正規表達式整理篇

　　　用了正規表達式很久，但一直都用得很皮毛，很多時候都去網站搜比對的正則代碼。終究覺得這不是一個事兒，靜下心來好好縷縷吧。

正規表達式幹嘛的？

正規表達式就是記錄文本規則的代碼（沒有數學運算）。

在編寫處理字元串的程式或網頁時，經常會有查找符合某些複雜規則的字元串的需要。

推薦入門文章，自己看去

http://deerchao.net/tutorials/regex/regex.htm#introduction 

如果您已經有所了解，可以直接看我下面的筆記。這是一篇總結性的文章，不具備原創性。

重要的幾個概念

1.元字元

 .  比對除換行符以外的任意字元

\w 比對字母或數字或下劃線或漢字

\s 比對任意的空白符

\d 比對數字

\b 比對單詞的開始或結束

^  比對字元串的開始

$  比對字元串的結束

\b 指定一個位置，單詞分隔符

*　會被解釋成任意的字元串

2.字元轉義(\)

 查找元字元本身，用\ 進行轉義。

3.重複

下面是正規表達式中所有的限定符(指定數量的代碼，例如*,{5,12}等)：

表2.常用的限定符

代碼/文法	說明
*	重複零次或更多次
+	重複一次或更多次
?	重複零次或一次
{n}	重複n次
{n,}	重複n次或更多次
{n,m}	重複n到m次

指的是單個字元的重複；而下面的提到的分組，是指多個字元（即字元串）的重複。

4.字元類

5.分枝條件（|）

解決 or 的問題，通俗的說法，比對A或B (A|B)。

6.分組

　　描述字元串的重複比對規則。即，重複多個字元又該怎麼辦？

　　你可以用小括号來指定子表達式(也叫做分組)，然後你就可以指定這個子表達式的重複次數了。如：(\d{1,3}\.){3}：\d{1,3}比對1到3位的數字，(\d{1,3}\.){3}比對三位數字加上一個英文句号(這個整體也就是這個分組)重複3次，最後再加上一個一到三位的數字(\d{1,3})。

7.反義

查找除**以外的字元時，這時需要用到反義。

8.後向引用

用于重複搜尋前面某個分組比對的文本。即引用前面已經比對的内容。

怎麼引用比對的文本呢？

　　小括号指定一個子表達式後（分組），比對這個子表達式的文本(也就是此分組捕獲的内容)可以在表達式或其它程式中作進一步的處理。預設情況下，每個分組會自動擁有一個組号，生成規則是：

• 分組0對應整個正規表達式
• 實際上組号配置設定過程是要從左向右掃描兩遍的：第一遍隻給未命名組配置設定，第二遍隻給命名組配置設定－－是以所有命名組的組号都大于未命名的組号
• 你可以使用(?:exp)這樣的文法來剝奪一個分組對組号配置設定的參與權．

9.零寬斷言

　　查找在某些内容(但并不包括這些内容)之前或之後的東西，也就是說它們像\b,^,$那樣用于指定一個位置(本身不表示任何字元)，這個位置應該滿足一定的條件(即斷言)，是以它們也被稱為零寬斷言。

　　分為四類：

　　(?=exp)也叫零寬度正預測先行斷言，它斷言自身出現的位置的後面能比對表達式exp。比如\b\w+(?=ing\b)，比對以ing結尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.時，它會比對sing和danc。

　　(?<=exp)也叫零寬度正回顧後發斷言，它斷言自身出現的位置的前面能比對表達式exp。比如(?<=\bre)\w+\b會比對以re開頭的單詞的後半部分(除了re以外的部分)，例如在查找reading a book時，它比對ading。

　　

　　(?!exp)零寬度負預測先行斷言，斷言此位置的後面不能比對表達式exp。例如：\d{3}(?!\d)比對三位數字，而且這三位數字的後面不能是數字；\b((?!abc)\w)+\b比對不包含連續字元串abc的單詞。　

　　(?<!exp)零寬度負回顧後發斷言，斷言此位置的前面不能比對表達式exp：(?<![a-z])\d{7}比對前面不是小寫字母的七位數字。　

貪婪與懶惰

貪婪比對：當正規表達式中包含能接受重複的限定符時，通常的行為是（在使整個表達式能得到比對的前提下）比對盡可能多的字元。

　　　文法：正規表達式中包含能接受重複的限定符，即為貪婪比對模式。如：a.*b，用它來搜尋aabab的話，它會比對整個字元串aabab

懶惰比對：與貪婪相反，*** ... 比對盡可能少的字元。

　　　文法：隻要在限定符它後面加上一個問号?。a.*?b，用它來搜尋aabab的話，它會比對aab（第一到第三個字元）和ab（第四到第五個字元）。

懶惰限定符

表5.懶惰限定符

代碼/文法	說明
*?	重複任意次，但盡可能少重複
+?	重複1次或更多次，但盡可能少重複
??	重複0次或1次，但盡可能少重複
{n,m}?	重複n到m次，但盡可能少重複
{n,}?	重複n次以上，但盡可能少重複

平衡組/遞歸比對

.NET 中正規表達式處理選項

下面是.Net中常用的正規表達式選項：

表6.常用的處理選項

名稱	說明
IgnoreCase(忽略大小寫)	比對時不區分大小寫。
Multiline(多行模式)	更改^和$的含義，使它們分别在任意一行的行首和行尾比對，而不僅僅在整個字元串的開頭和結尾比對。(在此模式下,$的精确含意是:比對\n之前的位置以及字元串結束前的位置.)
Singleline(單行模式)	更改.的含義，使它與每一個字元比對（包括換行符\n）。
IgnorePatternWhitespace(忽略空白)	忽略表達式中的非轉義空白并啟用由#标記的注釋。
ExplicitCapture(顯式捕獲)	僅捕獲已被顯式命名的組。

注釋 

小括号的另一種用途是通過文法(?#comment)來包含注釋。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。

一些雜碎的體會

常用的正規表達式文法

常用的正規表達式