码迷,mamicode.com
首页 > 其他好文 > 详细

正则表达式入门及备忘

时间:2015-07-14 22:10:24      阅读:113      评论:0      收藏:0      [点我收藏+]

标签:

概述

正则表达式,主要是用符号描述了一类特定的文本(模式)。而正则表达式引擎则负责在给定的字符串中,查找到这一特定的文本。

本文主要是列出常用的正则表达式符号,加以归类说明。本文仅仅是快速理解了正则表达式相关元字符,作一个备忘,供以后理解更复杂表达式的参考,以后关于正则表达式的相关内容会持续更新本文。示例语言用C#

概述

普通字符

字符集合

速记的字符集合

指定重复次数的字符

匹配位置字符

分支替换字符

匹配特殊字符

组,反向引用,非捕获组

贪婪与非贪婪

回溯与非回溯

正向预搜索、反向预搜索

最后

普通字符

 最简单的一种文本描述,就是直接给出要匹配内容。 如要在”Generic specialization, the decorator pattern, chains of responsibilities, and extensible software.” 找到pattern,那么正则式就直接是”heels”即可

技术分享
            string input = "Generic specialization, the decorator pattern, chains of responsibilities, and extensible software.";
            Regex reg = new Regex("pattern", RegexOptions.IgnoreCase);

            Console.WriteLine(reg.Matches(input).Count);  //output 1
View Code

 

字符集合

 将字符放在中括号中,即为字符集合。通过字符集合告诉正则式引擎从字符集合中的字符,仅匹配出一个字符。

字符 匹配的字符 示例
[...] 匹配括号中的任一字符 [abc]可以匹配单个字符a,b或c,但不能匹配其它字符
[^...] 匹配非括号中的任一字符 [^abc]可以匹配任一个除a,b,c的一个字符,如d,e,f

比如单词灰色gray(英)和grey(美),在一段文本中匹配出gray或grey,那么通过正则式gr[ae]y 就可以了;又比如要在一段文本中找到me和my,正则式是m[ey]

我们还可以在字符集合中使用连字号 – 来表示一个范围,比如 [0-9] 表示匹配一个0到9数字;[a-zA-Z] 表示匹配英文字母;[0-9 a-zA-Z]表示匹配一个0到9的数字或英文字母

技术分享
            string input = "The color of shirt is gray and color of shoes is grey too.";
            Regex reg = new Regex("gr[ae]y", RegexOptions.IgnoreCase);

            Console.WriteLine(reg.Matches(input).Count);  //output 2

            var matchs = reg.Matches(input);
            foreach (Match match in matchs)
            {
                Console.WriteLine(match.Value);//output gray  grey
            }
View Code

 

速记的字符集合

我们常常要匹配一个数字,一个字母,一个空白符,虽然可以用普通的字符类来表示,但不够方便,所以正则式提示了一些常用的字符集合的速记符

字符 匹配的字符 示例
\d 从0到9的任何一个数字 \d\d 可以匹配72,但不能匹配me或7a
\D 非数字符 \D\D 可以匹配me,但不能匹配7a或72
\w 任一个单词字符,如A-Z, a-z, 0-9和下划线字符 \w\w\w\w可以匹配aB_2,但不能匹配ab_@
\W 非单词字符 \W 可以匹配@,但不能匹配a
\s 任一空白字符,包括了制表符,换行符,回车符,换页符和垂直制表符 匹配所有传统的空白字符
\S 任一非空白字符 \S 可以匹配任一非空白字符,如~!@#&
. 任一字符 匹配任一字符,换行符除外
技术分享
            string input = "1024 hello world&%";
            Regex reg1 = new Regex(@"\d\d\d\d");
            if (reg1.IsMatch(input)) 
            {
                Console.WriteLine(reg1.Match(input).Value);//output 1024
            }

            Regex reg2 = new Regex(@"\W\W");
            if (reg2.IsMatch(input))
            {
                Console.WriteLine(reg2.Match(input).Value);//output &%
            }
View Code

 

指定重复次数的字符

指定重复匹配前面的字符多少次:匹配重复的次数,不匹配内容。比如说,要在一系列电话号码中找到以158开始的11位手机号,如果我们没有学过下面的内容,正则表达式为158\d\d\d\d\d\d\d\d;但如果我们学习了下面的知识,则正则表达式为158\d{8}

字符 匹配的字符 示例
{n} 匹配前面字符n次 x{2},可以匹配xx,但不能匹配xxx
{n,} 匹配前面字符n次或更多 x{2,}可以2个或更多的x,比如可以匹配xx,xxx,xxxx,xxxxxx
{n,m} 匹配前面字符最少n次,最多m次。如果n为0,则可以不指定 x{2,4},匹配了xx,xxx,xxxx,但不能匹配x,xxxxx
? 匹配前面的字符0次或1次,相当于{0,1} x? 匹配x或空
+ 匹配前面的字符1次或多次, 相当于{1,} x+ 匹配x,xx,或xxx
* 匹配前面的字符0次或多次 x* 匹配0个或多个x
技术分享
            string input = "my phone number is 15861327445, please call me sometime.";
            Regex reg1 = new Regex(@"158\d{8}");//匹配以158为开头的11位手机号
            if (reg1.IsMatch(input))
            {
                Console.WriteLine(reg1.Match(input).Value);//output 15861327445
            }

            string input2 = "November is the 11 month of the year, you can use Nov for short.";
            Regex reg2 = new Regex(@"Nov(ember)?");//匹配Nov 或者November

            var matchs = reg2.Matches(input2);
            foreach (Match match in matchs)
            {
                Console.WriteLine(match.Value);//output November  Nov
            }

            string input3 = "1000, 100, 2003, 9999,10000";
            Regex reg3 = new Regex(@"\b[1-9]\d{3}\b");//匹配1000到9999的数字

            var matchs3 = reg3.Matches(input3);
            foreach (Match match in matchs3)
            {
                Console.WriteLine(match.Value);//output 1000 2003 9999  其中\b是指匹配单词的边界
            }

            string input4 = "1000, 100, 2003, 9999,10000,99,10,1, 99999";
            Regex reg4 = new Regex(@"\b[1-9][0-9]{2,4}\b");//匹配100到99999的数字

            var matchs4 = reg4.Matches(input4);
            foreach (Match match in matchs4)
            {
                Console.WriteLine(match.Value);//output 1000 100 2003 9999 10000 99999  其中\b是指匹配单词的边界
            }
View Code

 

匹配位置的字符

现在我们已经学会了使用字符集合,字符集合的速记符来匹配大部分的文本了。但是如果我们遇到以下的情况,怎么办?

要求匹配文本的第一个单词为google

要求匹配文本以bye结束

要求匹配文本每一行的第一个单词为数字

要求匹配一个单词以hel开头

上面的这种匹配一个位置,但不匹配任何内容的需求很正常。在正则表达式中也提供了一些特殊的字符来匹配位置(不匹配内容)。如用^匹配文本的开始位置, 用$匹配文本的结束位置,\b匹配一个单词的边界

字符 匹配的字符 示例
^ 其后的模式必须在字符串的开始处,如果是一个多行字符串,应位于任一行的开始。对于多行文本(有回车符),需要设置Multiline标识  
$ 前面的模式必须在字符串的结尾处,如果是一个多行字符串,应该在任一行的末尾  
\b 匹配一个单词的边界,  
\B 匹配一个非单词的边界,并不在一个单词的开始或结尾处  
\A 前面的模式必须在字符串的开始,并忽略多行标识  
\z 前面的模式必须在字符串的末尾,并忽略多行标识  
\Z 前面的模式必须在字符串的末尾,或是位于换行符前  
技术分享
            string input1 = "the color of shirt is gray and the color of shoes is grey too.";
            Regex reg1 = new Regex(@"^the");//匹配

            var matchs1 = reg1.Matches(input1);
            foreach (Match match in matchs1)
            {
                Console.WriteLine(string.Format("the value is:{0}; and the index is:{1}", match.Value, match.Index));//output the value is:the; and the index is:0
            }

            string input2 = "the color of shirt shirts is gray and the color of shoes is grey too.";
            Regex reg2 = new Regex(@"\b\w*irt\b");//匹配shirt单词,但不会匹配到shirts

            var matchs2 = reg2.Matches(input2);
            foreach (Match match in matchs2)
            {
                Console.WriteLine(string.Format("the value is:{0}; and the index is:{1}", match.Value, match.Index));//output the value is:shirt; and the index is:13
            }
View Code

 

分支替换字符

在字符集合中,我们可以在用中括号来指定匹配中括号中的任一字符,即模式中可以列出多种字符情景,被匹配的文本只要有符合其中的任一情景就可以被匹配出来。 那有没有这样的一种机制,同一个正则式中有多个模式,只有满足其中的任一模式就可以被匹配出来。再配合分组,就可以把一个复杂的正则式分成多个相对简单子的正则式来做。类似于逻辑符号OR的意思吧。

字符 匹配的字符 示例
| 选择匹配符,匹配前面或后面的任一模式 cat|mouse 可以匹配出cat 或mouse
技术分享
            string input1 = "color: blue, grey, gray, white, black";
            Regex reg1 = new Regex(@"(grey)|(gray)");//匹配grey和gray

            var matchs1 = reg1.Matches(input1);
            foreach (Match match in matchs1)
            {
                Console.WriteLine(match.Value);//output grey, gray
            }
View Code

匹配特殊字符

到现在,我们已经知道了字符集合,一些速记的字符集合,匹配位置的字符,指定匹配次数的字符,分支匹配。我们用的这些符号,在正则表达式中代表了各种特定的意义。那当我们要匹配这些字符本身,我们应该怎么办?在特殊字符前加上\, 以下是一些常用特殊字符的转义字符的列表

字符 匹配的字符 示例
\\ 匹配字符\  
\. 匹配字符.  
\* 匹配字符*  
\+ 匹配字符+  
\? 匹配字符?  
\| 匹配字符|  
\( 匹配字符(  
\) 匹配字符)  
\{ 匹配字符{  
\} 匹配字符}  
\^ 匹配字符^  
\$ 匹配字符$  
\n 匹配字符n  
\r 匹配字符r  
\t 匹配字符t  
\f 匹配字符f  
\nnn 匹配一个三位八进制数指定的ASCII字符,如\103匹配一个大写的C  
\xnn 匹配一个二位十六进制数指定的ASCII字符,如\x43匹配C  
\xnnnn 匹配一个四位十六进制数指定的unicode字符  
\cV 匹配一个控制字符,如,\cV匹配Ctrl+V  
技术分享
            string input1 = "2.5+1.5=4";
            Regex reg1 = new Regex(@"2\.5\+1\.5=4");//其中.和+在正则式中都是特殊字符,如果想匹配这些特殊字符本身的含义,那么在前面加上一个\

            var matchs1 = reg1.Matches(input1);
            foreach (Match match in matchs1)
            {
                Console.WriteLine(match.Value);//output 2.5+1.5=4
            }
View Code

组,反向引用,非捕获组

组,可以用圆括号,将正则表达式的部分括起来并独立使用,在圆括号之间的正则式叫做一个组。可以将匹配次数的字符和分支匹配字符应用到组。

1 示例: public void Set, public void SetValue

正则式Set(Value)? , 其中(Value)是一个组,匹配次数的字符?将应用于整个组(Value),可以匹配到Set或SetValue

2 示例:Out of sight, out of mind

正则式: “(out of) sight, \1 mind”

正则表达式引擎会将 “()”中匹配到的内容存储起来,作为一个“组”,并且可以通过索引的方式进行引用。表达式中的“\1”,用于反向引用表达式中出现的第一个组。 同时在c#中,也可以通过组来访问捕获到的组的内容。注意,Groups[0]是整个匹配的字符串,组的内容从索引1开始

技术分享
            string input1 = "out of sight, out of mind";
            Regex reg1 = new Regex(@"(out of) sight, \1 mind");

            if (reg1.IsMatch(input1))
            {
                Console.WriteLine(reg1.Match(input1).Value);//output out of sight, out of mind
            }

            Console.WriteLine(reg1.Match(input1).Groups[1].Value);  // output out of
View Code

 

3 可根据组名进行索引。使用以下格式为标识一个组的名称(?<groupname>…)

正则式: “(?<Group1>out of) sight, \1 mind”

技术分享
            string input2 = "out of sight, out of mind";
            Regex reg2 = new Regex(@"(?<Group1>out of) sight, \1 mind");

            if (reg2.IsMatch(input2))
            {
                Console.WriteLine(reg2.Match(input2).Value);//output out of sight, out of mind
            }
            Console.WriteLine(reg2.Match(input2).Groups["Group1"].Value);  // output out of
View Code

 

4在表达式外引用,对于索外用$索引,或组名用${组名}

示例:Out of of sight, out of mind

正则式 “(?<Group1>[a-z]+) \1”

技术分享
            string input3 = "out of sight, out out of mind mind";
            Regex reg3 = new Regex(@"(?<Group1>[a-z]+) \1");//匹配重复的单词

            if(reg3.IsMatch(input3))
            {
                Console.WriteLine(reg3.Replace(input3, "$1"));//output  out of sight, out of mind
                Console.WriteLine(reg3.Replace(input3, "${Group1}"));//output  out of sight, out of mind
            }
View Code

 

5非捕获组,在组前加上?: 因为有的组表达的仅仅是一个选择替换,当我们不想用浪费存储时,以用不捕获该组

"(?:out of) sight"

技术分享
            string input4 = "out of sight, out of mind";
            Regex reg4 = new Regex(@"(?:out of) sight");//使用了非捕获?:后,在表达式内就不能使用\1去引用了

            if (reg4.IsMatch(input4))
            {
                Console.WriteLine(reg4.Match(input4).Groups[1].Value);  // output 空
            }        
View Code

 

字符 匹配的字符 示例
(?<groupname>exp) 匹配exp,并捕获文本到名称为name的组里  
(?:exp) 匹配exp,不捕获匹配的文本,也不给此分组分配组号  

贪婪与非贪婪

正则表达式的引擎默认是贪婪,只要模式允许,它将匹配尽可能多的字符。通过在“重复描述字符(*,+等)”后面添加“?”,可以将匹配模式改成非贪婪。贪婪与非贪婪与指定重复次数的字符的内容密切相关。

字符 匹配的字符 示例
? 如果是跟在量词(即指定匹配次数的字符)后面,那么正则表达式则采用非贪婪模式  

示例 out of sight, out of mind

贪婪正则式 :  .* of  输出out of sight, out of

非贪婪正则式 :  .*? of 输出 out of

另外一个示例

输入:The title of cnblog is <h1>code changes the world</h1>

目标:匹配HTML标记

正则式1:<.+> 

正则式1的输出: <h1>code changes the world</h1>

正则式2:<.+?>

正则式2的输出: <h1> </h1>

技术分享
            string input1 = "out of sight, out of mind";
            Regex reg1 = new Regex(@".* of");//默认贪婪模式,尽可能的匹配更多的文本。在遇到第一个of时,正则引擎并没有停止下来,继续执行以期望后面还有一个of,这样就可以匹配到更多的文本。如果后面没有匹配到新的of,刚执行回溯
            if (reg1.IsMatch(input1))
            {
                Console.WriteLine(reg1.Match(input1).Value);//output out of sight, out of
            }

            string input2 = "out of sight, out of mind";
            Regex reg2 = new Regex(@".*? of");//在指定重复次数的字符后面加上?,正则式则为非贪婪模式。一但遇到第一个符合条件的文本,就匹配结束
            if (reg2.IsMatch(input2))
            {
                Console.WriteLine(reg2.Match(input2).Value);//output out of
            }

            string input3 = "The title of cnblog is <h1>code changes the world</h1>";
            Regex reg3 = new Regex(@"<.+>");//贪婪模式:匹配HTML标记

            var matchs3 = reg3.Matches(input3);
            foreach (Match match in matchs3)
            {
                Console.WriteLine(match.Value);//output <h1>code changes the world</h1>
            }

            string input4 = "The title of cnblog is <h1>code changes the world</h1>";
            Regex reg4 = new Regex(@"<.+?>");//非贪婪模式:匹配HTML标记

            var matchs4 = reg4.Matches(input4);
            foreach (Match match in matchs4)
            {
                Console.WriteLine(match.Value);//output <h1> </h1>
            }
View Code

回溯与非回溯

使用“(?>…)”方式进行非回溯声明。由于正则表达式引擎的贪婪特性,导致它在某些情况下,将进行回溯以获得匹配,请看下面的示例:

示例:Live for nothing, die for something

正则式(默认非回溯): “.*thing,”   输出Live for nothing  。“.*”由于其贪婪特性,将一直匹配到字符串的最后,随后匹配“thing”,但在匹配“,”时失败,此时引擎将回溯,并在“thing,”处匹配成功

正则式(回溯):”(?>.*)thing,” 匹配不到任何东西。由于强制非回溯,所以整个表达式匹配失败

技术分享
            string input1 = "Live for nothing, die for something,";
            Regex reg1 = new Regex(@"(.*)thing,");

            var matchs1 = reg1.Matches(input1);
            foreach (Match match in matchs1)
            {
                Console.WriteLine(match.Value);//output 
            }

            Regex reg2= new Regex(@"(?>.*)thing,");

            var matchs2 = reg2.Matches(input1);
            foreach (Match match in matchs2)
            {
                Console.WriteLine(match.Value);//output 
            }
View Code

 

 

字符 匹配的字符 示例
(?>...) 匹配组内表达式时,不回溯  

正向预搜索、反向预搜索

匹配特定的模式,并声明前面或后面的内容。意思跟匹配位置差不多

 

 

字符 匹配的字符 示例
(?=exp) 左边的模式后面必须紧跟着exp,声明本身不作为匹配结果的一部分  
(?!exp) 左边的模式的后面不能紧跟着exp,声明本身不作为匹配结果的一部分  
(?<=exp) 右边的模式的前面必须是exp,声明本身不作为匹配结果的一部分  
(?<!exp) 右边的模式的前面不能是exp,声明本身不作为匹配结果的一部分  
技术分享
            string input1 = "hello 1024 world 8080 bye";
            Regex reg1 = new Regex(@"\d{4}(?= world)");
            if (reg1.IsMatch(input1))
            {
                Console.WriteLine(reg1.Match(input1).Value);//output 1024
            }

            Regex reg2 = new Regex(@"\d{4}(?! world)");
            if (reg2.IsMatch(input1))
            {
                Console.WriteLine(reg2.Match(input1).Value);//output 8080
            }

            Regex reg3 = new Regex(@"(?<=world )\d{4}");
            if (reg3.IsMatch(input1))
            {
                Console.WriteLine(reg3.Match(input1).Value);//output 8080
            }


            Regex reg4 = new Regex(@"(?<!world )\d{4}");
            if (reg4.IsMatch(input1))
            {
                Console.WriteLine(reg4.Match(input1).Value);//output 1024
            }
View Code

最后

参考地址:

正则表达式30分钟入门教程

Regular Expressions Tutorial

NET Framework Regular Expressions

.NET进阶系列之一:C#正则表达式整理备忘

正则表达式入门及备忘

标签:

原文地址:http://www.cnblogs.com/dataadapter/p/4646061.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!