正则表达式初探

本章主要想和大家分享下正则表达式的一些基础用法，希望能够对一些小白有所帮助，也为了防止自己以后遗忘相关知识点，下面我们正式进入主题。

一、正则表达式

　　1、正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。
　　2、正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
　　3、在编写处理字符串的程序或网页时，经常会有查找或替换符合某些复杂规则的字符串的需要。
　　4、正则表达式就是记录文本规则的代码。

　　作用：
　　　　1、查找数据
　　　　2、替换数据

　　正则表达式能做什么（字符串的匹配、字符串的提取、字符串的替换）

二、正则表达式的构成

　　1、普通字符（如果直接写多个普通字符，则会被当做一个整体的字符串来匹配）

　　　　这包括所有的大小写字母字符，所有数字，所有标点符号以及一些特殊符号。
　　　　例如：Hello world xyh666

　　2、定义字符集（取值范围）（该点都是匹配单个字符，要想匹配字符串需要结合限定符来实现）
　　　　[a-e] 表示a到e这些字符中的某一个字符
　　　　[aeiou] 表示aeiou这5个字符其中的某一个字符
　　　　[a-zA-Z] 表示大写、小写字母中的某一个字符
　　　　[0-9] 表示0到9之间某一个数字

　　　　^ 代表非
　　　　[^lsjd]  ：不是中括号中的任意一个字符
　　　　[^a-f]  ：a-f范围外的任意一个字符

　　3、组合字符（大写表示非）（该点都是匹配单个字符，要想匹配字符串需要结合限定符来实现）

　　　　\d  ：匹配一个数字字符。等价于[0-9]。
　　　　\D  ：匹配一个非数字字符。等价于[^0-9]。
　　　　\w  ：匹配一个字母或一个数字或一个下划线或一个汉字。
　　　　\W  ：匹配一个非字母、非数字、非下划线和非汉字的字符。
　　　　\s  ：匹配一个任意的空白符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
　　　　\S  ：匹配任意一个非空白符。等价于[^ \f\n\r\t\v]。
　　　　\b  ：匹配单词的开始或结束的位置。
　　　　\B  ：匹配不是单词开头或结束的位置。

　　4、特殊字符

　　　　$  ：表示字符串的结尾位置（以什么结尾）
　　　　^  ：表示字符串的开始位置（以什么开始）（在取值范围中还表示非）
　　　　.  ：一个点表示匹配一个除换行符 \n之外的任何单字符（匹配单个字符，要想匹配字符串需要结合限定符来实现）
　　　　|  ：或者的意思，指明两项之间的一个选择 与[...]类似
　　　　\  ：这个符号是用来转义的
　　　　( )  ：分组，标记一个子表达式的开始和结束位置

　　5、常用限定符
　　　　=================匹配次数=================
　　　　{m}  ：其前一单元严格出现m次（重复m次）
　　　　{m,}  ：其前一单元出现至少m次（重复m次或更多次）
　　　　{m,n}  ：其前一单元出现至少m次，最多n次（重复m到n次）
　　　　=======================================
　　　　=================多次匹配=================
　　　　*   ：其前面那个单元出现0次或任意次数（重复零次或更多次）
　　　　+   ： 其前面那个单元出现1次或1次以上 至少匹配一次（重复一次或更多次）
　　　　?  ： 其前面那个单元出现0次或1次（重复零次或一次）懒惰匹配（尽可能短匹配）
　　　　=======================================
　　6、贪婪与懒惰（贪婪模式和非贪婪模式）（尽可能长匹配和尽可能短匹配）
　　　　*? 重复任意次，但尽可能少重复
　　　　+? 重复1次或更多次，但尽可能少重复
　　　　?? 重复0次或1次，但尽可能少重复
　　　　{n,m}? 重复n到m次，但尽可能少重复
　　　　{n,}? 重复n次以上，但尽可能少重复

　　7、分组

　　　　当用()定义了一个正则表达式组后，正则引擎则会把被匹配的组按照顺序编号，存入缓存。

　　　　默认情况下，每个分组会自动拥有一个组号，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。

　　　　我们可以通过“\数字”的方式进行引用已经存入缓存的组。\1引用第一个匹配的组，\2引用第二个组，以此类推。

　　　　括号内的内容会被当成一个整体进行匹配。

　　8、非获取匹配和预查（零宽断言）

　　　　非获取匹配：是指正则引擎不会把被匹配的组存入缓存，我们也无法通过“\数字”的方式进行引用我们的组。

　　　　预查：预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。（即用来预查的表达式字符串不会被消耗，它只是用于指定一个位置）

　　　　零宽断言：用于查找在某些内容(但并不包括这些内容)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。

　　　　===========================================================================================

　　　　(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\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)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\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)，例如在查找reading a book时，它匹配ading。

　　　　===========================================================================================

　　　　(?:pattern) 非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

　　　　(?=pattern) 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。

　　　　(?!pattern) 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。

　　　　(?<=pattern) 非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。

　　　　(?<!patte_n) 非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。

　　9、其他常用正则匹配

　　　　匹配中文字符的正则表达式：[\u4e00-\u9fa5]

　　　　匹配双字节字符(包括汉字在内)：[^\x00-\xff]

　　　　匹配中文、英文字母和数字及_：^[\u4e00-\u9fa5_a-zA-Z0-9]+$或[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

　　　　只含有汉字、数字、字母、下划线并且不能以下划线开头和结尾：^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$

　　　　(?!_)表示不能以_开头，(?!.*?_$)表示不能以_结尾

三、C#代码调用正则表达式

    命名空间 System.Text.RegularExpressions
    
    1、new Regex(正则表达式).IsMatch(要匹配的字符串)   返回bool
    2、Regex.Match
        Match match = Regex.Match("age=30", @"^(.+)=(.+)$");
        if (match.Success)
        {
            Console.WriteLine(match.Groups[0].Value);//第0组 输出完整的字符串 age=30
            Console.WriteLine(match.Groups[1].Value);//第1组 age
            Console.WriteLine(match.Groups[2].Value);//第2组 30
        }
    3、Regex.Matches
        StringBuilder sb = new StringBuilder();
        sb.Append("<Name>张三</Name>\r\n<Name>李四</Name>\r\n<Name>王五</Name>");

        MatchCollection mc = Regex.Matches(sb.ToString(), @"(?<=<Name>).*(?=</Name>)");
        foreach (Match m in mc)
        {
            Console.WriteLine(m.Value);
        }

四、示例说明

接下来针对第二大点的内容我们举些例子来说明：

示例1（普通字符）：

我们用 xyh 来匹配 xyh123 如下图所示：

 从上面的正则表达式测试器匹配的结果可以看出：如果直接写多个普通字符，则会被当做一个整体的字符串来匹配。

 

示例2（元字符和限定符）：

我们用 \d 来匹配 xyh123 如下图所示：

 从匹配的结果可以发现\d只是匹配单个数字，所以有三个结果，分别为1、2、3，那如果想匹配一整个字符串123要怎么办呢？此时就要结合限定符来实现了。继续来看下下面的一张图。

 从图中可以看出结合限定符后就可以实现匹配到123这个字符串了。

 

示例3（普通字符和元字符组合）：

我们用 https://www\..+\.com 来匹配这么一句话：https://www.jd.com两个链接https://www.taobao.com  如下图所示：

 可以发现匹配的结果为完整的一整句话，那为什么不是匹配出2个结果分别为 https://www.jd.com 和 https://www.taobao.com 呢？

 那是因为默认情况下正则表达式采用贪婪模式匹配（即尽可能多匹配），所以匹配出了完整的一句话，此时可以用?来实现非贪婪模式匹配（即尽可能少匹配），如下图所示：

 这样就匹配出了2个结果

 

示例4（分组）：

 我们用 (abc)\1 来匹配 abcabc666 如下图所示：

 从图中可以看出匹配结果为abcabc，为什么会是这样呢？首先我们分组(abc)匹配到存入缓存中的值为abc，通过\1的方式就取到了存入缓存中的第1个分组值abc，这个分组值abc与原来分组(abc)匹配到的字符串abc组成新的匹配字符串abcabc，用新的匹配字符串abcabc去匹配abcabc666得到的匹配结果就是abcabc了。

 

示例5（非获取匹配）：

非获取匹配(?:pattern)如下图所示：

 从图中可以看出非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。因此无法通过“\数字”的方式来获取。

 

示例6（预查和零宽断言）：

预查不消耗字符，它只是用于指定一个位置，如下图所示：

 从图中可以看出用 ab(?=a) 来匹配 ababa123 时会得到两个结果而不是一个结果，那是因为预查不消耗字符（即不会消耗用来预查用的表达式exp对应的字符），它只是用于指定一个位置，所以在第3个位置的a（即第2个a）没有被消耗掉。当匹配到第1个结果ab后会从第3个位置的a（即第2个a）开始查找下一个能匹配的字符串，而不是从第4个位置的b（即第2个b）开始查找，这就解释了为什么会匹配到2个结果了。

 

PS：本文仅是个人见解 ，如有表述错误欢迎评论指正！

正则表达式测试器：

链接：https://pan.baidu.com/s/1CwyrLH2dwbBk1KVi2FCGDw 
提取码：nwyc

 

版权声明：本文部分描述摘自网络，如有雷同纯属巧合，如有侵权请及时联系本人修改，谢谢！！！