实用正则表达式匹配和替换

Posted 2020-11-01 Honnnnl

正则表达式非常有用，查找、匹配、处理字符串、替换和转换字符串，输入输出等。而且各种语言都支持，例如.NET正则库，JDK正则包, Perl, javascript等各种脚本语言都支持正则表达式。下面整理一些常用的正则表达式。

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);

 

1. 匹配组

常用的组匹配：(实用)

(exp)	匹配exp并且捕获到一个自动命名的组
(?<name>exp)	匹配exp并且捕获到组’name’
(?=exp)	exp出现在声明右侧，但exp不作为匹配 括号中的模式必须出现在声明右侧，但不作为匹配的一部分 ，例如： 输入： public keywod string "abc";  正则：\\b\\w+(?=ing\\b)，返回“str”， 意思为：匹配以ing结束的单词，但ing不作为返回
(?<=exp)	exp出现在声明左侧，但exp不作为匹配 括号中的模式必须出现在声明左侧，但不作为匹配的一部分 ，例如： 输入： public remember string "abc";  正则：(?<=\\bre)\\w+\\b，返回“member”， 意思为：匹配以re开头的单词，但re不作为返回
(?!exp)	exp不出现在声明右侧，但exp不作为匹配 括号中的模式必须不出现在声明右侧 ，例如： 输入： remember aqa bqu "abc";  正则：\\b\\w*q(?!u)\\w*\\b，返回“aqa”， 意思为：匹配带q后面不是跟随u的单词
(?<!exp)	exp不出现在声明左侧，但exp不作为匹配

 

输入：public string keywod = "abc"; string value = "test";

目的：匹配 关键字=""，例如获得关键字keyword，value；获得等于的值abc和test

表达式：string (?<x>[^=]*?) *= *(?<y>[^;]*?);

代码：

private void ParseKeywords(string input)
{
    System.Text.RegularExpressions.MatchCollection mc = 
    System.Text.RegularExpressions.Regex.Matches(input, @"string (?<x>[^=]*?) *= *(?<y>[^;]*?);");
 
    if (mc != null && mc.Count > 0)
    {
       foreach (System.Text.RegularExpressions.Match m in mc)
       {
           string keyword = m.Groups["x"].Value;
           string value = m.Groups["y"].Value;
       }
    }
}

 

截图：

 

2. 匹配并替换

输入：public <%=classname%>Extension : IExt

目的：匹配 <%= %>中间的classname并替换

表达式：<%=.*%>

代码：

private string Replace(string input)
{
       return Regex.Replace(input, @"<%=.*%>", new 
      MatchEvaluator(RefineCodeTag), RegexOptions.Singleline);
}
 
string RefineCodeTag(Match m)
{
      string x = m.ToString(); 
       x = Regex.Replace(x, "<%=", "");
       x = Regex.Replace(x, "%>", "");
 
       return x.Trim() + ",";
}

 

截图：

 

正则表达式选项RegexOptions:

ExplicitCapture	n	只有定义了命名或编号的组才捕获
IgnoreCase	i	不区分大小写
IgnorePatternWhitespace	x	消除模式中的非转义空白并启用由 # 标记的注释。
MultiLine	m	多行模式，其原理是修改了^和$的含义
SingleLine	s	单行模式，和MultiLine相对应

正则表达式替换的其他功能：

$number	把匹配的第number组替换成替换表达式 这段代码返回的是 “01 012 03 05” 就是说，对组一的每个匹配结果都用"0$1"这个表达式来替换，"0$1"中"$1"由组1匹配的结果代入 public static void Main() { string s = "1 12 3 5"; s = Regex.Replace(s,@"(\\d+)(?#这个是注释)","0$1",RegexOptions.Compiled|RegexOptions.IgnoreCase); Console.WriteLine(s); Console.ReadLine(); }
${name}	把匹配的组名为"name"的组替换成表达式， 上例的Regex expression改成@"(?<name>\\d+)(?#这个是注释)"后面的替换式改为"0${name}"结果是一样的
$$	做$的转义符，如上例表达式改成@"(?<name>\\d+)(?#这个是注释)"和"$$${name}"，则结果为"$1 $12 $3 $5"
$&	替换整个匹配
$`	替换匹配前的字符
$\'	替换匹配后的字符
$+	替换最后匹配的组
$_	替换整个字符串

 

3. 匹配URL中文件名

输入：http://www.9499.net/page1.htm

目的：从URL地址中提取文件名

表达式：s=s.replace(/(.*\\/){0,}([^\\.]+).*/ig,"$2") ;

代码：

string s = "http://www.9499.net/page1.htm";
s = s.replace(/(.*\\/){0,}([^\\.]+).*/ig, "$2") ; 

截图：

或许您对以下相关文章有兴趣：

• 正则表达式匹配包括换行在内的任何字符
• 能匹配出多行注释之外的所有空白字符的正则表达式
• [转]C#正则表达式小结