C#中的 正则表达式
C#中的 正则表达式
String 类包括许多字符串搜索和替换方法,当你要在较大字符串中定位文本字符串时,可以使用这些方法。 当你希望在较大字符串中定位若干子字符串之一时,或者当你希望在字符串中标识模式时,正则表达式最有用,,以下主要介绍下C#正则表达式的用法:
字符转义
正则表达式中的反斜杠字符 () 指示其后跟的字符是特殊字符(如下表所示),或应按原义解释该字符。 | 转义字符 | 描述 | 模式 | 匹配
描述
匹配 | \a | 与报警 (bell) 符 \u0007 匹配。 | \a | “Error!”+“\u0007”中的“\u0007”
与报警 (bell) 符 \u0007 匹配。
“Error!”+“\u0007”中的“\u0007” | \b | 在字符类中,与退格键 \u0008 匹配。 | [\b]{3,} | “\b\b\b\b”中的“\b\b\b\b”
在字符类中,与退格键 \u0008 匹配。
“\b\b\b\b”中的“\b\b\b\b” | \t | 与制表符 \u0009 匹配。 | (\w+)\t | “item1\titem2\t”中的“item1\t”和“item2\t”
与制表符 \u0009 匹配。
“item1\titem2\t”中的“item1\t”和“item2\t” | \r | 与回车符 \u000D 匹配。 (\r 与换行符 \n 不是等效的。) | \r\n(\w+) | “\r\nThese are\ntwo lines.”中的“\r\nThese”
与回车符 \u000D 匹配。 (\r 与换行符 \n 不是等效的。)
“\r\nThese are\ntwo lines.”中的“\r\nThese” | \v | 与垂直制表符 \u000B 匹配。 | [\v]{2,} | “\v\v\v”中的“\v\v\v”
与垂直制表符 \u000B 匹配。
“\v\v\v”中的“\v\v\v” | \f | 与换页符 \u000C 匹配。 | [\f]{2,} | “\f\f\f”中的“\f\f\f”
与换页符 \u000C 匹配。
“\f\f\f”中的“\f\f\f” | \n | 与换行符 \u000A 匹配。 | \r\n(\w+) | “\r\nThese are\ntwo lines.”中的“\r\nThese”
与换行符 \u000A 匹配。
“\r\nThese are\ntwo lines.”中的“\r\nThese” | \e | 与转义符 \u001B 匹配。 | \e | “\x001B”中的“\x001B”
与转义符 \u001B 匹配。
“\x001B”中的“\x001B” | **nnn | 使用八进制表示形式指定字符(nnn** 由二位或三位数字组成)。 | \w\040\w | “a bc d”中的 “a b”和“c d”
使用八进制表示形式指定字符(nnn 由二位或三位数字组成)。
“a bc d”中的 | \x**nn | 使用十六进制表示形式指定字符(nn** 恰好由两位数字组成)。 | \w\x20\w | “a bc d”中的 “a b”和“c d”
使用十六进制表示形式指定字符(nn 恰好由两位数字组成)。
“a bc d”中的 | \c**X \c**x | 匹配 X 或 x 指定的 ASCII 控件字符,其中 X 或 x 是控件字符的字母。 | \cC | “\x0003”中的“\x0003”(Ctrl-C)
\c**x**
\cC | \u**nnnn | 使用十六进制表示形式匹配 Unicode 字符(由 nnnn** 正确表示的四位数)。 | \w\u0020\w | “a bc d”中的 “a b”和“c d”
使用十六进制表示形式匹配 Unicode 字符(由 nnnn 正确表示的四位数)。
“a bc d”中的 | \ | 在后面带有不识别为本主题的此表和其他表中的转义符的字符时,与该字符匹配。 例如,* 与 \x2A 相同,而 . 与 \x2E 相同。 这允许正则表达式引擎区分语言元素(如 或 ?) 和字符文本(用 \ 或 \?表示)。 | \d+[+-x*]\d+ | “(2+2) 39”中的“2+2”和“3*9”
在后面带有不识别为本主题的此表和其他表中的转义符的字符时,与该字符匹配。 例如,* 与 \x2A 相同,而 . 与 \x2E 相同。 这允许正则表达式引擎区分语言元素(如 或 ?) 和字符文本(用 \ 或 \?表示)。
“(2+2) 39”中的“2+2”和“3*9”
字符类
字符类与一组字符中的任何一个字符匹配。 字符类包括下表中列出的语言元素。 | 字符类 | 描述 | 模式 | 匹配
描述
匹配 | [**character_group**] | 匹配 character_group 中的任何单个字符。 默认情况下,匹配区分大小写。 | [ae] | “gray”中的“a” “lane”中的“a”和“e”
匹配 character_group 中的任何单个字符。 默认情况下,匹配区分大小写。
“gray”中的“a” | [^**character_group**] | 求反:与不在 character_group 中的任何单个字符匹配。 默认情况下,character_group 中的字符区分大小写。 | [^aei] | “reign”中的“r”、“g”和“n”
求反:与不在 character_group 中的任何单个字符匹配。 默认情况下,character_group 中的字符区分大小写。
“reign”中的“r”、“g”和“n” | [**第一个-last**] | 字符范围:与从第一个到最后一个的范围中的任何单个字符匹配。 | [A-Z] | “AB123”中的“A”和“B”
字符范围:与从第一个到最后一个的范围中的任何单个字符匹配。
“AB123”中的“A”和“B” | . | 通配符:与除 \n 之外的任何单个字符匹配。 若要匹配文本句点字符(. 或 \u002E),你必须在该字符前面加上转义符 (.)。 | a.e | “nave”中的“ave” “water”中的“ate”
通配符:与除 \n 之外的任何单个字符匹配。
a.e
“water”中的“ate” | \p{**name**} | 与 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。 | \p{Lu} \p{IsCyrillic} | “City Lights”中的“C”和“L” “ДЖem”中的“Д”和“Ж”
与 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。
\p{IsCyrillic}
“ДЖem”中的“Д”和“Ж” | \P{**name**} | 与不在 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。 | \P{Lu} \P{IsCyrillic} | “City”中的“i”、“t”和“y” “ДЖem”中的“e”和“m”
与不在 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。
\P{IsCyrillic}
“ДЖem”中的“e”和“m” | \w | 与任何单词字符匹配。 | \w | “ID A1.3”中的“I”、“D”、“A”、“1”和“3”
与任何单词字符匹配。
“ID A1.3”中的“I”、“D”、“A”、“1”和“3” | \W | 与任何非单词字符匹配。 | \W | “ID A1.3”中的“ ”、“.”
与任何非单词字符匹配。
“ID A1.3”中的“ ”、“.” | \s | 与任何空白字符匹配。 | \w\s | “ID A1.3”中的“D”
与任何空白字符匹配。
“ID A1.3”中的“D” | \S | 与任何非空白字符匹配。 | \s\S | " _" in "int __ctr"
与任何非空白字符匹配。
" _" in "int __ctr" | \d | 与任何十进制数字匹配。 | \d | “4 = IV”中的“4”
与任何十进制数字匹配。
“4 = IV”中的“4” | \D | 匹配不是十进制数的任意字符。 | \D | “4 = IV”中的“ ”、“=”、“ ”、“I”和“V”
匹配不是十进制数的任意字符。
“4 = IV”中的“ ”、“=”、“ ”、“I”和“V”
定位点
定位点或原子零宽度断言会使匹配成功或失败,具体取决于字符串中的当前位置,但它们不会使引擎在字符串中前进或使用字符。 下表中列出的元字符是定位点。 | 断言 | 描述 | 模式 | 匹配
描述
匹配 | ^ | 匹配必须从字符串或一行的开头开始。 | ^\d{3} | “901” “901-”
匹配必须从字符串或一行的开头开始。
“901” | $ | 匹配必须出现在字符串的末尾或出现在行或字符串末尾的 \n 之前。 | -\d{3}$ | “-333” “-333”
匹配必须出现在字符串的末尾或出现在行或字符串末尾的 \n 之前。
“-333” | \A | 匹配必须出现在字符串的开头。 | \A\d{3} | “901” “901-”
匹配必须出现在字符串的开头。
“901” | \Z | 匹配必须出现在字符串的末尾或出现在字符串末尾的 \n 之前。 | -\d{3}\Z | “-333” “-333”
匹配必须出现在字符串的末尾或出现在字符串末尾的 \n 之前。
“-333” | \z | 匹配必须出现在字符串的末尾。 | -\d{3}\z | “-333” “-333”
匹配必须出现在字符串的末尾。
“-333” | \G | 匹配必须出现在上一个匹配结束的地方。 | \G(\d) | “(1)(3)(5)7”中的“(1)”、“(3)”、“(5)”
匹配必须出现在上一个匹配结束的地方。
“(1)(3)(5)7”中的“(1)”、“(3)”、“(5)” | \b | 匹配必须出现在 \w(字母数字)和 \W(非字母数字)字符之间的边界上。 | \b\w+\s\w+\b | “them theme them them”中的“them theme”、“them them”
匹配必须出现在 \w(字母数字)和 \W(非字母数字)字符之间的边界上。
“them theme them them”中的“them theme”、“them them” | \B | 匹配不得出现在 \b 边界上。 | \Bend\w*\b | “end sends endure lender”中的“ends”和“ender”
匹配不得出现在 \b 边界上。
“end sends endure lender”中的“ends”和“ender”
分组构造
分组构造描述了正则表达式的子表达式,通常用于捕获输入字符串的子字符串。 分组构造包括下表中列出的语言元素。 | 分组构造 | 描述 | 模式 | 匹配
描述
匹配 | (**子表达式**) | 捕获匹配的子表达式并将其分配到一个从 1 开始的序号中。 | (\w)\1 | “deep”中的“ee”
捕获匹配的子表达式并将其分配到一个从 1 开始的序号中。
“deep”中的“ee” | (?< 名称**> 子表达式**) | 将匹配的子表达式捕获到一个命名组中。 | (?<double>\w)\k<double> | “deep”中的“ee”
将匹配的子表达式捕获到一个命名组中。
“deep”中的“ee” | (?< 名称 1 -**名称 2 > 子表达式**) | 定义平衡组定义。 有关详细信息,请参阅正则表达式中的分组构造中的“平衡组定义”部分。 | (((?'Open'()[^()])+((?'Close-Open'))[^()])+)(?(Open)(?!))$ | “3+2^((1-3)(3-1))”中的“((1-3)*(3-1))”
定义平衡组定义。 有关详细信息,请参阅正则表达式中的分组构造中的“平衡组定义”部分。
“3+2^((1-3)(3-1))”中的“((1-3)(3-1))” | (?: 子表达式**)** | 定义非捕获组。 | Write(?:Line)? | “Console.WriteLine()”中的“WriteLine” “Console.Write(value)”中的“Write”
定义非捕获组。
“Console.WriteLine()”中的“WriteLine” | (?imnsx-imnsx: 子表达式**) | 应用或禁用子表达式**中指定的选项。 有关详细信息,请参阅正则表达式选项。 | A\d{2}(?i:\w+)\b | “A12xl A12XL a12xl”中的“A12xl”和“A12XL”
应用或禁用子表达式中指定的选项。 有关详细信息,请参阅正则表达式选项。
“A12xl A12XL a12xl”中的“A12xl”和“A12XL” | (?= 子表达式**)** | 零宽度正预测先行断言。 | \w+(?=.) | “He is. The dog ran. The sun is out.”中的“is”、“ran”和“out”
零宽度正预测先行断言。
“He is. The dog ran. The sun is out.”中的“is”、“ran”和“out” | (?! 子表达式**)** | 零宽度负预测先行断言。 | \b(?!un)\w+\b | “unsure sure unity used”中的“sure”和“used”
零宽度负预测先行断言。
“unsure sure unity used”中的“sure”和“used” | (?<= 子表达式**)** | 零宽度正回顾后发断言。 | (?<=19)\d{2}\b | “1851 1999 1950 1905 2003”中的“99”、“50”和“05”
零宽度正回顾后发断言。
“1851 1999 1950 1905 2003”中的“99”、“50”和“05” | (?<! 子表达式**)** | 零宽度负回顾后发断言。 | (?<!19)\d{2}\b | “1851 1999 1950 1905 2003”中的“51”和“03”
零宽度负回顾后发断言。
“1851 1999 1950 1905 2003”中的“51”和“03” | (?> 子表达式**)** | 非回溯(也称为“贪婪”)子表达式。 | 13579 | “1ABB 3ABBC 5AB 5AC”中的“1ABB”、“3ABB”和“5AB”
非回溯(也称为“贪婪”)子表达式。
“1ABB 3ABBC 5AB 5AC”中的“1ABB”、“3ABB”和“5AB”
数量词
限定符指定在输入字符串中必须存在上一个元素(可以是字符、组或字符类)的多少个实例才能出现匹配项。 限定符包括下表中列出的语言元素。 | 限定符 | 描述 | 模式 | 匹配
描述
匹配 | * | 匹配上一个元素零次或多次。 | \d*.\d | “.0”,“19.9”和“219.9”
匹配上一个元素零次或多次。
“.0”,“19.9”和“219.9” | + | 匹配上一个元素一次或多次。 | "be+" | “been”中的“bee”,“bent”中的“be”
匹配上一个元素一次或多次。
“been”中的“bee”,“bent”中的“be” | ? | 匹配上一个元素零次或一次。 | "rai?n" | “ran”和“rain”
匹配上一个元素零次或一次。
“ran”和“rain” | {**n**} | 匹配上一个元素恰好 n 次。 | ",\d{3}" | “1,043.6”中的“,043”,“9,876,543,210”中的“,876”、“,543”和“,210”
匹配上一个元素恰好 n 次。
“1,043.6”中的“,043”,“9,876,543,210”中的“,876”、“,543”和“,210” | {**n**,} | 匹配上一个元素至少 n 次。 | "\d{2,}" | “166”,“29”和“1930”
匹配上一个元素至少 n 次。
“166”,“29”和“1930” | {**n,m**} | 匹配上一个元素至少 n 次,但不多于 m次。 | "\d{3,5}" | “166”、“17668” “193024”中的“19302”
匹配上一个元素至少 n 次,但不多于 m次。
“166”、“17668” | *? | 匹配上一个元素零次或多次,但次数尽可能少。 | \d*?.\d | “.0”,“19.9”和“219.9”
匹配上一个元素零次或多次,但次数尽可能少。
“.0”,“19.9”和“219.9” | +? | 匹配上一个元素一次或多次,但次数尽可能少。 | "be+?" | “been”中的“be”,“bent”中的“be”
匹配上一个元素一次或多次,但次数尽可能少。
“been”中的“be”,“bent”中的“be” | ?? | 匹配上一个元素零次或一次,但次数尽可能少。 | "rai??n" | “ran”和“rain”
匹配上一个元素零次或一次,但次数尽可能少。
“ran”和“rain” | {**n**}? | 匹配前面的元素恰好 n 次。 | ",\d{3}?" | “1,043.6”中的“,043”,“9,876,543,210”中的“,876”、“,543”和“,210”
匹配前面的元素恰好 n 次。
“1,043.6”中的“,043”,“9,876,543,210”中的“,876”、“,543”和“,210” | {**n**,}? | 匹配上一个元素至少 n 次,但次数尽可能少。 | "\d{2,}?" | “166”,“29”和“1930”
匹配上一个元素至少 n 次,但次数尽可能少。
“166”,“29”和“1930” | {**n,m**}? | 匹配上一个元素的次数介于 n 和 m 之间,但次数尽可能少。 | "\d{3,5}?" | “166”、“17668” “193024”中的“193”、“024”
匹配上一个元素的次数介于 n 和 m 之间,但次数尽可能少。
“166”、“17668”
反向引用构造
反向引用允许在同一正则表达式中随后标识以前匹配的子表达式。 下表列出了 .NET Framework 的正则表达式支持的反向引用构造。 | 反向引用构造 | 描述 | 模式 | 匹配
描述
匹配 | **数值** | 后向引用。 匹配编号子表达式的值。 | (\w)\1 | “seek”中的“ee”
后向引用。 匹配编号子表达式的值。
“seek”中的“ee” | \k<**name**> | 命名后向引用。 匹配命名表达式的值。 | (?<char>\w)\k<char> | “seek”中的“ee”
命名后向引用。 匹配命名表达式的值。
“seek”中的“ee”
替换构造
替换构造用于修改正则表达式以启用 either/or 匹配。 这些构造包括下表中列出的语言元素。 | 替换构造 | 描述 | 模式 | 匹配
描述
匹配 | | | 匹配以竖线 (|) 字符分隔的任何一个元素。 | th(e|is|at) | “this is the day.”中的“the”和“this” "
匹配以竖线 (|) 字符分隔的任何一个元素。
“this is the day.”中的“the”和“this” " | (?(**表达式)是|no**) | 如果正则表达式模式由 expression 匹配指定,则匹配 yes;否则,匹配可选 no 部分。 expression 被解释为零宽度断言。 | (?(A)A\d{2}\b|\b\d{3}\b) | “A10 C103 910”中的“A10”和“910”
如果正则表达式模式由 expression 匹配指定,则匹配 yes;否则,匹配可选 no 部分。 expression 被解释为零宽度断言。
“A10 C103 910”中的“A10”和“910” | (?(**name)是|no**) | 如果 name(已命名或已编号的捕获组)具有匹配,则匹配 yes;否则,匹配可选 no。 | (?<quoted>")?(?(quoted).+?"|\S+\s) | “Dogs.jpg "Yiska playing.jpg"”中的 Dogs.jpg 和 "Yiska playing.jpg"
如果 name(已命名或已编号的捕获组)具有匹配,则匹配 yes;否则,匹配可选 no。
“Dogs.jpg "Yiska playing.jpg"”中的 Dogs.jpg 和 "Yiska playing.jpg"
替代
替换是替换模式中支持的正则表达式语言元素。 | 字符 | 描述 | 模式 | 替换模式 | 输入字符串 | 结果字符串
描述
替换模式
结果字符串 | $**数值 | 替换按组 number** 匹配的子字符串。 | \b(\w+)(\s)(\w+)\b | $3$2$1 | "one two" | "two one"
替换按组 number 匹配的子字符串。
$3$2$1
"two one" | ${**name**} | 替换按命名组 name 匹配的子字符串。 | \b(?<word1>\w+)(\s)(?<word2>\w+)\b | ${word2} ${word1} | "one two" | "two one"
替换按命名组 name 匹配的子字符串。
${word2} ${word1}
"two one" | $$ | 替换字符“$”。 | \b(\d+)\s?USD | $$$1 | “103 USD” | “$103”
替换字符“$”。
$$$1
“$103” | $& | 替换整个匹配项的一个副本。 | \$?\d*.?\d+ | $& | "$1.30" | “$1.30”
替换整个匹配项的一个副本。
$&
“$1.30” | $` | 替换匹配前的输入字符串的所有文本。 | B+ | $` | “AABBCC” | “AAAACC”
替换匹配前的输入字符串的所有文本。
$`
“AAAACC” | $' | 替换匹配后的输入字符串的所有文本。 | B+ | $' | “AABBCC” | “AACCCC”
替换匹配后的输入字符串的所有文本。
$'
“AACCCC” | $+ | 替换最后捕获的组。 | B+(C+) | $+ | “AABBCCDD” | AACCDD
替换最后捕获的组。
$+
AACCDD | $_ | 替换整个输入字符串。 | B+ | $_ | “AABBCC” | “AAAABBCCCC”
替换整个输入字符串。
$_
“AAAABBCCCC”
正则表达式选项
可以指定控制正则表达式引擎如何解释正则表达式模式的选项。 其中的许多选项可以指定为内联(在正则表达式模式中)或指定为一个或多个 RegexOptions 常量。 本快速参考仅列出内联选项。
可通过两种方式指定内联选项:
- 通过使用杂项构造(?imnsx-imnsx),可以用选项或选项组前的减号 (-) 关闭这些选项。 例如,(?i-mn) 启用不区分大小写的匹配 (i),关闭多行模式 (m) 并关闭未命名的组捕获 (n)。 该选项自定义选项的点开始应用于此正则表达式,且持续有效直到模式结束或者到另一构造反转此选项的点。 - 通过使用分组构造(?imnsx-imnsx:**子表达式**)(只定义指定组的选项)。 .NET Framework 正则表达式引擎支持以下内联选项。 | 选项 | 描述 | 模式 | 匹配
描述
匹配 | i | 使用不区分大小写的匹配。 | \b(?i)a(?-i)a\w+\b | "aardvark", "aaaAuto" in "aardvark AAAuto aaaAuto Adam breakfast"
使用不区分大小写的匹配。
"aardvark", "aaaAuto" in "aardvark AAAuto aaaAuto Adam breakfast" | m | 使用多行模式。 ^ 和 $ 匹配行的开头和结尾,但不匹配字符串的开头和结尾。 | 有关示例,请参阅正则表达式选项中的“多行模式”部分。 |
使用多行模式。 ^ 和 $ 匹配行的开头和结尾,但不匹配字符串的开头和结尾。 | n | 不捕获未命名的组。 | 有关示例,请参阅正则表达式选项中的“仅显式捕获”部分。 |
不捕获未命名的组。 | s | 使用单行模式。 | 有关示例,请参阅正则表达式选项中的“单行模式”部分。 |
使用单行模式。 | x | 忽略正则表达式模式中的非转义空白。 | \b(?x) \d+ \s \w+ | “1 aardvark 2 cats IV centurions”中的“1 aardvark”、“2 cats”
忽略正则表达式模式中的非转义空白。
“1 aardvark 2 cats IV centurions”中的“1 aardvark”、“2 cats”
其他构造
其他构造可修改某个正则表达式模式或提供有关该模式的信息。 下表列出了 .NET Framework 支持的其他构造。 | 构造 | 定义 | 示例
定义 | (?imnsx-imnsx) | 在模式中间对诸如不区分大小写这样的选项进行设置或禁用。 有关详细信息,请参阅正则表达式选项。 | \bA(?i)b\w+\b 匹配“ABA Able Act”中的“ABA”和“Able”
在模式中间对诸如不区分大小写这样的选项进行设置或禁用。 有关详细信息,请参阅正则表达式选项。 | (?# 注释**)** | 内联注释。 该注释在第一个右括号处终止。 | \bA(?#Matches words starting with A)\w+\b
内联注释。 该注释在第一个右括号处终止。 | # [至行尾] | X 模式注释。 该注释以非转义的 # 开头,并继续到行的结尾。 | (?x)\bA\w+\b#Matches words starting with A
X 模式注释。 该注释以非转义的 # 开头,并继续到行的结尾。
参考文档:
msdn 正则表达式快速参考 https://msdn.microsoft.com/zh-cn/library/az24scfc(v=vs.110).aspx
http://www.cnblogs.com/ggjucheng/p/3423731.html