/11895878/1858007