正则表达式基础

 

下面的内容来自于微软的官网。

“正则表达式”描述在搜索文本正文时要匹配的一个或多个字符串。 该表达式可用作一个将字符模式与要搜索的字符串相匹配的模板。正则表达式包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”）。

1，特殊字符

下表包含了单字符元字符的列表以及它们在正则表达式中的行为。

注意：若要匹配这些特殊字符之一，必须首先转义字符，即，在字符前面加反斜杠字符 (\)。 例如，若要搜索“+”文本字符，可使用表达式“\+”。

元字符	行为	示例
*	零次或多次匹配前面的字符或子表达式。 等效于 {0,}。	zo* 与“z”和“zoo”匹配。
+	一次或多次匹配前面的字符或子表达式。 等效于 {1,}。	zo+ 与“zo”和“zoo”匹配，但与“z”不匹配。
?	零次或一次匹配前面的字符或子表达式。 等效于 {0,1}。 当 ? 紧随任何其他限定符（*、+、?、{n}、{n,} 或 {n,m}）之后时，匹配模式是非贪婪的。 非贪婪模式匹配搜索到的、尽可能少的字符串， 而默认的贪婪模式匹配搜索到的、尽可能多的字符串。	zo? 与“z”和“zo”匹配，但与“zoo”不匹配。 o+? 只与“oooo”中的单个“o”匹配，而 o+ 与所有“o”匹配。 do(es)? 与“do”或“does”中的“do”匹配。
^	匹配搜索字符串开始的位置。 如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 后面的位置。 如果将 ^ 用作括号表达式中的第一个字符，则会对字符集求反。	^\d{3} 与搜索字符串开始处的 3 个数字匹配。 [^abc] 与除 a、b 和 c 以外的任何字符匹配。
$	匹配搜索字符串结尾的位置。 如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 前面的位置。	\d{3}$ 与搜索字符串结尾处的 3 个数字匹配。
.	匹配除换行符 \n 之外的任何单个字符。 若要匹配包括 \n 在内的任意字符，请使用诸如 [\s\S] 之类的模式。	a.c 与“abc”、“a1c”和“a-c”匹配。
[]	标记括号表达式的开始和结尾。	[1-4] 与“1”、“2”、“3”或“4”匹配。[^aAeEiIoOuU] 与任何非元音字符匹配。
{}	标记限定符表达式的开始和结尾。	a{2,3} 与“aa”和“aaa”匹配。
()	标记子表达式的开始和结尾。 可以保存子表达式以备将来之用。	A(\d) 与“A0”至“A9”匹配。 保存该数字以备将来之用。
|	指示在两个或多个项之间进行选择。	z|food 与“z”或“food”匹配。 (z|f)ood与“zood”或“food”匹配。
/	表示 JScript 中的文本正则表达式模式的开始或结尾。 在第二个“/”后添加单字符标志可以指定搜索行为。	/abc/gi 是与“abc”匹配的 JScript 文本正则表达式。 g（全局）标志指定查找模式的所有匹配项，i（忽略大小写）标志使搜索不区分大小写。
\	将下一字符标记为特殊字符、文本、反向引用或八进制转义符。	\n 与换行符匹配。 \( 与“(”匹配。 \\与“\”匹配。

大多数特殊字符在括号表达式内出现时失去它们的意义，并表示普通字符。 有关更多信息，请参见匹配字符的列表中的“括号表达式中的字符”。

2，元字符

下表包含了多字符元字符的列表以及它们在正则表达式中的行为。

元字符	行为	示例
\b	与一个字边界匹配；即字与空格间的位置。	er\b 与“never”中的“er”匹配，但与“verb”中的“er”不匹配。
\B	非边界字匹配。	er\B 与“verb”中的“er”匹配，但与“never”中的“er”不匹配。
\d	数字字符匹配。 等效于 [0-9]。	在搜索字符串“12 345”中，\d{2}与“12”和“34”匹配。 \d与“1”、“2”、“3”、“4”和“5”匹配。
\D	非数字字符匹配。 等效于 [^0-9]。	\D+ 与“abc123 def”中的“abc”和“def”匹配。
\w	与以下任意字符匹配：A-Z、a-z、0-9 和下划线。 等效于 [A-Za-z0-9_]。	在搜索字符串“The quick brown fox…”中，\w+与“The”、“quick”、“brown”和“fox”匹配。
\W	与除 A-Z、a-z、0-9 和下划线以外的任意字符匹配。 等效于 [^A-Za-z0-9_]。	在搜索字符串“The quick brown fox…”中，\W+ 与“…”和所有空格匹配。
[xyz]	字符集。 与任何一个指定字符匹配。	[abc] 与“plain”中的“a”匹配。
[^xyz]	反向字符集。 与未指定的任何字符匹配。	[^abc] 与“plain”中的“p”、“l”、“i”和“n”匹配。
[a-z]	字符范围。 匹配指定范围内的任何字符。	[a-z] 与“a”到“z”范围内的任何小写字母字符匹配。
[^a-z]	反向字符范围。 与不在指定范围内的任何字符匹配。	[^a-z] 与不在范围“a”到“z”内的任何字符匹配。
{n}	正好匹配 n 次。 n 是非负整数。	o{2} 与“Bob”中的“o”不匹配，但与“food”中的两个“o”匹配。
{n,}	至少匹配 n 次。 n 是非负整数。 * 与 {0,} 相等。 + 与 {1,} 相等。	o{2,} 与“Bob”中的“o”不匹配，但与“foooood”中的所有“o”匹配。
{n,m}	匹配至少 n 次，至多 m 次。 n 和 m 是非负整数，其中 n <=m。 逗号和数字之间不能有空格。 ? 与 {0,1} 相等。	在搜索字符串“1234567”中，\d{1,3}与“123”、“456”和“7”匹配。
(模式)	与模式 匹配并保存匹配项。 您可以从由 JScript 中的 exec Method返回的数组元素中检索保存的匹配项。 若要匹配括号字符 ( )，请使用“\(”或者“\)”。	(Chapter|Section) [1-9] 与“Chapter 5”匹配，保存“Chapter”以备将来之用。
(?:模式)	与模式 匹配，但不保存匹配项；即不会存储匹配项以备将来之用。 这对于用“or”字符 (|) 组合模式部件的情况很有用。	industr(?:y|ies) 与 industry|industries 相等。
(?=模式)	正预测先行。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。	^(?=.*\d).{4,8}$ 对密码应用以下限制：其长度必须介于 4 到 8 个字符之间，并且必须至少包含一个数字。 在该模式中，.*\d 查找后跟有数字的任意多个字符。 对于搜索字符串“abc3qr”，这与“abc3”匹配。 从该匹配项之前（而不是之后）开始，.{4,8}与包含 4-8 个字符的字符串匹配。 这与“abc3qr”匹配。 ^ 和 $ 指定搜索字符串的开始和结束位置。 这将在搜索字符串包含匹配字符之外的任何字符时阻止匹配。
(?!模式)	负预测先行。 匹配与模式 不匹配的搜索字符串。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。	\b(?!th)\w+\b 与不以“th”开头的单词匹配。 在该模式中，\b 与一个字边界匹配。 对于搜索字符串“ quick ”，这与第一个空格匹配。(?!th) 与非“th”字符串匹配。 这与“qu”匹配。 从该匹配项开始，\w+ 与一个字匹配。 这与“quick”匹配。
\cx	匹配 x 指示的控制字符。 x 的值必须在 A-Z 或 a-z 范围内。如果不是这样，则假定 c 就是文本“c”字符本身。	\cM 与 Ctrl+M 或一个回车符匹配。
\xn	匹配 n，此处的 n 是一个十六进制转义码。 十六进制转义码必须正好是两位数长。 允许在正则表达式中使用 ASCII 代码。	\x41 与“A”匹配。 \x041 等效于后跟有“1”的“\x04”（因为 n 必须正好是两位数）。
\num	匹配 num，此处的 num 是一个正整数。 这是对已保存的匹配项的引用。	(.)\1 与两个连续的相同字符匹配。
\n	标识一个八进制转义码或反向引用。 如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。 否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。	(\d)\1 与两个连续的相同数字匹配。
\nm	标识一个八进制转义码或反向引用。 如果 \nm 前面至少有 nm个捕获子表达式，那么 nm 是反向引用。 如果 \nm 前面至少有n 个捕获子表达式，则 n 是反向引用，后面跟有文本 m。 如果上述情况都不存在，当 n 和 m 是八进制数字 (0-7) 时，\nm匹配八进制转义码 nm。	\11 与制表符匹配。
\nml	当 n 是八进制数字 (0-3)，m 和 l 是八进制数字 (0-7) 时，匹配八进制转义码 nml。	\011 与制表符匹配。
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。	\u00A9 与版权符号 (©) 匹配。

3，非打印字符

下表包含表示非打印字符的转义序列。

字符	匹配	等效于
\f	换页符。	\x0c 和 \cL
\n	换行符。	\x0a 和 \cJ
\r	回车符。	\x0d 和 \cM
\s	任何空白字符。 其中包括空格、制表符和换页符。	[ \f\n\r\t\v]
\S	任何非空白字符。	[^ \f\n\r\t\v]
\t	Tab 字符。	\x09 和 \cI
\v	垂直制表符。	\x0b 和 \cK

4，优先级顺序

正则表达式的计算方式与算术表达式非常类似；即从左到右进行计算，并遵循优先级顺序。

下表按从高到低的顺序包含了正则表达式运算符的优先级顺序。

运算符	说明
\	转义符
(), (?:), (?=), []	括号和中括号
*、+、?、{n}、{n,}、{n,m}	限定符
^、$、\任何元字符	定位点和序列
|	替换

字符具有高于替换运算符的优先级，例如，允许“m|food”匹配“m”或“food”。

5，语法补充

1）(?<捕获组名称>)\k<捕获组名称>——用名称来引用分组

关于分组的详细用法，可以参考整理的这篇文章：http://www.cnblogs.com/xiashengwang/p/3988573.html

2）设置正则表达式的选项

i——所执行的匹配是不区分大小写的（.net中的属性为IgnoreCase）

m——指定多行模式（.net中的属性为Multiline）
n——只捕获显示命名或编号的组（.net中的属性为ExplicitCapture）

c——编译正则表达式，这样会产生较快的执行速度，但启动会变慢（.net中的属性为Compiled）
s——指定单行模式（.net中的属性为SingleLine）

x——消除非转义空白字符和注释（.net中的属性为IgnorePatternWhitespace）
r——搜索从右到左进行（.net中的属性为RightToLeft）

-——表示禁用。
eg.(?im-r:sophia)允许不区分大小写匹配sophia，使用多行模式，但禁用了从右到左的匹配。

注意：
1.m会影响如何解析起始元字符（^）和结束元字符（$）。
在默认情况^和$只匹配整个字符串的开头，即使字符串包含多行文本。如果启用了m,那么它们就可以匹配每行文本的开头和结尾。

2.s会影响如何解析句点元字符（.）。通常一个句点能匹配除了换行符以外的所有字符。但在单行模式下，句点也能匹配一个换行符。