1、正则表达式b 是正则表达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。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是b 并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。比如 him,history,high 等等。用 hi 来查找的话，这里边的 hi 也会被找出来。如果要精确地查找 hi 这个单词的话，我们应该使用bhib“.”是另一个元字符，匹配除了换行符以外的任意字符。 “*”同样是元字符，不过它代表的不是字符，也不是位置，而是数量它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。
2、因此，.*连在一起就意味着任意数量的不包含换行的字符 。现在bhib.*bLucyb 的意思就很明显了：先是一个单词 hi,然后是任意个任意字符( 但不能是换行) ，最后是 Lucy 这个单词。0dd-dddddddd 匹配这样的字符串：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，这个例子只能匹配区号为 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，只匹配它本身连字符(或者减号，或者中横线，或者随你怎么称呼它)。0d2-d8。 这里d 后面的2(8)的意思是前面d 必须连续重复匹配 2
3、次(8 次)。s 匹配任意的空白符，包括空格，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。baw*b 匹配以字母 a 开头的单词先是某个单词开始处(b)，然后是字母 a,然后是任意数量的字母或数字(w*)，最后是单词结束处(b)。d+匹配 1 个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是 0 次)，而+则匹配重复1 次或更多次。bw6b 匹配刚好 6 个字符的单表 1.常用的元字符代码 说明. 匹配除换行符以外的任意字符w 匹配字母或数字或下划线或汉字s 匹配任意的空白符d 匹配数字b 匹配单词的开始或结束 匹配字符串的开始
4、$ 匹配字符串的结束元字符（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非常有用，比如一个网站如果要求你填写的 QQ 号必须为 5 位到 12 位数字时，可以使用：d5,12$。这里的5,12和前面介绍过的2是类似的，只不过2匹配只能不多不少重复 2 次,5,12则是重复的次数不能少于5 次，不能多于 12 次，否则都不匹配。因为使用了 和$ ，所以输入的整个字符串都要用来和d5,12 来匹配，也就是说整个输入必须是 5 到 12 个数字，因此如果输入的 QQ 号能匹配这个正则表达式的话，那就
5、符合要求了。和忽略大小写的选项类似，有些正则表达式处理工具还有一个处理多行的选项。如果选中了这个选项， 和$的意义就变成了匹配行的开始处和结束处。表 2.常用的限定符代码/语法 说明* 重复零次或更多次+ 重复一次或更多次? 重复零次或一次n 重复 n 次n, 重复 n 次或更多次n,m 重复 n 到 m 次字符类:要想查找数字，字母或数字，空白是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(比如元音字母 a,e,i,o,u),应该怎么办？很简单，你只需要在方括号里列出它们就行了，像aeiou就匹配任何一个英文元音字母，.?!匹配标点符号(.或?或
6、!)。我们也可以轻松地指定一个字符范围，像0-9代表的含意与d就是完全一致的：一位数字；同理a-z0-9A-Z_也完全等同于w（如果只考虑英文的话）。下面是一个更复杂的表达式：(?0d2) -?d8。“(”和“)”也是元字符，后面的分组节里会提到，所以在这里需要使用转义。这个表达式可以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(d2)，然后是)或-或空格中的一个，它出现 1 次或不出现(?)，最后是 8
7、个数字(d8)。分枝条件不幸的是，刚才那个表达式也能匹配 010)12345678 或(022-87654321 这样的“不正确”的格式。要解决这个问题，我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。听不明白？没关系，看例子：0d2-d8|0d3-d7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)。(0d2)- ?d8|0d2- ?d8这个表达式匹配3 位区号的电话号码，其中区号可以用小
8、括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。你可以试试用分枝条件把这个表达式扩展成也支持 4 位区号的。d5-d4|d5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。之所以要给出这个例子是因为它能说明一个问题：使用分枝条件时，要注意各个条件的顺序。如果你把它改成d5|d5-d4的话，那么就只会匹配 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，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。分组我们已经提到了怎么重复单个字符（直接在字符后面加上限定符就行了）；但
9、如果想要重复多个字符又该怎么办？你可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了，你也可以对子表达式进行其它一些操作(后面会有介绍)。(d1,3.)3d1,3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：d1,3匹配 1 到 3位的数字，(d1,3.)3匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复 3 次，最后再加上一个一到三位的数字(d1,3)。IP 地址中每个数字都不能大于 255，大家千万不要被24第三季的编剧给忽悠了不幸的是，它也将匹配 256.300.888.999 这种不可能存在的 IP 地址。如果能使用
10、算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的 IP 地址：(20-4d|250-5|01?dd?).)3(20-4d|250-5|01?dd?)。理解这个表达式的关键是理解 20-4d|250-5|01?dd?，这里我就不细说了，你自己应该能分析得出来它的意义。反义有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：表 3.常用的反义代码代码/语法 说明W 匹配任意不是字母，数字，下划线，汉字的字符S 匹配任意不是空白符的字符D 匹配任意非数
11、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 以外的任意字符aeiou 匹配除了 aeiou 这几个字母以外的任意字符例子：S+匹配不包含空白符的字符串。+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)可以在表达式或其它程序中作进一步的处理。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。呃其实,组号分配还不像我刚说得那么简单： 分组 0 对应整个正则表达式 实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名
12、组分配，第二遍只给命名组分配因此所有命名组的组号都大于未命名的组号 你可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权后向引用用于重复搜索前面某个分组匹配的文本。例如，1 代表分组 1 匹配的文本。难以理解？请看示例：b(w+)bs+1b 可以用来匹配重复的单词，像 go go, 或者 kitty kitty。这个表达式首先是一个单词，也就是单词开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)。你也可以自己指定子表达式的组名。要指定
13、一个子表达式的组名，请使用这样的语法：(?w+)(或者把尖括号换成也行：(?Wordw+),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，你可以使用k,所以上一个例子也可以写成这样：b(?w+)bs+kb。使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：表 4.常用分组语法分类 代码/语法 说 明(exp) 匹配 exp,并捕获文本到自动命名的组里(?exp)匹配 exp,并捕获文本到名称为 name 的组里，也可以写成(?nameexp)捕获(?:exp)匹配 exp,不捕获匹配的文本，也不给此分组分配组号(?=exp) 匹配 exp 前面的位置(?
14、).*(?=)，这个表达式最能表现零宽断言的真正用途。一个更复杂的例子：(?).*(?=)匹配不包含属性的简单 HTML 标签内里的内容。()指定了这样的前缀：被尖括号括起来的单词(比如可能是)，然后是.*(任意的字符串),最后是一个后缀(?=)。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，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。注释小括号的另一种用途是通过语法(?#comment)来包含注释。例如：20-4d(?#200-249)|250-5(?#250-2
15、55)|01?dd?(?#0-199)。要包含注释的话，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任意的添加空格，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所有文本都将被当成注释忽略掉。例如，我们可以前面的一个表达式写成这样：(? # 查找尖括号括起来的字母或数字(即 HTML/XML 标签) # 前缀结束.* # 匹配任意文本(?= # 断言要匹配的文本的后缀# 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则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹
16、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 开始，以 b 结束的字符串。如果用它来搜索 aabab 的话，它会匹配整个字符串 aabab。这被称为贪婪匹配。有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：a.*?b 匹配最短的，以 a 开始，以 b 结束的字符串。如果把它应用于 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（
17、第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权The match that begins earliest wins。表 5.懒惰限定符代码/语法 说明*? 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，但尽可能少重复处理选项在 C#中，你可以使用 Regex(String, RegexOptions)构造函数来设置正则表达式的处理选项。如：Regex rege
18、x = new Regex(“baw6b“, RegexOptions.IgnoreCase);上面介绍了几个选项如忽略大小写，处理多行等，这些选项能用来改变处理正则表达式的方式。下面是.Net 中常用的正则表达式选项：表 6.常用的处理选项名称 说明IgnoreCase(忽略大小写) 匹配时不区分大小写。Multiline(多行模式)更改和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配n 之前的位置以及字符串结束前的位置.) Singleline(单行模式)更改.的含义，使它与每一个字符匹配（包括换行符n）。 Igno
19、rePatternWhitespace(忽略空白)忽略表达式中的非转义空白并启用由#标记的注释。ExplicitCapture(显式捕获) 仅捕获已被显式命名的组。一个经常被问到的问题是：是不是只能同时使用多行模式和单行模式中的一种？答案是：不是。这两个选项之间没有任何关系，除了它们的名字比较相似（以至于让人感到疑惑）以外。平衡组/递归匹配这里介绍的平衡组语法是由.Net Framework 支持的；其它语言库不一定支持这种功能，或者支持此功能但需要使用不同的语法。有时我们需要匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构，这时简单地使用(.+)则只会匹配到最左边的左
20、括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式，懒惰模式也有下面的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等，比如 ( 5 / ( 3 + 2 ) ) )，那我们的匹配结果里两者的个数也不会相等。有没有办法在这样的字符串里匹配到最长的，配对的括号之间的内容呢？为了避免(和(把你的大脑彻底搞糊涂，我们还是用尖括号代替圆括号吧。现在我们的问题变成了如何把 xx aa yy 这样的字符串里，最长的配对的尖括号内的内容捕获出来？这里需要用到以下的语法构造： (?group) 把捕获的内容命名为 group,并压入堆栈(Stack) (?-group) 从堆栈上弹出最后压入堆栈
21、的名为 group 的捕获内容，如果堆栈本来为空，则本分组的匹配失败 (?(group)yes|no) 如果堆栈上存在以名为 group 的捕获内容的话，继续匹配 yes 部分的表达式，否则继续匹配 no 部分 (?!) 零宽负向先行断言，由于没有后缀表达式，试图匹配总是失败如果你不是一个程序员（或者你自称程序员但是不知道堆栈是什么东西），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个“group“，第二个就是从黑板上擦掉一个“group“，第三个就是看黑板上写的还有没有“group“，如果有就继续匹配 yes 部分，否则就匹配 no 部分。我们需要做的是每碰到了左括号，就在压入一个“
22、Open“,每碰到一个右括号，就弹出一个，到了最后就看看堆栈是否为空如果不为空那就证明左括号比右括号多，那匹配就应该失败。正则表达式引擎会进行回溯(放弃最前面或最后面的一些字符)，尽量使整个表达式得到匹配。* #最外层的左括号后面的不是括号的内容(?Open* #匹配左括号后面的不是括号的内容)+(?-Open) #碰到了右括号，擦掉一个“Open“ #最外层的右括号平衡组的一个最常见的应用就是匹配 HTML,下面这个例子可以匹配嵌套的标签：*)*)+)*(?(Open)(?!).还有些什么东西没提到上边已经描述了构造正则表达式的大量元素，但是还有很多没有提到的东西。下面是一些未提到的元素的列
23、表，包含语法和简单的说明。你可以在网上找到更详细的参考资料来学习它们-当你需要用到它们的时候。如果你安装了 MSDN Library,你也可以在里面找到.net 下正则表达式详细的文档。这里的介绍很简略，如果你需要更详细的信息，而又没有在电脑上安装 MSDN Library,可以查看关于正则表达式语言元素的 MSDN 在线文档。表 7.尚未详细讨论的语法代码/语法 说明a 报警字符(打印它的效果是电脑嘀一声)b通常是单词分界位置，但如果在字符类里使用代表退格t 制表符，Tabr 回车v 竖向制表符f 换页符n 换行符e Escape0nn ASCII 代码中八进制代码为 nn 的字符xnn A
24、SCII 代码中十六进制代码为 nn 的字符unnnn Unicode 代码中十六进制代码为 nnnn 的字符cN ASCII 控制字符。比如cC 代表 Ctrl+CA 字符串开头(类似，但不受处理多行选项的影响)Z 字符串结尾或行尾(不受处理多行选项的影响)表 7.尚未详细讨论的语法代码/语法 说明z 字符串结尾(类似$，但不受处理多行选项的影响)G 当前搜索的开头pnameUnicode 中命名为 name 的字符类，例如pIsGreek(?exp) 贪婪子表达式(?-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，如果在这个位置能匹配，使用 yes 作为此组的表达式；否则使用no(?(exp)yes) 同上，只是使用空表达式作为 no(?(name)yes|no)如果命名为 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，只是使用空表达式作为 no
