C#正则表达式整理备忘

对正则表达式不错的总结，同样适用于Java等其他语言。

转载自：http://www.cnblogs.com/KissKnife/archive/2008/03/23/1118423.html

有一段时间，正则表达式学习很火热很潮流，当时在优快云一天就能看到好几个正则表达式的帖子，那段时间借助论坛以及Wrox Press出版的《C#字符串和正则表达式参考手册》学习了一些基础的知识，同时也为我在优快云大概赚了1000分，今天想起来，去找《C#字符串和正则表达式参考手册》时，已经不知所踪了。现在用到正则的时候也比较少，把以前的笔记等整理一下，以志不忘。

（1）“@”符号
符下两ows表研究室的火热，当晨在“@”虽然并非C#正则表达式的“成员”，但是它经常与C#正则表达式出双入对。“@”表示，跟在它后面的字符串是个“逐字字符串”，不是很好理解，举个例子，以下两个声明是等效的：
string x="D:\\My Huang\\My Doc";
string y = @"D:\My Huang\My Doc";
事实上，如果按如下声明，C#将会报错，因为“\”在C#中用于实现转义，如“\n”换行：
string x = "D:\My Huang\My Doc";

（2）基本的语法字符。
\d 0-9的数字
\D \d的补集（以所以字符为全集，下同），即所有非数字的字符
\w 单词字符，指大小写字母、0-9的数字、下划线
\W \w的补集
\s 空白字符，包括换行符\n、回车符\r、制表符\t、垂直制表符\v、换页符\f
\S \s的补集
. 除换行符\n外的任意字符
[…] 匹配[]内所列出的所有字符
[^…] 匹配非[]内所列出的字符
下面提供一些简单的示例：

stringi="\n";
stringm="3";
Regexr=newRegex(@"\D");
//同Regexr=newRegex("\\D");
//r.IsMatch(i)结果：true
//r.IsMatch(m)结果：false

stringi="%";
stringm="3";
Regexr=newRegex("[a-z0-9]");
//匹配小写字母或数字字符
//r.IsMatch(i)结果：false
//r.IsMatch(m)结果：true

（3）定位字符
“定位字符”所代表的是一个虚的字符，它代表一个位置，你也可以直观地认为“定位字符”所代表的是某个字符与字符间的那个微小间隙。
^ 表示其后的字符必须位于字符串的开始处
$ 表示其前面的字符必须位于字符串的结束处
\b 匹配一个单词的边界
\B 匹配一个非单词的边界
另外，还包括：\A 前面的字符必须位于字符处的开始处，\z 前面的字符必须位于字符串的结束处，\Z 前面的字符必须位于字符串的结束处，或者位于换行符前
下面提供一些简单的示例：

stringi="Livefornothing,dieforsomething";
Regexr1=newRegex("^Livefornothing,dieforsomething$");
//r1.IsMatch(i)true
Regexr2=newRegex("^Livefornothing,dieforsome$");
//r2.IsMatch(i)false
Regexr3=newRegex("^Livefornothing,dieforsome");
//r3.IsMatch(i)true

stringi=@"Livefornothing,
dieforsomething";//多行
Regexr1=newRegex("^Livefornothing,dieforsomething$");
Console.WriteLine("r1matchcount:"+r1.Matches(i).Count);//0
Regexr2=newRegex("^Livefornothing,dieforsomething$",RegexOptions.Multiline);
Console.WriteLine("r2matchcount:"+r2.Matches(i).Count);//0
Regexr3=newRegex("^Livefornothing,\r\ndieforsomething$");
Console.WriteLine("r3matchcount:"+r3.Matches(i).Count);//1
Regexr4=newRegex("^Livefornothing,$");
Console.WriteLine("r4matchcount:"+r4.Matches(i).Count);//0
Regexr5=newRegex("^Livefornothing,$",RegexOptions.Multiline);
Console.WriteLine("r5matchcount:"+r5.Matches(i).Count);//0
Regexr6=newRegex("^Livefornothing,\r\n$");
Console.WriteLine("r6matchcount:"+r6.Matches(i).Count);//0
Regexr7=newRegex("^Livefornothing,\r\n$",RegexOptions.Multiline);
Console.WriteLine("r7matchcount:"+r7.Matches(i).Count);//0
Regexr8=newRegex("^Livefornothing,\r$");
Console.WriteLine("r8matchcount:"+r8.Matches(i).Count);//0
Regexr9=newRegex("^Livefornothing,\r$",RegexOptions.Multiline);
Console.WriteLine("r9matchcount:"+r9.Matches(i).Count);//1
Regexr10=newRegex("^dieforsomething$");
Console.WriteLine("r10matchcount:"+r10.Matches(i).Count);//0
Regexr11=newRegex("^dieforsomething$",RegexOptions.Multiline);
Console.WriteLine("r11matchcount:"+r11.Matches(i).Count);//1
Regexr12=newRegex("^");
Console.WriteLine("r12matchcount:"+r12.Matches(i).Count);//1
Regexr13=newRegex("$");
Console.WriteLine("r13matchcount:"+r13.Matches(i).Count);//1
Regexr14=newRegex("^",RegexOptions.Multiline);
Console.WriteLine("r14matchcount:"+r14.Matches(i).Count);//2
Regexr15=newRegex("$",RegexOptions.Multiline);
Console.WriteLine("r15matchcount:"+r15.Matches(i).Count);//2
Regexr16=newRegex("^Livefornothing,\r$\n^dieforsomething$",RegexOptions.Multiline);
Console.WriteLine("r16matchcount:"+r16.Matches(i).Count);//1
//对于一个多行字符串，在设置了Multiline选项之后，^和$将出现多次匹配。

stringi="Livefornothing,dieforsomething";
stringm="Livefornothing,dieforsomething";
Regexr1=newRegex(@"\bthing\b");
Console.WriteLine("r1matchcount:"+r1.Matches(i).Count);//0
Regexr2=newRegex(@"thing\b");
Console.WriteLine("r2matchcount:"+r2.Matches(i).Count);//2
Regexr3=newRegex(@"\bthing\b");
Console.WriteLine("r3matchcount:"+r3.Matches(m).Count);//1
Regexr4=newRegex(@"\bforsomething\b");
Console.WriteLine("r4matchcount:"+r4.Matches(i).Count);//1
//\b通常用于约束一个完整的单词

（4）重复描述字符
“重复描述字符”是体现C#正则表达式“很好很强大”的地方之一：
{n} 匹配前面的字符n次
{n,} 匹配前面的字符n次或多于n次
{n,m} 匹配前面的字符n到m次
? 匹配前面的字符0或1次
+ 匹配前面的字符1次或多于1次
* 匹配前面的字符0次或式于0次
以下提供一些简单的示例：

stringx="1024";
stringy="+1024";
stringz="1,024";
stringa="1";
stringb="-1024";
stringc="10000";
Regexr=newRegex(@"^\+?[1-9],?\d{3}$");
Console.WriteLine("xmatchcount:"+r.Matches(x).Count);//1
Console.WriteLine("ymatchcount:"+r.Matches(y).Count);//1
Console.WriteLine("zmatchcount:"+r.Matches(z).Count);//1
Console.WriteLine("amatchcount:"+r.Matches(a).Count);//0
Console.WriteLine("bmatchcount:"+r.Matches(b).Count);//0
Console.WriteLine("cmatchcount:"+r.Matches(c).Count);//0
//匹配1000到9999的整数。

（5）择一匹配
C#正则表达式中的 (|) 符号似乎没有一个专门的称谓，姑且称之为“择一匹配”吧。事实上，像[a-z]也是一种择一匹配，只不过它只能匹配单个字符，而(|)则提供了更大的范围，(ab|xy)表示匹配ab或匹配xy。注意“|”与“()”在此是一个整体。下面提供一些简单的示例：

stringx="0";
stringy="0.23";
stringz="100";
stringa="100.01";
stringb="9.9";
stringc="99.9";
stringd="99.";
stringe="00.1";
Regexr=newRegex(@"^\+?((100(.0+)*)|([1-9]?[0-9])(\.\d+)*)$");
Console.WriteLine("xmatchcount:"+r.Matches(x).Count);//1
Console.WriteLine("ymatchcount:"+r.Matches(y).Count);//1
Console.WriteLine("zmatchcount:"+r.Matches(z).Count);//1
Console.WriteLine("amatchcount:"+r.Matches(a).Count);//0
Console.WriteLine("bmatchcount:"+r.Matches(b).Count);//1
Console.WriteLine("cmatchcount:"+r.Matches(c).Count);//1
Console.WriteLine("dmatchcount:"+r.Matches(d).Count);//0
Console.WriteLine("ematchcount:"+r.Matches(e).Count);//0
//匹配0到100的数。最外层的括号内包含两部分“(100(.0+)*)”，“([1-9]?[0-9])(\.\d+)*”，这两部分是“OR”的关系，即正则表达式引擎会先尝试匹配100，如果失败，则尝试匹配后一个表达式（表示[0,100)范围中的数字）。

（6）特殊字符的匹配
下面提供一些简单的示例：

stringx="\\";
Regexr1=newRegex("^\\\\$");
Console.WriteLine("r1matchcount:"+r1.Matches(x).Count);//1
Regexr2=newRegex(@"^\\$");
Console.WriteLine("r2matchcount:"+r2.Matches(x).Count);//1
Regexr3=newRegex("^\\$");
Console.WriteLine("r3matchcount:"+r3.Matches(x).Count);//0
//匹配“\”

stringx="\"";
Regexr1=newRegex("^\"$");
Console.WriteLine("r1matchcount:"+r1.Matches(x).Count);//1
Regexr2=newRegex(@"^""$");
Console.WriteLine("r2matchcount:"+r2.Matches(x).Count);//1
//匹配双引号

（7）组与非捕获组
以下提供一些简单的示例：

stringx="Livefornothing,dieforsomething";
stringy="Livefornothing,dieforsomebody";
Regexr=newRegex(@"^Live([a-z]{3})no([a-z]{5}),die\1some\2$");
Console.WriteLine("xmatchcount:"+r.Matches(x).Count);//1
Console.WriteLine("ymatchcount:"+r.Matches(y).Count);//0
//正则表达式引擎会记忆“()”中匹配到的内容，作为一个“组”，并且可以通过索引的方式进行引用。表达式中的“\1”，用于反向引用表达式中出现的第一个组，即粗体标识的第一个括号内容，“\2”则依此类推。

stringx="Livefornothing,dieforsomething";
Regexr=newRegex(@"^Liveforno([a-z]{5}),dieforsome\1$");
if(r.IsMatch(x))
{
Console.WriteLine("group1value:"+r.Match(x).Groups[1].Value);//输出：thing
}
//获取组中的内容。注意，此处是Groups[1]，因为Groups[0]是整个匹配的字符串，即整个变量x的内容。

stringx="Livefornothing,dieforsomething";
Regexr=newRegex(@"^Liveforno(?<g1>[a-z]{5}),dieforsome\1$");
if(r.IsMatch(x))
{
Console.WriteLine("group1value:"+r.Match(x).Groups["g1"].Value);//输出：thing
}
//可根据组名进行索引。使用以下格式为标识一个组的名称(?<groupname>…)。

stringx="Livefornothingnothing";
Regexr=newRegex(@"([a-z]+)\1");
if(r.IsMatch(x))
{
x=r.Replace(x,"$1");
Console.WriteLine("varx:"+x);//输出：Livefornothing
}
//删除原字符串中重复出现的“nothing”。在表达式之外，使用“$1”来引用第一个组，下面则是通过组名来引用：
stringx="Livefornothingnothing";
Regexr=newRegex(@"(?<g1>[a-z]+)\1");
if(r.IsMatch(x))
{
x=r.Replace(x,"${g1}");
Console.WriteLine("varx:"+x);//输出：Livefornothing
}

stringx="Livefornothing";
Regexr=newRegex(@"^Liveforno(?:[a-z]{5})$");
if(r.IsMatch(x))
{
Console.WriteLine("group1value:"+r.Match(x).Groups[1].Value);//输出：(空)
}
//在组前加上“?:”表示这是个“非捕获组”，即引擎将不保存该组的内容。

（8）贪婪与非贪婪
正则表达式的引擎是贪婪，只要模式允许，它将匹配尽可能多的字符。通过在“重复描述字符”（*,+）后面添加“?”，可以将匹配模式改成非贪婪。请看以下示例：

stringx="Livefornothing,dieforsomething";
Regexr1=newRegex(@".*thing");
if(r1.IsMatch(x))
{
Console.WriteLine("match:"+r1.Match(x).Value);//输出：Livefornothing,dieforsomething
}
Regexr2=newRegex(@".*?thing");
if(r2.IsMatch(x))
{
Console.WriteLine("match:"+r2.Match(x).Value);//输出：Livefornothing
}

（9）回溯与非回溯
使用“(?>…)”方式进行非回溯声明。由于正则表达式引擎的贪婪特性，导致它在某些情况下，将进行回溯以获得匹配，请看下面的示例：

stringx="Livefornothing,dieforsomething";
Regexr1=newRegex(@".*thing,");
if(r1.IsMatch(x))
{
Console.WriteLine("match:"+r1.Match(x).Value);//输出：Livefornothing,
}
Regexr2=newRegex(@"(?>.*)thing,");
if(r2.IsMatch(x))//不匹配
{
Console.WriteLine("match:"+r2.Match(x).Value);
}
//在r1中，“.*”由于其贪婪特性，将一直匹配到字符串的最后，随后匹配“thing”，但在匹配“,”时失败，此时引擎将回溯，并在“thing,”处匹配成功。
在r2中，由于强制非回溯，所以整个表达式匹配失败。

（10）正向预搜索、反向预搜索
正向预搜索声明格式：正声明 “(?=…)”，负声明 “(?!...)” ，声明本身不作为最终匹配结果的一部分，请看下面的示例：

stringx="1024used2048free";
Regexr1=newRegex(@"\d{4}(?=used)");
if(r1.Matches(x).Count==1)
{
Console.WriteLine("r1match:"+r1.Match(x).Value);//输出：1024
}
Regexr2=newRegex(@"\d{4}(?!used)");
if(r2.Matches(x).Count==1)
{
Console.WriteLine("r2match:"+r2.Match(x).Value);//输出：2048
}
//r1中的正声明表示必须保证在四位数字的后面必须紧跟着“used”，r2中的负声明表示四位数字之后不能跟有“used”。

反向预搜索声明格式：正声明“(?<=)”，负声明“(?<!)”，声明本身不作为最终匹配结果的一部分，请看下面的示例：

stringx="used:1024free:2048";
Regexr1=newRegex(@"(?<=used:)\d{4}");
if(r1.Matches(x).Count==1)
{
Console.WriteLine("r1match:"+r1.Match(x).Value);//输出：1024
}
Regexr2=newRegex(@"(?<!used:)\d{4}");
if(r2.Matches(x).Count==1)
{
Console.WriteLine("r2match:"+r2.Match(x).Value);//输出：2048
}
//r1中的反向正声明表示在4位数字之前必须紧跟着“used:”，r2中的反向负声明表示在4位数字之前必须紧跟着除“used:”之外的字符串。

（11）十六进制字符范围
正则表达式中，可以使用 "\xXX" 和 "\uXXXX" 表示一个字符（"X" 表示一个十六进制数）形式字符范围：
\xXX 编号在 0到255 范围的字符，比如：空格可以使用 "\x20" 表示。
\uXXXX 任何字符可以使用 "\u" 再加上其编号的4位十六进制数表示，比如：汉字可以使用“[\u4e00-\u9fa5]”表示。

（12）对[0,100]的比较完备的匹配
下面是一个比较综合的示例，对于匹配[0,100]，需要特殊考虑的地方包括
*00合法，00.合法，00.00合法，001.100合法
*空字符串不合法，仅小数点不合法，大于100不合法
*数值是可带后缀的，如“1.07f”表示该值为一个float类型（未考虑）

Regexr=newRegex(@"^\+?0*(?:100(\.0*)?|(\d{0,2}(?=\.\d)|\d{1,2}(?=($|\.$)))(\.\d*)?)$");
stringx="";
while(true)
{
x=Console.ReadLine();
if(x!="exit")
{
if(r.IsMatch(x))
{
Console.WriteLine(x+"succeed!");
}
else
{
Console.WriteLine(x+"failed!");
}
}
else
{
break;
}
}

（13）精确匹配有时候是困难的
有些需求要做到精确匹配比较困难，例如：日期、Url、Email地址等，其中一些你甚至需要研究一些专门的文档写出精确完备的表达式，对于这种情况，只能退而求其次，保证比较精确的匹配。例如对于日期，可以基于应用系统的实际情况考虑一段较短的时间，或者对于像Email的匹配，可以只考虑最常见的形式。