很早就听说正则表达式的强大,今天终于一睹它的真容,在这里记下学习时候的笔记,以便以后查看
1、正则表达式
用于描述字符串规则的的特殊的字符(正则表达式本身是字符串,用来描述字符串的相关规则,用于与其他字符串进行匹配)
例如:
正则表达式:Http 表示单词 Http,两边的表示单词的开始于结束
可以与"Here is a Http tag"匹配,但是不能与'", "HttpRequest", "XMLHttpRequest"等字符串匹配,
2、元字符(meta character)
用于描述最基本的信息,常见的有以下元字符
单词的开始于结束
w 字母(大小写),数字,下划线
s 任意空字符(空格,制表符,回车)
d 匹配数字0-9
. 小数点,匹配非换行字符
^ 字符串的开始(注意:是表示单词)
$ 字符串的结束
其中:B,W,S,D的含义与小写的相反
例如:D表示非数字字符
3、转义字符
小数点: .
星号: *
下划线: \
括号: ( )
3、限定字符
* 重复0次或多次
+ 重复1次或多次
? 重复0次或1次
{n} 重复n次
{n,} 重复n次以上
{n,m} 重复n次到m次,包括n,m次
当要匹配多个字符的时候,可以使用限定字符
例如:^d{5}w*$ 表示以5个数字开头的后面跟任意长度的字符(字母或数字或下划线)
4、字符类
匹配单个字符 [abc] 匹配所有a,b,c字符
[^acd] 匹配所有的部位a,c,d的字符
[,.?!;'"] 匹配半角标点
[a-zA-Z0-9_] 相当于w
5、分枝条件
当有多个匹配条件的时候,可以使用 '|' 符号来连接几个条件,会优先匹配第一个
例如:d{5}-d{4}|d{4}-d{5}
IP地址: ((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)
6、分组
后向引用:用于搜索前面匹配的结果
例如:在后面的匹配需要用到前面的匹配结果,
(?<name>w+)s+k<name> 匹配两个连续相同的单词
(exp) 匹配exp表达式,并将匹配文本放到自动命名组里
(?<name>exp) 可对匹配的文本手动命名,并通过k<name>引用,也可以吧尖括号换成单引号(?'name'exp)
(?:exp) 不获取文本,不分配组号
7、断言
1)正预测先行断言 (?=exp) 先匹配断言里面的表达式,匹配出之前的位置,再匹配外面的表达式,匹配结果不包含断言内容
例如:d[0-9]*(?=9) 先判断单词是否以9结束,在判断是否为全数字,匹配结果不包含9
78159 匹配结果为 7815 断言位置在9之前
2)正回顾后发断言 (?<=exp) 匹配出之后的位置
例如:(?<=re)w* 匹配以 re 开头的单词,不包括re
I'm reading 匹配结果为 eading 断言位置在re之后
3)负向零宽先行断言 (?!exp)
与正预测先行断言相似,只是匹配的条件为相反
例如: d{3}(?!d) 匹配三位数字,而且这三位数字的后面不能是数字;
((?!abc)w)+ 匹配不包含连续字符串abc的单词。
4)负向零宽后发断言 (?<!exp)
与郑回顾后发断言相似,匹配条件相反
例如: (?<![a-z])d{7} 匹配前面不是小写字母的七位数字。
8、注释
(?#comment) 例如 d{3}(?!d)(?#这里是注释)
9、贪婪匹配与懒惰匹配
在默认情况下,所有的匹配都会采取贪婪匹配,即匹配竟可能多的项
例如: a.*b 匹配 abaaababaa
默认情况下回匹配出 abaaabab, 而不是 ab,aaab,ab
在限定符后面加上?则可以竟可能少的匹配
a.*? 匹配 abaaababaa 结果为 ab,aaab,ab
10、在.NET中使用
Regex regex = new Regex(@"^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$", RegexOptions.Multiline | RegexOptions.IgnorePatternWhitespace); bool b = regex.IsMatch("44917929@qq.com");
在new Regex的时候,可以设置一些参数 http://msdn.microsoft.com/zh-cn/library/system.text.regularexpressions.regexoptions.aspx
Compiled 指定将正则表达式编译为程序集。 这会产生更快的执行速度,但会增加启动时间。
ExplicitCapture 仅捕获显式命名的组
IgnoreCase 指定不区分大小写的匹配。
None 匹配任何字符除了
。^和$不起作用。
Singleline 匹配任何字符。^和$匹配整个字符串
Multiline 匹配任何字符除了
。^和$匹配每行的开头和结尾。
IgnorePatternWhitespace 忽略表达式中的非转义空白,并启用#标记注释
11、练习
1、非负整数 ^d+$
2、正整数 ^[1-9]*[1-9][0-9]*$
3、非正整数 ^(-d+10)$
4、负整数 ^-[1-9]*[1-9][0-9]*$
5、整数 ^-?d+$
5、非负浮点数 ^d+(.d+)?$
6、正浮点数
7、长度为8-10的用户名(以字母或下划线开头) ^[A-Za-z_]w{7,9}$
8、电子邮件 ^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$
9、一个没有属性的html标签的内容(例如<div>内容</div>) (?<=<(w+)>).*(?=</1>)
参考文章:
http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html#lookaround