正则表达式的使用简介

正则表达式常用元字符
　　. 　　匹配除换行符以外的任意字符
　　\b 　　匹配英文单词的开始和结束，只是匹配一个位置
　　\d 　　匹配一个阿拉伯数字，多个数字可以这样 \d{3} 3个连续的数字
　　\w 　　匹配字母或数字或下划线或汉字
　　\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。
　　*　　 表示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
　　+　　 匹配重复1次或更多次
　　^ 　　匹配你要用来查找的字符串的开头，
　　$ 　　匹配字符串的结尾，例如：QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$
　　? 　　重复零或一次
　　{n} 　　重复n次
　　{n,}　　 重复n次或更多
　　{n,m} 　　重复n至m次

分枝条件符号 | ：
　　\d{5}-\d{4}|\d{5}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

分组符号 () ：
　　\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。可能出现 999.999.999.999

　　更好的描述
　　((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

反义：
　　\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

后向引用：

　　用于重复搜索前面某个分组匹配的文本,\1代表分组1匹配的文本
　　\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty
　　自己指定子表达式的组名：
　　(?<Word>\w+)(或者把尖括号换成'也行：(?'Word'\w+)),这样就把\w+的组名指定为Word了
　　上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b


　　捕获 (exp) 匹配exp,并捕获文本到自动命名的组里
　　(?<name>exp) 匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
　　(?:exp) 匹配exp,不捕获匹配的文本，也不给此分组分配组号
　　零宽断言

　　(?=exp) 匹配exp前面的位置
　　(?<=exp) 匹配exp后面的位置
　　(?!exp) 匹配后面跟的不是exp的位置
　　(?<!exp) 匹配前面不是exp的位置
　　注释(?#comment) 这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

　　(?=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
　　\b\w+(?=ing\b) 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
　　(?<=\bre)\w+\b 查找reading a book时，它匹配ading
　　(?!exp) 零宽度负预测先行断言，断言此位置的后面不能匹配表达式exp。只匹配一个位置，并不消费任何字符
　　区别[^x]
　　\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词

　　一个更复杂的例子 (?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容
　　如：<b>和</b>

注释：
　　(?<= 　　 　　 # 断言要匹配的文本的前缀
　　   <(\w+)> 　  # 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
　　　　<\/\1> 　　 # 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）匹配尽可能多的字符
　　a.*b 来搜索aabab的话，它会匹配整个字符串aabab

　　懒惰匹配，也就是匹配尽可能少的字符
　　*? 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
　　a.*?b匹配aabab 找到aab（第一到第三个字符）和ab（第四到第五个字符）
平衡组/递归匹配
　　(?'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

　　< #最外层的左括号
　　[^<>]* #最外层的左括号后面的不是括号的内容
　　(
　　(
　　(?'Open'<) #碰到了左括号，在黑板上写一个"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"
　　[^<>]* #匹配右括号后面不是括号的内容
　　)+
　　)*
　　(?(Open)(?!)) #在遇到最外层的右括号前面，判断黑板上还有没有没擦掉的"Open"；如果还有，则匹配失败

　　> #最外层的右括号

网上的资源及本文参考文献

• 精通正则表达式（第3版）
• 微软的正则表达式教程
• System.Text.RegularExpressions.Regex类(MSDN)
• 专业的正则表达式教学网站(英文)
• 关于.Net下的平衡组的详细讨论（英文）

　　参考：http://deerchao.net/tutorials/regex/regex.htm#resources