正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）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。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
本文详细地列出了能在正则表达式中使用，以匹配文本的各种字符。当你需要解释一个现有的正则表达式时，可以作为一个快捷的参考。更多详细内容，请参考：Francois Liger,Craig McQueen,Pal Wilton[刘乐亭 译] C#字符串和正则表达式参考手册 北京：清华大学出版社 2003.2
一. 匹配字符
字符类 | 匹配的字符 | 举 例 |
\d | 从０-９的任一数字 | \d\d匹配72,但不匹配aa或 |
\D | 任一非数字字符 | \D\D\D匹配abc,但不匹配123 |
\w | 任一单词字符，包括A-Z,a-z,0-9和下划线 | \w\w\w\w匹配Ab-2，但不匹配∑£$%*或Ab_@ |
\W | 任一非单词字符 | \W匹配＠，但不匹配a |
\s | 任一空白字符，包括制表符，换行符，回车符，换页符和垂直制表符 | 匹配在HTML,XML和其他标准定义中的所有传统空白字符 |
\S | 任一非空白字符 | 空白字符以外的任意字符,如A%&g3;等 |
. | 任一字符 | 匹配除换行符以外的任意字符除非设置了MultiLine先项 |
[…] | 括号中的任一字符 | [abc]将匹配一个单字符,a,b或c. [a-z]将匹配从a 到z的任一字符 |
[^…] | 不在括号中的任一字符 | [^abc]将匹配一个a、b、c之外的单字符,可以a,b或A、B、C [a-z]将匹配不属于a-z的任一字符,但可以匹配所有的大写字母 |
二. 重复字符
重复字符 | 含 义 | 举 例 |
｛n｝ | 匹配前面的字符n次 | x{2}匹配xx,但不匹配x或xxx |
｛n,｝ | 匹配前面的字符至少n次 | x{2}匹配2个或更多的x,如xxx,xxx.. |
｛n,m｝ | 匹配前面的字符至少n次,至多m次。如果n为0，此参数为可选参数 | x{2,4}匹配xx,xxx,xxxx,但不匹配xxxxx |
? | 匹配前面的字符0次或1次，实质上也是可选的 | x? 匹配x或零个x |
+ | 匹配前面的字符0次或多次 | x+ 匹配x或xx或大于0的任意多个x |
* | 匹配前面的字符0次或更多次 | x* 匹配0,1或更多个x |
三. 定位字符
定位字符 | 描 述 |
^ | 随后的模式必须位于字符串的开始位置，如果是一个多行字符串，则必须位于行首。对于多行文本（包含回车符的一个字符串）来说，需要设置多行标志 |
$ | 前面的模式必须位于字符串的未端，如果是一个多行字符串，必须位于行尾 |
\A | 前面的模式必须位于字符串的开始位置，忽略多行标志 |
\z | 前面的模式必须位于字符串的未端，忽略多行标志 |
\Z | 前面的模式必须位于字符串的未端，或者位于一个换行符前 |
\b | 匹配一个单词边界，也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-zA-Z0-9]中的一个字符。位于一个单词的词首 |
\B | 匹配一个非单词字符边界位置，不是一个单词的词首 |
注：定位字符可以应用于字符或组合，放在字符串的左端或右端
四. 分组字符
分组字符 | 定 义 | 举 例 |
（） | 此字符可以组合括号内模式所匹配的字符， 它是一个捕获组，也就是说模式匹配的字符作为最终设置了ExplicitCapture选项――默认状态下字符不是匹配的一部分 | 输入字符串为：ABC1DEF2XY 匹配3个从A到Z的字符和1个数字的正则表达式：（[A-Z]{3}\d） 将产生两次匹配：Match 1=ABC1;Match 2=DEF2 每次匹配对应一个组：Match1 的第一个组＝ABC;Match2的第1个组＝DEF 有了反向引用，就可以通过它在正则表达式中的编号以及C#和类Group,GroupCollection来访问组。如果设置了ExplicitCapture选项，就不能使用组所捕获的内容 |
（?:） | 此字符可以组合括号内模式所匹配的字符， 它是一个非捕获组，这意味着模式所的字符将不作为一个组来捕获，但它构成了最终匹配结果的一部分。它基本上与上面的组类型相同，但设定了选项ExplicitCapture | 输入字符串为： 匹配一个数字或一个A到Z的字母，接着是任意单词字符的正则表达式为：（?:\d|[A-Z]\w） 它将产生3次匹配：每1次匹配＝ 但是没有组被捕获 |
（?<name>） | 此选项组合括号内模式所匹配的字符，并用尖括号中指定 的值为组命名。在正则表达式中，可以使用名称进行反向引用，而不必使用编号。即使不设置ExplicitCapture选项，它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符，或者通过Group类访问 | 输入字符串为：Characters in Sienfeld included Jerry Seinfeld,Elaine Benes,Cosno Kramer and George Costanza能够匹配它们的姓名，并在一个组llastName中捕获姓的正则表达式为：\b[A-Z][a-z]+(?<lastName>[A-Z][a-z]+)\b 它产生了4次匹配：First Match=Jerry Seinfeld; Second Match=Elaine Benes; Third Match=Cosmo Kramer; Fourth Match=George Costanza 每一次匹配都对应了一个lastName组： 第1次匹配：lastName group=Seinfeld 第2次匹配：lastName group=Benes 第3次匹配：lastName group=Kramer 第4次匹配：lastName group=Costanza 不管是否设置了选项ExplictCapture，组都将被捕获 |
（?=） | 正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分 | 正则表达式\S+(?=.NET)要匹配的输入字符串为：The languages were Java,C#.NET,VB.NET,C,JＳＣＲＩＰＴ.NET,Pascal 将产生如下匹配：〕 C# VB JＳＣＲＩＰＴ |
（?!） | 负声明。它规定模式不能紧临着声明的右侧。此模式不构成最终匹配的一部分 | \d{3}(?![A-Z])要匹配的输入字符串为： 将产生如下匹配： 456 789 |
（?<=） | 反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分 | 正则表达式(?<=New)([A-Z][a-z]+)要匹配的输入字符串为：The following states, 它将产生如下匹配： |
（?<!） | 反向正声明。声明的左侧必须不能是括号内的指定模式。此模式不构成最终匹配的一部分 | 正则表达式(?<!1)\d{2}([A-Z])要匹配的输入字符串如下： 它将实现如下匹配： |
（?>） | 非回溯组。防止Regex引擎回溯并且防止实现一次匹配 | 假设要匹配所有以“ing”结尾的单词。输入字符串如下：He was very trusing 正则表达式为：.*ing 它将实现一次匹配――单词trusting。“.” 匹配任意字符，当然也匹配“ing”。所以，Regex引擎回溯一位并在第2个“t”停止，然后匹配指定的模式“ing”。但是，如果禁用回溯操作：(?>.*)ing 它将实现0次匹配。“.”能匹配所有的字符，包括“ing”――不能匹配，从而匹配失败 |
五. 决策字符
字 符 | 描 述 | 举 例 |
（?(regex)yes_regex|no_regex） | 如果表达式regex匹配，那么将试图匹配表达式yes。否则匹配表达式no。正则表达式no是可先参数。注意，作出决策的模式宽度为0.这意味着表达式yes或no 将从与regex表达式相同的位置开始匹配 | 正则表达式(?(\d)dA|A-Z)B)要匹配的输入字符串为： 它实现的匹配是： CB |
（?(group name or number)yes_regex|no_regex） | 如果组中的正则表达式实现了匹配，那么试图匹配yes正则表达式。否则，试图匹配正则表达式no。no是可先的参数 | 正则表达式 (\d7)?-(?(1)\d\d[A-Z]|[A-Z][A-Z]要匹配的输入字符串为： 77 它实现的匹配为： 77 －AA |
注：上面表中列出的字符强迫处理器执行一次if-else决策
六. 替换字符
字 符 | 描 述 |
$group | 用group指定的组号替换 |
${name} | 替换被一个(?<name>)组匹配的最后子串 |
$$ | 替换一个字符$ |
$& | 替换整个的匹配 |
$^ | 替换输入字符串匹配之前的所有文本 |
$’ | 替换输入字符串匹配之后的所有文本 |
$+ | 替换最后捕获的组 |
$_ | 替换整个的输入字符串 |
注：以上为常用替换字符，不全
七. 转义序列
字 符 | 描 述 |
\\ | 匹配字符“\” |
\. | 匹配字符“.” |
\* | 匹配字符“*” |
\+ | 匹配字符“+” |
\? | 匹配字符“?” |
\| | 匹配字符“|” |
\( | 匹配字符“(” |
\) | 匹配字符“)” |
\{ | 匹配字符“{” |
\} | 匹配字符“}” |
\^ | 匹配字符“^” |
\$ | 匹配字符“$” |
\n | 匹配换行符 |
\r | 匹配回车符 |
\t | 匹配制表符 |
\v | 匹配垂直制表符 |
\f | 匹配换面符 |
\nnn | 匹配一个8进数字，nnn指定的ASCII字符。如\103匹配大写的C |
\xnn | 匹配一个16进数字，nn指定的ASCII字符。如\x43匹配大写的C |
\unnnn | 匹配由4位16进数字（由nnnn表示）指定的Unicode字符 |
\cV | 匹配一个控制字符，如\cV匹配Ctrl-V |
八. 选项标志
选项标志 | 名 称 |
I | IgnoreCase |
M | Multiline |
N | ExplicitCapture |
S | SingleLine |
X | IgnorePatternWhitespace |
注：选项本身的信作含义如下表所示：
标 志 | 名 称 |
IgnoreCase | 使模式匹配不区分大小写。默认的选项是匹配区分大小写 |
RightToLeft | 从右到左搜索输入字符串。默认是从左到右以符合英语等的阅读习惯，但不符合阿拉伯语或希伯来语的阅读习惯 |
None | 不设置标志。这是默认选项 |
Multiline | 指定^和$可以匹配行首和行尾，以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是，字符“.”仍然不匹配换行符 |
SingleLine | 规定特殊字符“.” 匹配任意的字符，包括换行符。默认情况下，特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用 |
ECMAＳＣＲＩＰＴ | ECMA(European Coputer Manufacturer’s Association,欧洲计算机生产商协会)已经定义了正则表达式应该如何实现，而且已经在ECMAＳＣＲＩＰＴ规范中实现，这是一个基于标准的JavaＳＣＲＩＰＴ。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其它任何标志一起使用，ECMAＳＣＲＩＰＴ都将产生异常 |
IgnorePatternWhitespace | 此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本，但必须确保对模式中所有的空白进行转义。如果设置了此选项，还可以使用“#”字符来注释下则表达式 |
Complied | 它把正则表达式编译为更接近机器代码的代码。这样速度快，但不允许对它进行任何修改 |
0 评论:
发表评论