正则表达式基本使用
1：正则表达式的各种基本操作，
2：C#中对正则表达式的各种常规操作，
3：正则表达式的使用技巧
4：常见的匹配类别
匹配单个字符
匹配多个字符
匹配边界
匹配子模式
后向引用
文本替换
预查和非获取匹配
详细：
元字符(metacharacter)
正则引擎保留字符，作为一般字符匹配时需要转义
流派(flavor)
不同工具支持的元字符和特性各不相同，构成正则表达式的不同流派。
子表达式(subexpression)
括号内的表达式，常用于获取部分匹配结果
字符（character)
正则表达式的基本构成。需要注意不同编码下字符的意义不同，大多数工具只支持ascii编码的字节匹配，近来有部分工作支持unicode编码匹配。
简记字符(shorthands)
\t \n \r; \s 与 \S, \w 与 \W, \d 与 \D
\b (\<与\>)
使用特定的语言(perl/java/c++)或工具(vim/grep)时需要关注的基本问题：
1. 支持的元字符号及特性
2. 工具的交互方式（如何操作，以及目标文本类型）
3. 正则引擎的类别 (NFA/DFA)
1.支持的元字符及特性
(1)POSIX 1986 将各种常见流派分为两大类
BREs Basic Regular Expressions (grep)
EREs Extented Regular Expressions (egrep)
现在两者的差异缩小, 基本差异为grep元字符需要转义 \? \+ \|
(2)常用元字符和特性 (枯燥，请翻书)
字符表示: \t \n
字符组表示: [a-z] [[:alpha:]]
锚点: ^ $ \b
注释: (?#...)
分组、条件判断: (...) {min, max} + ?
2. 不同工具的交互方式
(1)集成式 perl, awk, 修改直接在目标变量上进行,函数或对象式 java,.net, php, c++, 不修改目标变量，直接传回匹配结果。
(2)工具本身的字符串元字符不同，譬如 字符串"\\t" 传给正则引擎的是 "\t";
(3)对文本编码的支持。如 perl中^.$无法匹配"你"而必须使用^...$ ， 而egrep 可以
(4)匹配模式。不区分大小写/是否忽略[]外的空白字符/是否支持. 匹配换行符
(3)正则引擎的分类
表达式主导的NFA(非确定有穷自动机) （大多数非GNU版本的awk, egrep）和 文本主导的DFA(确定有穷自动机) (perl,php,java,.net)
相同的规则（最左最长规则 ）
1. 优先选择最左端的匹配结果。如 a|b 匹配字符串'the b is before a'， 匹配成功的是'b'
2. 标准量词优先匹配(? * + {min,max})。 greedy, 尽可能匹配多的字符。如^.*([0-9]+)匹配字符串'copyright 2011.' 时子表达式匹配的是 3
但DFA取绝对最长，如one(self)?(oneselfsufficient)? 匹配 oneselfsufficient ，DFA匹配整各串， 传统型NFA 匹配oneself
(| 不是标准量词，也往往是NFA和DFA的区分点 , 传统型NFA使用按序匹配)
不同的规则
1. 匹配方法。NFA只扫描一次表达式，DFA只扫描一次目标文本。to(nite|knight|night) 匹配 tonight, NFA的扫描是确定 to,然后nite, knight, night 依次尝试，即目标文本中的ni被扫描两次， 而DFA则同时纪录所有可能的匹配，同样的例子，扫描到目标文本toni 时，DFA引擎已经记录 to(ni,te | knight | ni,ght) 中两种可能匹配。
注：这个差异意味这DFA的匹配时间复杂度取决于目标文本的大小，与正则表达式的写法无关。而NFA会多次扫描文本，不同正则表达式写法对匹配性能影响巨大。
2.NFA回溯的两个基本规则
应该首先选择那个分支？ 匹配优先量词(* + ? {min, max})优先选择尝试，忽略优先量词 (*? +? ?? {min, max}?) 优先选择放弃尝试。[真变态啊！:-(]
匹配失败后应该选择哪个候选分支？ 最后存储的
sample: ab?c 匹配 abX
“|"的顺序匹配陷阱
使用 (0?[1-9] | [12][0-9] | 3[01])匹配 Jan 31
why NFA?
NFA编译时间更快，需要的内存更少
NFA提供反向引用，环视，非优先匹配量词，固化分组
“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”）。
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。
 说明 |
|---|
|
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”。
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) |
积极的预测先行。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) |
消极的预测先行。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。 |
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 |
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”。
3：各种常用正则表达式
总结：感性认识（模糊匹配，边界匹配，表达式格式，匹配结果的控制[单次，集合]，匹配原理）
基本概念:元字符属性的限定，元字符的模糊查找，匹配的原理，表达式分解的顺序
特殊字符：回车换行，空格，字符的转义，字符组匹配（字符区间），反义字符组，匹配特殊字符，匹配空字符，匹配多个字符
