.NET正则基础之——.NET正则匹配模式
1 概述
匹配模式指的是一些可以改变正则表达式匹配行为的选项或修饰符。不同的语言支持的匹配模式不同，使用的方式也不同。
一般可分为全局和内联两种。下面主要介绍.NET中的匹配模式，其它语言的匹配模式，后续视情况补充。
2 匹配模式
2.1 全局匹配模式和内联匹配模式概述
.NET中的全局匹配模式是通过RegexOptions 枚举值指定的，可以按位“或”进行组合，全局匹配模式只能作用于整个正则表达式。全局匹配模式提供的模式更多，可以灵活的动态指定匹配模式。
而内联匹配模式是通过在正则表达式中，使用(?imnsx-imnsx:)或(?imnsx-imnsx)的分组构造来改变正则表达式的匹配行为的。内联匹配模式更灵活、简洁，但是提供的模式较少。
下表摘自MSDN，部分说明做了修改。
| RegexOption 成员 |
内联字符 |
说明 |
| None |
N/A |
指定不设置任何选项。 |
| IgnoreCase |
i |
指定不区分大小写的匹配。 |
| Multiline |
m |
指定多行模式。更改 ^ 和 $ 的含义，以使它们分别与任何行的开头和结尾匹配，而不只是与整个字符串的开头和结尾匹配。 |
| ExplicitCapture |
n |
指定唯一有效的捕获是显式命名或编号的 (?<name>…) 形式的组。这允许圆括号充当非捕获组，从而避免了由 (?:…) 导致的语法上的笨拙。 |
| Compiled |
N/A |
指定正则表达式将被编译为程序集。生成该正则表达式的 Microsoft 中间语言 (MSIL) 代码；以较长的启动时间为代价，得到更快的执行速度。 |
| Singleline |
s |
指定单行模式。更改句点字符 (.) 的含义，以使它与每个字符（而不是除 \n 之外的所有字符）匹配。 |
| IgnorePatternWhitespace |
x |
指定从模式中排除非转义空白并启用数字符号 (#) 后面的注释。请注意，空白永远不会从字符类中消除。 |
| RightToLeft |
N/A |
指定搜索是从右向左而不是从左向右进行的。具有此选项的正则表达式将移动到起始位置的左边而不是右边。 |
| ECMAScript |
N/A |
指定已为表达式启用了符合 ECMAScript 的行为。此选项仅可与 IgnoreCase 和 Multiline 标志一起使用。将 ECMAScript 同任何其他标志一起使用将导致异常。 |
| CultureInvariant |
N/A |
指定忽略语言中的区域性差异。 |
2.2 全局匹配模式
下面根据各种模式使用的频率进行讲解。
2.2.1 IgnoreCase 忽略大小写
几乎所有支持正则的语言中都提供了这一模式，是应用最多的模式之一，同时也是被“滥”用最多的模式之一。
开启忽略大小写模式，则字符可以同时匹配大写或小写形式。比如在此模式下，正则表达式“
”可同时匹配“
”和“
”
但并不是所有的字符都有大小写形式，所以在书写的正则中，如果不存在可区分大小写形式的元字符或是字符序列时，开启这一模式是没有任何意义的。
比如替换一般的html标签的正则表达式
string result = Regex.Replace(srcStr, @"<[^>]*>", "", RegexOptions.IgnoreCase);
因为<[^>]*>没有哪一个元字符或是字符序列具有大小写形式，所以这里的RegexOptions.IgnoreCase是多余的，用在这里虽然不会改变匹配结果，但是会降低匹配效率，同时这也不是一个好的习惯。
只有在正则表达式中，注意是正则表达式中，而不是待匹配的源字符串中，涉及到大小写形式的元字符或是字符序列时，才使用IgnoreCase模式。
2.2.2 Multiline 多行模式
多行模式改变的是“^”和“$”的匹配行为，使“^”和“$”不仅可以匹配整个字符串的开始和结束位置，还可以匹配每行的开始和结束位置。
首先说明一下“行”的范围。虽然我们在程序中习惯用“\r\n”来表示换行，但实际上“\r”和“\n”是不相关的两个字符，一个表示回车，一个表示换行。由于历史原因，“\r”并不是所有系统都支持的，所以“行”是由“\n”来分割的，其中“\n”属于前一“行”，而不属于后一“行”。
举例来说，字符串“a\r\nbc\r\n”共有三行，“a\r\n”为一行，“bc\r\n”为一行，最后还有一个“”空行。
2.2.2.1 在不开启多行模式情况下，“^”和“$”匹配范围
“^”的匹配范围
MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"^");
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";
}
/*--------输出--------
匹配内容： 匹配开始索引：0 匹配长度：0
*/
“$”的匹配范围
MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"$");
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";
}
/*--------输出--------
匹配内容： 匹配开始索引：6 匹配长度：0
匹配内容： 匹配开始索引：7 匹配长度：0
*/
注意：这里需要注意的是，在没有开启多行模式时，字符串结尾如果是“\n”，那么“$”是可以匹配两个位置的，一个是“\n”前的位置，一个是字符串结束位置。字符串结尾如果不是“\n”，那么“$”就只匹配字符串结束位置。
MatchCollection mc = Regex.Matches("a\r\nbc\r", @"$");
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";
}
/*--------输出--------
匹配内容： 匹配开始索引：6 匹配长度：0
*/
2.2.2.2 在开启了多行模式后，“^”和“$”匹配范围
“^”的匹配范围
MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"^", RegexOptions.Multiline);
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";
}
/*--------输出--------
匹配内容： 匹配开始索引：0 匹配长度：0
匹配内容： 匹配开始索引：3 匹配长度：0
匹配内容： 匹配开始索引：7 匹配长度：0
*/
“$”的匹配范围
MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"$", RegexOptions.Multiline);
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";
}
/*--------输出--------
匹配内容： 匹配开始索引：2 匹配长度：0
匹配内容： 匹配开始索引：6 匹配长度：0
匹配内容： 匹配开始索引：7 匹配长度：0
*/
2.2.2.3 匹配结果分析
“^”匹配结果分析
在不开启多行模式时，“^”只匹配字符串的开始位置，也就是位置0。
在开启了多行模式后，“^”匹配字符串开始位置和每个“\n”之后的行起始位置。
“$”匹配结果分析
在不开启多行模式时，如果字符结尾是“\n”，那么“$”会匹配结尾“\n”之前和结束两个位置。
在开启多行模式后，“$”匹配每行“\n”之前的位置和字符串结束位置。
需要注意的是，在.NET中，无论是否开启多行模式，“^”和“$”匹配的都只是一个位置，是零宽度的。其它语言中“^”和“$”的意义可能会有所不同。
只有在正则表达式中涉及到多行的“^”和“$”的匹配时，才使用Multiline模式。
2.2.2.4 应用举例
典型应用一（参考 正则中加字符的问题）：
需求描述：
fffffffffff
fffffffffff
dfdfdfdf
erererere
ferewfdfds
每行后面加一个“ttt”，即为
fffffffffffttt
fffffffffffttt
dfdfdfdfttt
ererererettt
ferewfdfdsttt
代码实现：
string result = Regex.Replace(yourStr, @"^.*$", "$0ttt", RegexOptions.Multiline);
典型应用二
需求描述：
源字符串
CODE39/CODE93:
A-Z
space,-,.,$,/,+,%
CODE128A:
A-Z
0-9
space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_
CODE128B:
A-Z
a-z
0-9
space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_,{,},|,~
CODE2of5:
0-9
说明：
CODE128A:->条码类别
A-Z
0-9
space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_->表示范围
要求分别匹配出条码类别和表示范围
代码实现：
MatchCollection mc = Regex.Matches(yourStr, @"(?
foreach (Match m in mc)
{
richTextBox2.Text += "条码类别： \n" + m.Groups["type"].Value + "\n";
richTextBox2.Text += "表示范围： \n" + m.Groups["range"].Value + "\n";
}
/*--------输出--------
条码类别：
CODE39/CODE93
表示范围：
A-Z
space,-,.,$,/,+,%
条码类别：
CODE128A
表示范围：
A-Z
0-9
space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_
条码类别：
CODE128B
表示范围：
A-Z
a-z
0-9
space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_,{,},|,~
条码类别：
CODE2of5
表示范围：
0-9
*/
2.2.3 Singleline 单行模式
单行模式改变的是小数点“.”的匹配行为，使小数点可以匹配包含换行符“\n”在内的任意一个字符。
这是一个很不幸的命名，总让人误会它与Multiline多行模式是有关联的，而事实上它改变的是小数点的匹配行为，与Multiline多行模式没有任何关联，由于历史原因，这一不幸的命名被保留了下来。使用时需要注意。
单行模式通常在匹配有换行的文本时使用，采用小数点+单行模式的方式匹配任意字符，在.NET中是效率最高的。参考 正则基础之——小数点。
典型应用：
源字符串：
There is one obvious advantage:
You've seen it coming! Buy now and get nothing for free! Well, at least no free beer. Perhaps a bear, if you can afford it.
your bear, you have to admit it! No, we aren't selling bears.
需求：取 代码实现： MatchCollection mc = Regex.Matches(yourStr, @" foreach (Match m in mc) { richTextBox2.Text += m.Value + "\n-------------------\n"; } /*--------输出-------- You've seen it coming! Buy now and get nothing for free! Well, at least no free beer. Perhaps a bear, if you can afford it. ------------------- your bear, you have to admit it! No, we aren't selling bears. ------------------- */ Compiled改变的是.NET中正则表达式的编译方式。启用了Compiled模式，会延长启动时间，占用更多的内存，会提高匹配速度。当然，对最终性能的影响，需要根据具体问题综合考虑的。这一模式也是被“滥”用最多的模式之一。 程序运行过程中，第一次遇到正则表达式，需要加载正则引擎，对正则表达式进行必要的语法检查，并做适当的优化，最后把它转换为适合正则引擎应用的形式。这种“解析”过程，对于复杂的正则表达式，频繁调用或是匹配较大的数据源时，对效率的影响较大。 这时可以在构建正则表达式时开启Compiled模式。这样做会将正则表达式直接编译为MSIL代码，在正则匹配过程中，可以由JIT优化为更快的本地机器代码，获得更高的匹配速度。但这种方式会降低正则的解析速度，占用更多的内存，而且它占用的内存在程序运行过程中会一直占用，无法释放。 什么场景下使用Compiled模式，需要根据实际情况具体问题具体分析，一般来说，以下场景不适合使用Compiled模式： 1. 对匹配效率没有要求的场景； 2. 非常简单的正则表达式； 3. 极少调用的方法中声明的正则表达式； 4. 循环体中声明的正则表达式（除了动态生成的正则表达式，否则不要在循环体内声明正则表达式）； 5. 静态方法中声明的正则表达式（静态方法每次调用都需要重新编辑正则表达式，使用Compiled模式只会降低效率）。 RightToLeft改变的是正则表达式匹配的顺序，从右到左进行匹配。目前只有.NET支持这一模式，但它对这一模式的支持并不是很完善，有时容易让人费解，所以除非对源字符串的构成很了解，而且又不得不使用的情况，否则不要轻易使用这一模式。 典型应用（参考 求一个好的算法）： 一个由字母组成的字符串，最长14位，要求每隔2位加一个逗号，最左边不加，求一个好的算法 例：“abcdefg” 返回“a,bc,de,fg” 代码实现： string test = "abcdefg"; string result = Regex.Replace(yourStr, @"(?, ",$0", RegexOptions.RightToLeft); 这一模式指定不开启任何模式。在.NET中RegexOptions 枚举值是按位“或”组合，None模式我目前只找到一种应用场景，就是在动态生成正则表达式时，动态指定模式时使用。 /// /// 动态生成正则参数列表 /// /// private RegexOptions getParameter() { RegexOptions roList = RegexOptions.None; if (cbIgnoreCase.Checked) { roList = roList | RegexOptions.IgnoreCase; } if (cbSingleline.Checked) { roList = roList | RegexOptions.Singleline; } if (cbMultiline.Checked) { roList = roList | RegexOptions.Multiline; } if (cbCompiled.Checked) { roList = roList | RegexOptions.Compiled; } if (cbRightToLelft.Checked) { roList = roList | RegexOptions.RightToLeft; } return roList; } 这一模式改变的是普通捕获组的匹配行为。将普通捕获组解释为非捕获组，只有显式命名的命名捕获组才当作捕获组使用。 捕获组的作用是将括号()内子表达式匹配到的内容保存到内存中一个组里，供以后引用，在.NET中捕获组有两种形式 (Expression) 普通捕获组 (? 其它形式的(?...)都不是捕获组。 但是(Expression)这种捕获组语法规则也带来一个副作用，在一些不得不使用()的场合，会默认为使用了捕获组，将匹配到的内容保存到内存中，而有些情况下这些内容并不需要关心的，浪费了系统资源，降低了匹配效率，所以才有了非捕获组(?:Expression)的出现，来抵消这一副作用。而非捕获组带来的另一个副作用的就是可读性的降低。 ExplicitCapture模式是为了在不牺牲匹配效率的前提下，提高正则表达式的可读性，一般在命名捕获组和普通捕获组混合出现，而又不关心普通捕获组的正则表达式中使用，如取链接和文字的正则表达式中 MatchCollection mc = Regex.Matches(yourStr, @"(?is) foreach (Match m in mc) { richTextBox2.Text += m.Groups["url"].Value + "\n"; richTextBox2.Text += m.Groups["text"].Value + "\n"; } 开启ExplicitCapture模式对正则表达式解释行为的影响，可以参考如下举例，匹配时间的正则表达式 未开启ExplicitCapture模式 string test = "截至2009-07-28 20:45:49，用户的总技术分为：5988；截至2009-07-26日，用户的总技术分排名为：4133\">(...)"; Regex reg = new Regex(@"([01][0-9]|2[0-3])(:[0-5][0-9]){2}"); MatchCollection mc = reg.Matches(test); foreach (Match m in mc) { richTextBox2.Text += m.Value + "\n"; richTextBox2.Text += m.Groups[1].Value + "\n"; richTextBox2.Text += m.Groups[2].Value + "\n"; } /*--------输出-------- 20:45:49 20 :49 */ 开启ExplicitCapture模式 string test = "截至2009-07-28 20:45:49，用户的总技术分为：5988；截至2009-07-26日，用户的总技术分排名为：4133\">(...)"; Regex reg = new Regex(@"([01][0-9]|2[0-3])(:[0-5][0-9]){2}"); MatchCollection mc = reg.Matches(test); foreach (Match m in mc) { richTextBox2.Text += m.Value + "\n"; richTextBox2.Text += m.Groups[1].Value + "\n"; richTextBox2.Text += m.Groups[2].Value + "\n"; } /*--------输出-------- 20:45:49 */ 一般来说，关心的只是整个正则表达式匹配的整体，启用了ExplicitCapture模式后，“([01][0-9]|2[0-3])”和“(:[0-5][0-9])”将不会被解释为捕获组，匹配到的内容也不会保存到内存中。 开启ExplicitCapture模式虽然可以提高正则表达式的可读性，但ExplicitCapture这一模式本身容易被人忽略，所以这种模式应用得也比较少。 一旦使用了ExplicitCapture模式，要注意的是，除非你清楚捕获组的编号规则，否则尽量不要再使用\number方式进行反向引用，可以使用\k Regex reg = new Regex(@"href=(['""]?)(? MatchCollection mc = reg.Matches(yourStr); foreach (Match m in mc) { richTextBox2.Text += m.Value + "\n"; } 以上匹配链接的代码通常是得不到任何结果的，因为这里“\1”引用的内容，不再是“(['""]?)”匹配到的内容，而是“(? 这一模式忽略正则表达式中的非转义空白字符，并启用“#”后面的注释，通常用于增强正则表达式的可读性或是用于教学目的。 举个例子基本上就会明白了 string test = "(One) and ( Two (Three) Four)."; Regex reg = new Regex(@"\( #普通开括弧 (?> #固化分组 \( (? | #分支结构 \) (?<-OPEN>) #遇到闭括弧'OPEN'计数减1 | #分支结构 [^()]+ #非括弧的其它任意字符 )* #以上子串出现0次或任意多次 (?(OPEN)(?!)) #判断是否还有'OPEN'，有则说明不配对，什么都不匹配 \) #普通闭括弧 ", RegexOptions.IgnorePatternWhitespace); MatchCollection mc = reg.Matches(test); foreach (Match m in mc) { richTextBox2.Text += m.Value + "\n"; } 其中的空白字符被忽略，“#”及该行后面的内容被解释为注释。 这一模式将按ECMA的JavaScript语义来解析正则表达式。通常影响的是以下元字符的匹配行为 \w、\W、\d、\D、\s、\S 使得以上元字符只能匹配ASCII码字符，而不再是匹配相应的Unicode字符。 事实上比如需求中明确要求只匹配英文字母，数字，下划线，而不包含汉字等字符，那么完全可以用“[A-Za-z0-9_]”，而不使用“\w”，虽然不够简洁，但可读性更好，语义更明确。 这一模式在.NET中的应用比较少，如不清楚什么场景下应该使用，可以忽略这一模式。 这一模式指定忽略语言中的区域性差异。一般与IgnoreCase模式一起使用，这一模式的应用场景很少，一般可以忽略，无需了解。 内联匹配模式在正则表达式内部使用，可以改变局部子表达式的匹配行为，内联匹配模式支持的模式较少，仅有immsx五种，但使用起来更简洁，更灵活。在.NET中支持(?imnsx-imnsx:)和(?imnsx-imnsx)两种形式。 各内联匹配模式对应的全局匹配模式见匹配模式列表。以下仅就(?i)忽略大小写模式进行讲解，其它模式类同。 语法：(?i:Expression) 这种语法规则表达为括号内的子表达式开启忽略大小写模式。 举例：^[A-Z](?i:[A-Z]{9,19})$ 以上正则表示，首字符必须为大写字母，后面跟9到19个大小写字母。 string[] test = new string[] { "Abc", "AbcdefGHIjklmn", "abcdefghijklmn" }; Regex reg = new Regex(@"^[A-Z](?i:[A-Z]{9,19})$"); foreach (string s in test) { richTextBox2.Text += "源字符串： " + s.PadRight(15, ' ') + " 匹配结果： " + reg.IsMatch(s) + "\n"; } /*--------输出-------- 源字符串： Abc 匹配结果： False 源字符串： AbcdefGHIjklmn 匹配结果： True 源字符串： abcdefghijklmn 匹配结果： False */ 语法：(?-i:Expression) 这种语法规则表达为括号内的子表达式关闭忽略大小写模式。通常与全局匹配模式配合使用，表示全局为忽略大小写的，局部为严格区分大小写。 举例： 以上正则表示，div标签中，仅匹配id为全大写的“TEST”的标签内容，其余标签不匹配。 string test = " Regex reg = new Regex(@" MatchCollection mc = reg.Matches(test); foreach(Match m in mc) { richTextBox2.Text += m.Value + "\n"; } /*--------输出-------- */ 语法：(?i) 或 (?-i) (?i)为所在位置右侧的子表达式开启忽略大小写模式，直到出现(?-i)或者到表达式结束为止；(?-i)为所在位置右侧的子表达式关闭忽略大小写模式，直到出现(?i)或者到表达式结束为止。 通常在正则表达式开始位置使用(?i)来代替RegexOptions.IgnoreCase，使代码更简洁。如提取链接和文字的正则表达式 MatchCollection mc = Regex.Matches(yourStr, @"(?is) foreach (Match m in mc) { richTextBox2.Text += m.Groups["url"].Value + "\n"; richTextBox2.Text += m.Groups["text"].Value + "\n"; } .NET中的正则匹配模式基本上已讲解完了，最后再来总结一下各匹配模式的应用场景吧。 RegexOption 成员 内联字符 作用/应用场景 None N/A 指定不设置任何选项。 一般在动态指定匹配模式时使用。 IgnoreCase i 指定不区分大小写的匹配。 只有在正则表达式中，注意是正则表达式中，而不是待匹配的源字符串中，涉及到大小写形式的元字符或是字符序列时，才使用IgnoreCase模式。 Multiline m 指定多行模式。更改 ^ 和 $ 的含义，以使它们分别与任何行的开头和结尾匹配，而不只是与整个字符串的开头和结尾匹配。 只有在正则表达式中涉及到多行的“^”和“$”的匹配时，才使用Multiline模式。 ExplicitCapture n 指定唯一有效的捕获是显式命名或编号的 (?<name>…) 形式的组。这允许圆括号充当非捕获组，从而避免了由 (?:…) 导致的语法上的笨拙。 ExplicitCapture模式是为了在不牺牲匹配效率的前提下，提高正则表达式的可读性，一般在命名捕获组和普通捕获组混合出现，而又不关心普通捕获组的正则表达式中使用。 Compiled N/A 指定正则表达式将被编译为程序集。生成该正则表达式的 Microsoft 中间语言 (MSIL) 代码；以较长的启动时间为代价，得到更快的执行速度。 以下场景不适合使用： 1. 对匹配效率没有要求的场景； 2. 非常简单的正则表达式； 3. 极少调用的方法中声明的正则表达式； 4. 循环体中声明的正则表达式（除了动态生成的正则表达式，否则不要在循环体内声明正则表达式）； 5. 静态方法中声明的正则表达式（静态方法每次调用都需要重新编辑正则表达式，使用Compiled模式只会降低效率）。 Singleline s 指定单行模式。更改句点字符 (.) 的含义，以使它与每个字符（而不是除 \n 之外的所有字符）匹配。 单行模式通常在匹配有换行的文本时使用，采用小数点+单行模式的方式匹配任意字符，在.NET中是效率最高的。 IgnorePatternWhitespace x 指定从模式中排除非转义空白并启用数字符号 (#) 后面的注释。请注意，空白永远不会从字符类中消除。 为了提高可读性，或是为正则表达式加注释时使用。 RightToLeft N/A 指定搜索是从右向左而不是从左向右进行的。具有此选项的正则表达式将移动到起始位置的左边而不是右边。 除非对源字符串的构成很了解，而且又不得不使用的情况，否则不要轻易使用这一模式。 ECMAScript N/A 指定已为表达式启用了符合 ECMAScript 的行为。此选项仅可与 IgnoreCase 和 Multiline 标志一起使用。将 ECMAScript 同任何其他标志一起使用将导致异常。 除非对这一模式应用场景很了解，否则不要使用。 CultureInvariant N/A 指定忽略语言中的区域性差异。 很少使用，一般无需了解。 2.2.4 Compiled 编译模式
2.2.5 RightToLeft 从右到左模式
2.2.6 None
2.2.7 ExplicitCapture
[^>]*>(?2.2.8 IgnorePatternWhitespace
2.2.9 ECMAScript
2.2.10 CultureInvariant
2.3 内联匹配模式
2.3.1 (?imnsx-imnsx:)形式
2.3.2 (?imnsx-imnsx)
3 小结