正則表達式
本文目标
30分钟内让你明确正則表達式是什么，并对它有一些主要的了解，让你能够在自己的程序或网页里使用它。
怎样使用本教程
最重要的是——请给我30分钟。假设你没有使用正則表達式的经验，请不要试图在30秒内入门——除非你是超人 :)
别被以下那些复杂的表达式吓倒，仅仅要跟着我一步一步来。你会发现正則表達式事实上并没有想像中的那么困难。当然，假设你看完了这篇教程之后，发现自己明确了非常多，却又差点儿什么都记不得，那也是非常正常的——我觉得。没接触过正則表達式的人在看完这篇教程后，能把提到过的语法记住80%以上的可能性为零。这里仅仅是让你明确主要的原理，以后你还须要多练习，多使用，才干熟练掌握正則表達式。
除了作为新手教程之外。本文还试图成为能够在日常工作中使用的正則表達式语法參考手冊。就作者本人的经历来说，这个目标还是完毕得不错的——你看。我自己也没能把全部的东西记下来。不是吗？
清除格式 文本格式约定：专业术语 元字符/语法格式 正則表達式 正則表達式中的一部分(用于分析) 对其进行匹配的源字符串 对正則表達式或当中一部分的说明
隐藏边注 本文右边有一些凝视，主要是用来提供一些相关信息，或者给没有程序猿背景的读者解释一些基本概念，通常能够忽略。
正則表達式究竟是什么东西？
字符是计算机软件处理文字时最主要的单位。可能是字母，数字，标点符号，空格，换行符，汉字等等。字符串是0个或很多其它个字符的序列。文本也就是文字。字符串。说某个字符串匹配某个正則表達式，一般是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。
在编写处理字符串的程序或网页时，常常会有查找符合某些复杂规则的字符串的须要。正則表達式就是用于描写叙述这些规则的工具。
换句话说，正則表達式就是记录文本规则的代码。
非常可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。假设你想查找某个文件夹下的全部的Word文档的话，你会搜索*.doc。
在这里。*会被解释成随意的字符串。
和通配符类似。正則表達式也是用来进行文本匹配的工具。仅仅只是比起通配符，它能更精确地描写叙述你的需求——当然。代价就是更复杂——比方你能够编写一个正則表達式。用来查找全部以0开头，后面跟着2-3个数字。然后是一个连字号“-”。最后是7或8位数字的字符串(像010-12345678或0376-7654321)。
入门
学习正則表達式的最好方法是从样例開始，理解样例之后再自己对样例进行改动。实验。以下给出了不少简单的样例。并对它们作了具体的说明。
如果你在一篇英文小说里查找hi。你能够使用正則表達式hi。
这差点儿是最简单的正則表達式了，它能够精确匹配这种字符串：由两个字符组成，前一个字符是h,后一个是i。
通常，处理正則表達式的工具会提供一个忽略大写和小写的选项，假设选中了这个选项，它能够匹配hi,HI,Hi,hI这四种情况中的随意一种。
不幸的是，非常多单词里包括hi这两个连续的字符，比方him,history,high等等。用hi来查找的话。这里边的hi也会被找出来。
假设要精确地查找hi这个单词的话，我们应该使用\bhi\b。
\b是正則表達式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter）。代表着单词的开头或结尾。也就是单词的分界处。尽管通常英文的单词是由空格，标点符号或者换行来分隔的。可是\b并不匹配这些单词分隔字符中的不论什么一个，它仅仅匹配一个位置。
假设须要更精确的说法。\b匹配这种位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)\w。
假如你要找的是hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b。
这里，.是还有一个元字符，匹配除了换行符以外的随意字符。
*相同是元字符，只是它代表的不是字符。也不是位置，而是数量——它指定*前边的内容能够连续反复使用随意次以使整个表达式得到匹配。
因此。.*连在一起就意味着随意数量的不包括换行的字符。如今\bhi\b.*\bLucy\b的意思就非常明显了：先是一个单词hi,然后是随意个随意字符(但不能是换行)，最后是Lucy这个单词。
换行符就是'\n',ASCII编码为10(十六进制0x0A)的字符。
假设同一时候使用其他元字符，我们就能构造出功能更强大的正則表達式。比方以下这个样例：
0\d\d-\d\d\d\d\d\d\d\d匹配这种字符串：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码。
当然，这个样例仅仅能匹配区号为3位的情形)。
这里的\d是个新的元字符，匹配一位数字(0，或1。或2，或……)。-不是元字符，仅仅匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。
为了避免那么多烦人的反复。我们也能够这样写这个表达式：0\d{2}-\d{8}。
这里\d后面的{2}({8})的意思是前面\d必须连续反复匹配2次(8次)。
元字符
如今你已经知道几个非常实用的元字符了，如\b,.,*。还有\d.正則表達式里还有很多其它的元字符，比方\s匹配随意的空白符，包含空格。制表符(Tab)，换行符，中文全角空格等。\w匹配字母或数字或下划线或汉字等。
对中文/汉字的特殊处理是由.Net提供的正則表達式引擎支持的，其他环境下的详细情况请查看相关文档。
以下来看看很多其它的样例：
\ba\w*\b匹配以字母a开头的单词——先是某个单词開始处(\b)，然后是字母a,然后是随意数量的字母或数字(\w*)。最后是单词结束处(\b)。
好吧，如今我们说说正則表達式里的单词是什么意思吧：就是不少于一个的连续的\w。不错。这与学习英文时要背的成千上万个同名的东西的确关系不大 :)
\d+匹配1个或很多其它连续的数字。这里的+是和*类似的元字符，不同的是*匹配反复随意次(可能是0次)，而+则匹配反复1次或很多其它次。
\b\w{6}\b 匹配刚好6个字符的单词。
| 代码 | 说明 |
|---|---|
| . | 匹配除换行符以外的随意字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \s | 匹配随意的空白符 |
| \d | 匹配数字 |
| \b | 匹配单词的開始或结束 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的结束 |
正則表達式引擎一般会提供一个“測试指定的字符串是否匹配一个正則表達式”的方法，如JavaScript里的RegExp.test()方法或.NET里的Regex.IsMatch()方法。
这里的匹配是指是字符串里有没有符合表达式规则的部分。假设不使用^和$的话，对于\d{5,12}而言。使用这个方案就仅仅能保证字符串里包括5到12连续位数字，而不是整个字符串就是5到12位数字。
元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和\b有点类似。
^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时很实用。比方一个站点假设要求你填写的QQ号必须为5位到12位数字时，能够使用：^\d{5,12}$。
这里的{5,12}和前面介绍过的{2}是类似的。仅仅只是{2}匹配仅仅能不多不少反复2次。{5,12}则是反复的次数不能少于5次，不能多于12次。否则都不匹配。
由于使用了^和$。所以输入的整个字符串都要用来和\d{5,12}来匹配，也就是说整个输入必须是5到12个数字。因此假设输入的QQ号能匹配这个正則表達式的话。那就符合要求了。
和忽略大写和小写的选项类似，有些正則表達式处理工具另一个处理多行的选项。
假设选中了这个选项，^和$的意义就变成了匹配行的開始处和结束处。
字符转义
假设你想查找元字符本身的话，比方你查找.,或者*,就出现了问题：你没办法指定它们，由于它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。
因此。你应该使用\.和\*。当然，要查找\本身，你也得用\\.
比如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。
反复
你已经看过了前面的*,+,{2},{5,12}这几个匹配反复的方式了。以下是正則表達式中全部的限定符(指定数量的代码，比如*,{5,12}等)：
| 代码/语法 | 说明 |
|---|---|
| * | 反复零次或很多其它次 |
| + | 反复一次或很多其它次 |
| ? | 反复零次或一次 |
| {n} | 反复n次 |
| {n,} | 反复n次或很多其它次 |
| {n,m} | 反复n到m次 |
以下是一些使用反复的样例：
Windows\d+匹配Windows后面跟1个或很多其它数字
^\w+匹配一行的第一个单词(或整个字符串的第一个单词，详细匹配哪个意思得看选项设置)
字符类
要想查找数字，字母或数字，空白是非常easy的，由于已经有了相应这些字符集合的元字符，可是假设你想匹配没有提前定义元字符的字符集合(比方元音字母a,e,i,o,u),应该怎么办？
非常easy。你仅仅须要在方括号中列出它们即可了，像[aeiou]就匹配不论什么一个英文元音字母，[.?
!]匹配标点符号(.或?或!)。
我们也能够轻松地指定一个字符范围，像[0-9]代表的含意与\d就是全然一致的：一位数字；同理[a-z0-9A-Z_]也全然等同于\w（假设仅仅考虑英文的话）。
以下是一个更复杂的表达式：\(?
0\d{2}[) -]?
\d{8}。
“(”和“)”也是元字符，后面的分组节里会提到，所以在这里须要使用转义。
这个表达式能够匹配几种格式的电话号码，像(010)88886666。或022-22334455，或02912345678等。
我们对它进行一些分析吧：首先是一个转义字符\(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个。它出现1次或不出现(?)，最后是8个数字(\d{8})。
分枝条件
不幸的是，刚才那个表达式也能匹配010)12345678或(022-87654321这种“不对”的格式。要解决问题，我们须要用到分枝条件。正則表達式里的分枝条件指的是有几种规则，假设满足当中随意一种规则都应该当成匹配，详细方法是用|把不同的规则分隔开。
听不明确？没关系，看样例：
0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：一种是三位区号。8位本地号(如010-12345678)。一种是4位区号，7位本地号(0376-2233445)。
\(?0\d{2}\)?[- ]?
\d{8}|0\d{2}[- ]?
\d{8}这个表达式匹配3位区号的电话号码。当中区号能够用小括号括起来。也能够不用，区号与本地号间能够用连字号或空格间隔，也能够没有间隔。你能够试试用分枝条件把这个表达式扩展成也支持4位区号的。
\d{5}-\d{4}|\d{5}这个表达式用于匹配美国的邮政编码。美国邮编的规则是5位数字，或者用连字号间隔的9位数字。之所以要给出这个样例是由于它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。
假设你把它改成\d{5}|\d{5}-\d{4}的话。那么就仅仅会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地測试每一个条件，假设满足了某个分枝的话。就不会去再管其他的条件了。
分组
我们已经提到了怎么反复单个字符（直接在字符后面加上限定符即可了）。但假设想要反复多个字符又该怎么办？你能够用小括号来指定子表达式(也叫做分组)。然后你就能够指定这个子表达式的反复次数了，你也能够对子表达式进行其他一些操作(后面会有介绍)。
(\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。
要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字。(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个总体也就是这个分组)反复3次，最后再加上一个一到三位的数字(\d{1,3})。
IP地址中每一个数字都不能大于255. 常常有人问我, 01.02.03.04 这样前面带有0的数字, 是不是正确的IP地址呢?
答案是: 是的, IP 地址里的数字能够包括有前导 0 (leading zeroes).
不幸的是。它也将匹配256.300.888.999这样的不可能存在的IP地址。假设能使用算术比較的话，也许能简单地解决问题。可是正則表達式中并不提供关于数学的不论什么功能，所以仅仅能使用冗长的分组。选择，字符类来描写叙述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?
\d\d?
)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
理解这个表达式的关键是理解2[0-4]\d|25[0-5]|[01]?
\d\d?。这里我就不细说了，你自己应该能分析得出来它的意义。
反义
有时须要查找不属于某个能简单定义的字符类的字符。比方想查找除了数字以外。其他随意字符都行的情况，这时须要用到反义：
| 代码/语法 | 说明 |
|---|---|
| \W | 匹配随意不是字母，数字，下划线，汉字的字符 |
| \S | 匹配随意不是空白符的字符 |
| \D | 匹配随意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的随意字符 |
| [^aeiou] | 匹配除了aeiou这几个字母以外的随意字符 |
样例：\S+匹配不包括空白符的字符串。
<a[^>]+>匹配用尖括号括起来的以a开头的字符串。
后向引用
使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)能够在表达式或其他程序中作进一步的处理。默认情况下，每一个分组会自己主动拥有一个组号。规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2。以此类推。
呃……事实上,组号分配还不像我刚说得那么简单：
- 分组0相应整个正則表達式
- 实际上组号分配过程是要从左向右扫描两遍的：第一遍仅仅给未命名组分配，第二遍仅仅给命名组分配－－因此全部命名组的组号都大于未命名的组号
- 你能够使用(?:exp)这种语法来剥夺一个分组对组号分配的參与权．
后向引用用于反复搜索前面某个分组匹配的文本。比如。\1代表分组1匹配的文本。
难以理解？请看演示样例：
\b(\w+)\b\s+\1\b能够用来匹配反复的单词。像go go, 或者kitty kitty。
这个表达式首先是一个单词，也就是单词開始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中。然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。
你也能够自己指定子表达式的组名。要指定一个子表达式的组名，请使用这种语法：(?<Word>\w+)(或者把尖括号换成'也行：(?
'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容。你能够使用\k<Word>,所以上一个样例也能够写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。
使用小括号的时候。还有非常多特定用途的语法。以下列出了最经常使用的一些：
| 分类 | 代码/语法 | 说明 |
|---|---|---|
| 捕获 | (exp) | 匹配exp,并捕获文本到自己主动命名的组里 |
| (?<name>exp) | 匹配exp,并捕获文本到名称为name的组里。也能够写成(?'name'exp) | |
| (?:exp) | 匹配exp,不捕获匹配的文本，也不给此分组分配组号 | |
| 零宽断言 | (? =exp) |
匹配exp前面的位置 |
| (?<=exp) | 匹配exp后面的位置 | |
| (? !exp) |
匹配后面跟的不是exp的位置 | |
| (?<!exp) | 匹配前面不是exp的位置 | |
| 凝视 | (?#comment) | 这样的类型的分组不正确正則表達式的处理产生不论什么影响，用于提供凝视让人阅读 |
我们已经讨论了前两种语法。第三个(?:exp)不会改变正則表達式的处理方式，仅仅是这种组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号。“我为什么会想要这样做？”——好问题，你认为为什么呢？
零宽断言
地球人。是不是认为这些术语名称太复杂。太难记了？我也有同感。知道有这么一种东西即可了。它叫什么，随它去吧！
人若无名，便可专心练剑；物若无名，便可任意取舍……
接下来的四个用于查找在某些内容(但并不包含这些内容)之前或之后的东西。也就是说它们像\b,^,$那样用于指定一个位置。这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。不妨拿样例来说明吧：
断言用来声明一个应该为真的事实。正則表達式中仅仅有当断言为真时才会继续进行匹配。
(?=exp)也叫零宽度正预測先行断言。它断言自身出现的位置的后面能匹配表达式exp。比方\b\w+(?=ing\b)。匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和danc。
(?<=exp)也叫零宽度正回想后发断言。它断言自身出现的位置的前面能匹配表达式exp。比方(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，比如在查找reading a book时，它匹配ading。
假如你想要给一个非常长的数字中每三位间加一个逗号(当然是从右边加起了)，你能够这样查找须要在前面和里面加入逗号的部分：((?
<=\d)\d{3})+\b，用它对1234567890进行查找时结果是234567890。
以下这个样例同一时候使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包含这些空白符)。
负向零宽断言
前面我们提到过怎么查找不是某个字符或不在某个字符类里的字符的方法(反义)。可是假设我们仅仅是想要确保某个字符没有出现，但并不想去匹配它时怎么办？比如，假设我们想查找这种单词--它里面出现了字母q,可是q后面跟的不是字母u,我们能够尝试这样：
\b\w*q[^u]\w*\b匹配包括后面不是字母u的字母q的单词。可是假设多做測试(或者你思维足够敏锐，直接就观察出来了)。你会发现，假设q出如今单词的结尾的话，像Iraq,Benq，这个表达式就会出错。这是由于[^u]总要匹配一个字符，所以假设q是单词的最后一个字符的话，后面的[^u]将会匹配q后面的单词分隔符(可能是空格。或者是句号或其他的什么)，后面的\w*\b将会匹配下一个单词，于是\b\w*q[^u]\w*\b就能匹配整个Iraq fighting。
负向零宽断言能解决这种问题，由于它仅仅匹配一个位置，并不消费不论什么字符。
如今，我们能够这样来解决问题：\b\w*q(?!u)\w*\b。
零宽度负预測先行断言(?
!exp)。断言此位置的后面不能匹配表达式exp。比如：\d{3}(?
!\d)匹配三位数字。并且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包括连续字符串abc的单词。
同理，我们能够用(?<!exp),零宽度负回想后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。
请具体分析表达式(?
<=<(\w+)>).*(?
=<\/\1>)。这个表达式最能表现零宽断言的真正用途。
一个更复杂的样例：(?<=<(\w+)>).*(?
=<\/\1>)匹配不包括属性的简单HTML标签内里的内容。(?<=<(\w+)>)指定了这种前缀：被尖括号括起来的单词(比方可能是<b>)。然后是.*(随意的字符串),最后是一个后缀(?
=<\/\1>)。
注意后缀里的\/，它用到了前面提过的字符转义；\1则是一个反向引用。引用的正是捕获的第一组，前面的(\w+)匹配的内容。这样假设前缀实际上是<b>的话，后缀就是</b>了。整个表达式匹配的是<b>和</b>之间的内容(再次提醒，不包括前缀和后缀本身)。
凝视
小括号的还有一种用途是通过语法(?#comment)来包括凝视。
比如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?
\d\d?(?#0-199)。
要包括凝视的话。最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能随意的加入空格，Tab，换行。而实际使用时这些都将被忽略。启用这个选项后。在#后面到这一行结束的全部文本都将被当成凝视忽略掉。
比如，我们能够前面的一个表达式写成这样：
(?<= # 断言要匹配的文本的前缀
<(\w+)> # 查找尖括号括起来的字母或数字(即HTML/XML标签)
) # 前缀结束
.* # 匹配随意文本
(?= # 断言要匹配的文本的后缀
<\/\1> # 查找尖括号括起来的内容：前面是一个"/"，后面是先前捕获的标签
) # 后缀结束
贪婪与懒惰
当正則表達式中包括能接受反复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b。它将会匹配最长的以a開始，以b结束的字符串。假设用它来搜索aabab的话。它会匹配整个字符串aabab。
这被称为贪婪匹配。
有时。我们更须要懒惰匹配，也就是匹配尽可能少的字符。
前面给出的限定符都能够被转化为懒惰匹配模式，仅仅要在它后面加上一个问号?。
这样.*?就意味着匹配随意数量的反复，可是在能使整个匹配成功的前提下使用最少的反复。
如今看看懒惰版的样例吧：
a.*?
b匹配最短的，以a開始。以b结束的字符串。假设把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说。由于正則表達式有还有一条规则。比懒惰／贪婪规则的优先级更高：最先開始的匹配拥有最高的优先权——The match that begins earliest wins。
| 代码/语法 | 说明 |
|---|---|
| *? | 反复随意次。但尽可能少反复 |
| +? | 反复1次或很多其它次，但尽可能少反复 |
| ?? | 反复0次或1次。但尽可能少反复 |
| {n,m}? | 反复n到m次。但尽可能少反复 |
| {n,}? | 反复n次以上，但尽可能少反复 |
处理选项
在C#中，你能够使用Regex(String, RegexOptions)构造函数来设置正則表達式的处理选项。如：Regex regex = new Regex(@"\ba\w{6}\b", RegexOptions.IgnoreCase);
上面介绍了几个选项如忽略大写和小写，处理多行等。这些选项能用来改变处理正則表達式的方式。以下是.Net中经常使用的正則表達式选项：
| 名称 | 说明 |
|---|---|
| IgnoreCase(忽略大写和小写) | 匹配时不区分大写和小写。 |
| Multiline(多行模式) | 更改^和$的含义，使它们分别在随意一行的行首和行尾匹配。而不只在整个字符串的开头和结尾匹配。 (在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.) |
| Singleline(单行模式) | 更改.的含义。使它与每个字符匹配（包含换行符\n）。 |
| IgnorePatternWhitespace(忽略空白) | 忽略表达式中的非转义空白并启用由#标记的凝视。 |
| ExplicitCapture(显式捕获) | 仅捕获已被显式命名的组。 |
一个常常被问到的问题是：是不是仅仅能同一时候使用多行模式和单行模式中的一种？答案是：不是。
这两个选项之间没有不论什么关系。除了它们的名字比較相似（以至于让人感到疑惑）以外。
平衡组/递归匹配
这里介绍的平衡组语法是由.Net Framework支持的；其他语言／库不一定支持这样的功能，或者支持此功能但须要使用不同的语法。
有时我们须要匹配像( 100 * ( 50 + 15 ) )这种可嵌套的层次性结构，这时简单地使用\(.+\)则仅仅会匹配到最左边的左括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式。懒惰模式也有以下的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等，比方( 5 / ( 3 + 2 ) ) )。那我们的匹配结果里两者的个数也不会相等。有没有办法在这种字符串里匹配到最长的，配对的括号之间的内容呢？
为了避免(和\(把你的大脑彻底搞糊涂，我们还是用尖括号取代圆括号吧。
如今我们的问题变成了怎样把xx <aa <bbb> <bbb> aa> yy这种字符串里，最长的配对的尖括号内的内容捕获出来？
这里须要用到下面的语法构造：
- (?'group') 把捕获的内容命名为group,并压入堆栈(Stack)
- (?'-group') 从堆栈上弹出最后压入堆栈的名为group的捕获内容，假设堆栈本来为空。则本分组的匹配失败
- (?(group)yes|no) 假设堆栈上存在以名为group的捕获内容的话。继续匹配yes部分的表达式，否则继续匹配no部分
- (?
!) 零宽负向先行断言。因为没有后缀表达式。试图匹配总是失败
假设你不是一个程序猿（或者你自称程序猿可是不知道堆栈是什么东西），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个"group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，假设有就继续匹配yes部分。否则就匹配no部分。
我们须要做的是每碰到了左括号，就在压入一个"Open",每碰到一个右括号。就弹出一个。到了最后就看看堆栈是否为空－－假设不为空那就证明左括号比右括号多，那匹配就应该失败。
正則表達式引擎会进行回溯(放弃最前面或最后面的一些字符)，尽量使整个表达式得到匹配。
< #最外层的左括号
[^<>]* #最外层的左括号后面的不是括号的内容
(
(
(?'Open'<) #碰到了左括号。在黑板上写一个"Open"
[^<>]* #匹配左括号后面的不是括号的内容
)+
(
(?'-Open'>) #碰到了右括号，擦掉一个"Open"
[^<>]* #匹配右括号后面不是括号的内容
)+
)*
(?
(Open)(?
!)) #在遇到最外层的右括号前面，推断黑板上还有没有没擦掉的"Open"；假设还有。则匹配失败
> #最外层的右括号
平衡组的一个最常见的应用就是匹配HTML,以下这个样例能够匹配嵌套的<div>标签：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.
还有些什么东西没提到
上边已经描写叙述了构造正則表達式的大量元素。可是还有非常多没有提到的东西。以下是一些未提到的元素的列表。包括语法和简单的说明。
你能够在网上找到更具体的參考资料来学习它们--当你须要用到它们的时候。
假设你安装了MSDN Library,你也能够在里面找到.net下正則表達式具体的文档。
这里的介绍非常简略。假设你须要更具体的信息，而又没有在电脑上安装MSDN Library,能够查看关于正則表達式语言元素的MSDN在线文档。
| 代码/语法 | 说明 |
|---|---|
| \a | 报警字符(打印它的效果是电脑嘀一声) |
| \b | 一般是单词分界位置。但假设在字符类里使用代表退格 |
| \t | 制表符，Tab |
| \r | 回车 |
| \v | 竖向制表符 |
| \f | 换页符 |
| \n | 换行符 |
| \e | Escape |
| \0nn | ASCII代码中八进制代码为nn的字符 |
| \xnn | ASCII代码中十六进制代码为nn的字符 |
| \unnnn | Unicode代码中十六进制代码为nnnn的字符 |
| \cN | ASCII控制字符。比方\cC代表Ctrl+C |
| \A | 字符串开头(类似^。但不受处理多行选项的影响) |
| \Z | 字符串结尾或行尾(不受处理多行选项的影响) |
| \z | 字符串结尾(类似$。但不受处理多行选项的影响) |
| \G | 当前搜索的开头 |
| \p{name} | Unicode中命名为name的字符类，比如\p{IsGreek} |
| (?>exp) | 贪婪子表达式 |
| (?<x>-<y>exp) | 平衡组 |
| (?im-nsx:exp) | 在子表达式exp中改变处理选项 |
| (?im-nsx) | 为表达式后面的部分改变处理选项 |
| (? (exp)yes|no) |
把exp当作零宽正向先行断言。假设在这个位置能匹配，使用yes作为此组的表达式；否则使用no |
| (?(exp)yes) | 同上，仅仅是使用空表达式作为no |
| (?(name)yes|no) | 假设命名为name的组捕获到了内容，使用yes作为表达式；否则使用no |
| (?(name)yes) | 同上，仅仅是使用空表达式作为no |
