【.NET】正则表达式笔记

很早就听说正则表达式的强大，今天终于一睹它的真容，在这里记下学习时候的笔记，以便以后查看

1、正则表达式

　　用于描述字符串规则的的特殊的字符（正则表达式本身是字符串，用来描述字符串的相关规则，用于与其他字符串进行匹配）

　　例如：

　　　　正则表达式：\bHttp\b　　表示单词 Http，两边的\b表示单词的开始于结束

　　　　　　可以与"Here is a Http tag"匹配，但是不能与'", "HttpRequest", "XMLHttpRequest"等字符串匹配，

2、元字符（meta character）

　　用于描述最基本的信息，常见的有以下元字符

　　　　\b　　单词的开始于结束

　　　　\w　　字母（大小写），数字，下划线

　　　　\s　　任意空字符（空格，制表符，回车）

　　　　\d　　匹配数字0-9

　　　　.　　 小数点，匹配非换行字符

　　　　^　　字符串的开始（注意：\b是表示单词）

　　　　$　　字符串的结束

　　　　其中：\B，\W，\S，\D的含义与小写的相反

　　　　　　例如：\D表示非数字字符

3、转义字符

　　小数点：　　\.　　

　　星号：　　　\*　　

　　下划线：　　\\　　

　　括号：　　　\(　　\)

3、限定字符　　　　　　

　　*　　　　重复0次或多次
　　+　　　　重复1次或多次
　　?　　　　重复0次或1次
　　{n}　　　重复n次
　　{n,}　　重复n次以上
　　{n,m} 　　重复n次到m次，包括n，m次

　　当要匹配多个字符的时候，可以使用限定字符

　　　　　　例如：^\d{5}\w*$　　表示以5个数字开头的后面跟任意长度的字符（字母或数字或下划线）

4、字符类

　　匹配单个字符　　[abc]　　　　　　匹配所有a,b,c字符

　　　　　　　　　　[^acd]　　　　　 匹配所有的部位a,c,d的字符

　　　　　　　　　　[,.?!;'"]　　　　   匹配半角标点

　　　　　　　　　　[a-zA-Z0-9_]　　相当于\w

5、分枝条件

　　当有多个匹配条件的时候，可以使用　 '|'　　符号来连接几个条件，会优先匹配第一个

　　例如：\d{5}-\d{4}|\d{4}-\d{5}　　

　　　IP地址：　　((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

6、分组

　　后向引用：用于搜索前面匹配的结果

　　例如：在后面的匹配需要用到前面的匹配结果，

　　　　\b(?<name>\w+)\b\s+\k<name>\b　　　　匹配两个连续相同的单词

　　(exp)　　　　　　　　匹配exp表达式，并将匹配文本放到自动命名组里

　　(?<name>exp)　　　可对匹配的文本手动命名，并通过\k<name>引用，也可以吧尖括号换成单引号(?'name'exp)

　　(?:exp)　　　　　　　不获取文本，不分配组号

7、断言

　　1）正预测先行断言　　(?=exp)　　先匹配断言里面的表达式，匹配出之前的位置，再匹配外面的表达式，匹配结果不包含断言内容

　　　　例如：\d[0-9]*(?=9\b)　　先判断单词是否以9结束，在判断是否为全数字，匹配结果不包含9

　　　　　　78159　　匹配结果为　　7815　　断言位置在9之前

　　2）正回顾后发断言　　(?<=exp)　　匹配出之后的位置

　　　　例如：(?<=\bre)\w*　　匹配以 re 开头的单词，不包括re

　　　　　　I'm reading　　匹配结果为　　eading　　断言位置在re之后

　　3）负向零宽先行断言 　　(?!exp)

　　　　与正预测先行断言相似，只是匹配的条件为相反

　　　　例如：　　\d{3}(?!\d)　　　　　　匹配三位数字，而且这三位数字的后面不能是数字；

　　　　　　　　　\b((?!abc)\w)+\b　　　 匹配不包含连续字符串abc的单词。　　　　

　　4）负向零宽后发断言　　(?<!exp)

　　　　与郑回顾后发断言相似，匹配条件相反

　　　　例如：　　(?<![a-z])\d{7}　　　　匹配前面不是小写字母的七位数字。

8、注释

　　(?#comment)　　例如　　\d{3}(?!\d)(?#这里是注释)

9、贪婪匹配与懒惰匹配

　　在默认情况下，所有的匹配都会采取贪婪匹配，即匹配竟可能多的项

　　例如：　　a.*b　　匹配　　abaaababaa

　　　　默认情况下回匹配出　　abaaabab，　　而不是 ab,aaab,ab

　　在限定符后面加上?则可以竟可能少的匹配

　　　　　　a.*?　　匹配　　abaaababaa　　结果为 ab,aaab,ab

10、在.NET中使用

        Regex regex = new Regex(@"^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$", RegexOptions.Multiline | RegexOptions.IgnorePatternWhitespace);
        bool b = regex.IsMatch("44917929@qq.com");

　　在new Regex的时候，可以设置一些参数　　http://msdn.microsoft.com/zh-cn/library/system.text.regularexpressions.regexoptions.aspx

　　　　Compiled 　　　　　　　  　　　　指定将正则表达式编译为程序集。 这会产生更快的执行速度，但会增加启动时间。 
　　　　ExplicitCapture 　　　　  　　　　仅捕获显式命名的组
　　　　IgnoreCase 　　　　　　 　　　　指定不区分大小写的匹配。
　　　　None 　　　　　　　　 　　　　　匹配任何字符除了\n。^和$不起作用。
　　　　Singleline 　　　　　　　 　　　　匹配任何字符。^和$匹配整个字符串
　　　　Multiline 　　　　　　　　　　　　匹配任何字符除了\n。^和$匹配每行的开头和结尾。
　　　　IgnorePatternWhitespace 　　　忽略表达式中的非转义空白，并启用#标记注释

11、练习

　　　　1、非负整数 　　　　　^\d+$
　　　　2、正整数 　　　　　　^[1-9]*[1-9][0-9]*$
　　　　3、非正整数 　　　　　^(-\d+10)$
　　　　4、负整数 　　　　　　^-[1-9]*[1-9][0-9]*$
　　　　5、整数　　　　　　 　^-?\d+$
　　　　5、非负浮点数 　　　　^\d+(\.\d+)?$
　　　　6、正浮点数

　　　　7、长度为8-10的用户名（以字母或下划线开头） 　　　　　　　　　^[A-Za-z_]\w{7,9}$
　　　　8、电子邮件　　　　　　　　 　　　　　　　　　　　　　　　　　^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

　　　　9、一个没有属性的html标签的内容（例如<div>内容</div>）　　　(?<=<(\w+)>).*(?=<\/\1>)

参考文章：

http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#lookaround