.NET进阶系列之一：C#正则表达式整理备忘

本文转自：http://www.cnblogs.com/KissKnife/archive/2008/03/23/1118423.html

有一段时间，正则表达式学习很火热很潮流，当时在CSDN一天就能看到好几个正则表达式的帖子，那段时间借助论坛以及Wrox Press出版的《C#字符串和正则表达式参考手册》学习了一些基础的知识，同时也为我在CSDN大概赚了1000分，今天想起来，去找《C#字符串和正则表达式参考手册》时，已经不知所踪了。现在用到正则的时候也比较少，把以前的笔记等整理一下，以志不忘。
（1）“@”符号 符下两ows表研究室的火热，当晨在“@”虽然并非C#正则表达式的“成员”，但是它经常与C#正则表达式出双入对。“@”表示，跟在它后面的字符串是个“逐字字符串”，不是很好理解，举个例子，以下两个声明是等效的： string x="D:\\My Huang\\My Doc"; string y = @"D:\My Huang\My Doc"; 事实上，如果按如下声明，C#将会报错，因为“\”在C#中用于实现转义，如“\n”换行： string x = "D:\My Huang\My Doc"; （2）基本的语法字符。 \d  0-9的数字 \D  \d的补集（以所以字符为全集，下同），即所有非数字的字符 \w  单词字符，指大小写字母、0-9的数字、下划线 \W  \w的补集 \s  空白字符，包括换行符\n、回车符\r、制表符\t、垂直制表符\v、换页符\f \S  \s的补集 .  除换行符\n外的任意字符 […]  匹配[]内所列出的所有字符 [^…]  匹配非[]内所列出的字符 下面提供一些简单的示例：

Code string i ="\n"; string m ="3"; Regex r =new Regex(@"\D"); //同Regex r = new Regex("\\D"); //r.IsMatch(i)结果：true //r.IsMatch(m)结果：false string i ="%"; string m ="3"; Regex r =new Regex("[a-z0-9]"); //匹配小写字母或数字字符 //r.IsMatch(i)结果：false //r.IsMatch(m)结果：true

（3）定位字符 “定位字符”所代表的是一个虚的字符，它代表一个位置，你也可以直观地认为“定位字符”所代表的是某个字符与字符间的那个微小间隙。 ^  表示其后的字符必须位于字符串的开始处 $  表示其前面的字符必须位于字符串的结束处 \b  匹配一个单词的边界 \B  匹配一个非单词的边界 另外，还包括：\A  前面的字符必须位于字符处的开始处，\z  前面的字符必须位于字符串的结束处，\Z  前面的字符必须位于字符串的结束处，或者位于换行符前 下面提供一些简单的示例：

Code string i ="Live for nothing,die for something"; Regex r1 =new Regex("^Live for nothing,die for something$"); //r1.IsMatch(i) true Regex r2 =new Regex("^Live for nothing,die for some$"); //r2.IsMatch(i) false Regex r3 =new Regex("^Live for nothing,die for some"); //r3.IsMatch(i) true string i =@"Live for nothing, die for something";//多行 Regex r1 =new Regex("^Live for nothing,die for something$"); Console.WriteLine("r1 match count:"+ r1.Matches(i).Count);//0 Regex r2 =new Regex("^Live for nothing,die for something$", RegexOptions.Multiline); Console.WriteLine("r2 match count:"+ r2.Matches(i).Count);//0 Regex r3 =new Regex("^Live for nothing,\r\ndie for something$"); Console.WriteLine("r3 match count:"+ r3.Matches(i).Count);//1 Regex r4 =new Regex("^Live for nothing,$"); Console.WriteLine("r4 match count:"+ r4.Matches(i).Count);//0 Regex r5 =new Regex("^Live for nothing,$", RegexOptions.Multiline); Console.WriteLine("r5 match count:"+ r5.Matches(i).Count);//0 Regex r6 =new Regex("^Live for nothing,\r\n$"); Console.WriteLine("r6 match count:"+ r6.Matches(i).Count);//0 Regex r7 =new Regex("^Live for nothing,\r\n$", RegexOptions.Multiline); Console.WriteLine("r7 match count:"+ r7.Matches(i).Count);//0 Regex r8 =new Regex("^Live for nothing,\r$"); Console.WriteLine("r8 match count:"+ r8.Matches(i).Count);//0 Regex r9 =new Regex("^Live for nothing,\r$", RegexOptions.Multiline); Console.WriteLine("r9 match count:"+ r9.Matches(i).Count);//1 Regex r10 =new Regex("^die for something$"); Console.WriteLine("r10 match count:"+ r10.Matches(i).Count);//0 Regex r11 =new Regex("^die for something$", RegexOptions.Multiline); Console.WriteLine("r11 match count:"+ r11.Matches(i).Count);//1 Regex r12 =new Regex("^"); Console.WriteLine("r12 match count:"+ r12.Matches(i).Count);//1 Regex r13 =new Regex("$"); Console.WriteLine("r13 match count:"+ r13.Matches(i).Count);//1 Regex r14 =new Regex("^", RegexOptions.Multiline); Console.WriteLine("r14 match count:"+ r14.Matches(i).Count);//2 Regex r15 =new Regex("$", RegexOptions.Multiline); Console.WriteLine("r15 match count:"+ r15.Matches(i).Count);//2 Regex r16 =new Regex("^Live for nothing,\r$\n^die for something$", RegexOptions.Multiline); Console.WriteLine("r16 match count:"+ r16.Matches(i).Count);//1 //对于一个多行字符串，在设置了Multiline选项之后，^和$将出现多次匹配。 string i ="Live for nothing,die for something"; string m ="Live for nothing,die for some thing"; Regex r1 =new Regex(@"\bthing\b"); Console.WriteLine("r1 match count:"+ r1.Matches(i).Count);//0 Regex r2 =new Regex(@"thing\b"); Console.WriteLine("r2 match count:"+ r2.Matches(i).Count);//2 Regex r3 =new Regex(@"\bthing\b"); Console.WriteLine("r3 match count:"+ r3.Matches(m).Count);//1 Regex r4 =new Regex(@"\bfor something\b"); Console.WriteLine("r4 match count:"+ r4.Matches(i).Count);//1 //\b通常用于约束一个完整的单词

（4）重复描述字符 “重复描述字符”是体现C#正则表达式“很好很强大”的地方之一： {n}  匹配前面的字符n次 {n,}  匹配前面的字符n次或多于n次 {n,m}  匹配前面的字符n到m次 ?  匹配前面的字符0或1次 +  匹配前面的字符1次或多于1次 *  匹配前面的字符0次或式于0次 以下提供一些简单的示例：

Code string x ="1024"; string y ="+1024"; string z ="1,024"; string a ="1"; string b="-1024"; string c ="10000"; Regex r =new Regex(@"^\+?[1-9],?\d{3}$"); Console.WriteLine("x match count:"+ r.Matches(x).Count);//1 Console.WriteLine("y match count:"+ r.Matches(y).Count);//1 Console.WriteLine("z match count:"+ r.Matches(z).Count);//1 Console.WriteLine("a match count:"+ r.Matches(a).Count);//0 Console.WriteLine("b match count:"+ r.Matches(b).Count);//0 Console.WriteLine("c match count:"+ r.Matches(c).Count);//0 //匹配1000到9999的整数。

（5）择一匹配 C#正则表达式中的 (|) 符号似乎没有一个专门的称谓，姑且称之为“择一匹配”吧。事实上，像[a-z]也是一种择一匹配，只不过它只能匹配单个字符，而(|)则提供了更大的范围，(ab|xy)表示匹配ab或匹配xy。注意“|”与“()”在此是一个整体。下面提供一些简单的示例：

Code string x ="0"; string y ="0.23"; string z ="100"; string a ="100.01"; string b ="9.9"; string c ="99.9"; string d ="99."; string e ="00.1"; Regex r =new Regex(@"^\+?((100(.0+)*)|([1-9]?[0-9])(\.\d+)*)$"); Console.WriteLine("x match count:"+ r.Matches(x).Count);//1 Console.WriteLine("y match count:"+ r.Matches(y).Count);//1 Console.WriteLine("z match count:"+ r.Matches(z).Count);//1 Console.WriteLine("a match count:"+ r.Matches(a).Count);//0 Console.WriteLine("b match count:"+ r.Matches(b).Count);//1 Console.WriteLine("c match count:"+ r.Matches(c).Count);//1 Console.WriteLine("d match count:"+ r.Matches(d).Count);//0 Console.WriteLine("e match count:"+ r.Matches(e).Count);//0 //匹配0到100的数。最外层的括号内包含两部分“(100(.0+)*)”，“([1-9]?[0-9])(\.\d+)*”，这两部分是“OR”的关系，即正则表达式引擎会先尝试匹配100，如果失败，则尝试匹配后一个表达式（表示[0,100)范围中的数字）。

（6）特殊字符的匹配 下面提供一些简单的示例：

Code string x ="\\"; Regex r1 =new Regex("^\\\\$"); Console.WriteLine("r1 match count:"+ r1.Matches(x).Count);//1 Regex r2 =new Regex(@"^\\$"); Console.WriteLine("r2 match count:"+ r2.Matches(x).Count);//1 Regex r3 =new Regex("^\\$"); Console.WriteLine("r3 match count:"+ r3.Matches(x).Count);//0 //匹配“\” string x ="\""; Regex r1 =new Regex("^\"$"); Console.WriteLine("r1 match count:"+ r1.Matches(x).Count);//1 Regex r2 =new Regex(@"^""$"); Console.WriteLine("r2 match count:"+ r2.Matches(x).Count);//1 //匹配双引号

（7）组与非捕获组 以下提供一些简单的示例：

Code string x ="Live for nothing,die for something"; string y ="Live for nothing,die for somebody"; Regex r =new Regex(@"^Live ([a-z]{3}) no([a-z]{5}),die \1 some\2$"); Console.WriteLine("x match count:"+ r.Matches(x).Count);//1 Console.WriteLine("y match count:"+ r.Matches(y).Count);//0 //正则表达式引擎会记忆“()”中匹配到的内容，作为一个“组”，并且可以通过索引的方式进行引用。表达式中的“\1”，用于反向引用表达式中出现的第一个组，即粗体标识的第一个括号内容，“\2”则依此类推。 string x ="Live for nothing,die for something"; Regex r =new Regex(@"^Live for no([a-z]{5}),die for some\1$"); if (r.IsMatch(x)) {     Console.WriteLine("group1 value:"+ r.Match(x).Groups[1].Value);//输出：thing } //获取组中的内容。注意，此处是Groups[1]，因为Groups[0]是整个匹配的字符串，即整个变量x的内容。 string x ="Live for nothing,die for something"; Regex r =new Regex(@"^Live for no(?<g1>[a-z]{5}),die for some\1$"); if (r.IsMatch(x)) {     Console.WriteLine("group1 value:"+ r.Match(x).Groups["g1"].Value);//输出：thing } //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>…)。 string x ="Live for nothing nothing"; Regex r =new Regex(@"([a-z]+) \1"); if (r.IsMatch(x)) {     x = r.Replace(x, "$1");     Console.WriteLine("var x:"+ x);//输出：Live for nothing } //删除原字符串中重复出现的“nothing”。在表达式之外，使用“$1”来引用第一个组，下面则是通过组名来引用： string x ="Live for nothing nothing"; Regex r =new Regex(@"(?<g1>[a-z]+) \1"); if (r.IsMatch(x)) {     x = r.Replace(x, "${g1}");     Console.WriteLine("var x:"+ x);//输出：Live for nothing } string x ="Live for nothing"; Regex r =new Regex(@"^Live for no(?:[a-z]{5})$"); if (r.IsMatch(x)) {     Console.WriteLine("group1 value:"+ r.Match(x).Groups[1].Value);//输出：(空) } //在组前加上“?:”表示这是个“非捕获组”，即引擎将不保存该组的内容。

（8）贪婪与非贪婪 正则表达式的引擎是贪婪，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”（*,+）后面添加“?”，可以将匹配模式改成非贪婪。请看以下示例：

Code string x ="Live for nothing,die for something"; Regex r1 =new Regex(@".*thing"); if (r1.IsMatch(x)) {     Console.WriteLine("match:"+ r1.Match(x).Value);//输出：Live for nothing,die for something } Regex r2 =new Regex(@".*?thing"); if (r2.IsMatch(x)) {     Console.WriteLine("match:"+ r2.Match(x).Value);//输出：Live for nothing }

（9）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：

Code string x ="Live for nothing,die for something"; Regex r1 =new Regex(@".*thing,"); if (r1.IsMatch(x)) {     Console.WriteLine("match:"+ r1.Match(x).Value);//输出：Live for nothing, } Regex r2 =new Regex(@"(?>.*)thing,"); if (r2.IsMatch(x))//不匹配 {     Console.WriteLine("match:"+ r2.Match(x).Value); } //在r1中，“.*”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。 在r2中，由于强制非回溯，所以整个表达式匹配失败。

（10）正向预搜索、反向预搜索 正向预搜索声明格式：正声明 “(?=…)”，负声明 “(?!...)” ，声明本身不作为最终匹配结果的一部分，请看下面的示例：

Code string x ="1024 used 2048 free"; Regex r1 =new Regex(@"\d{4}(?= used)"); if (r1.Matches(x).Count==1) {     Console.WriteLine("r1 match:"+ r1.Match(x).Value);//输出：1024 } Regex r2 =new Regex(@"\d{4}(?! used)"); if (r2.Matches(x).Count==1) {     Console.WriteLine("r2 match:"+ r2.Match(x).Value); //输出：2048 } //r1中的正声明表示必须保证在四位数字的后面必须紧跟着“ used”，r2中的负声明表示四位数字之后不能跟有“ used”。

反向预搜索声明格式：正声明“(?<=)”，负声明“(?<!)”，声明本身不作为最终匹配结果的一部分，请看下面的示例：

Code string x ="used:1024 free:2048"; Regex r1 =new Regex(@"(?<=used:)\d{4}"); if (r1.Matches(x).Count==1) {     Console.WriteLine("r1 match:"+ r1.Match(x).Value);//输出：1024 } Regex r2 =new Regex(@"(?<!used:)\d{4}"); if (r2.Matches(x).Count==1) {     Console.WriteLine("r2 match:"+ r2.Match(x).Value);//输出：2048 } //r1中的反向正声明表示在4位数字之前必须紧跟着“used:”，r2中的反向负声明表示在4位数字之前必须紧跟着除“used:”之外的字符串。

（11）十六进制字符范围 正则表达式中，可以使用 "\xXX" 和 "\uXXXX" 表示一个字符（"X" 表示一个十六进制数）形式字符范围： \xXX       编号在 0到255 范围的字符，比如：空格可以使用 "\x20" 表示。 \uXXXX   任何字符可以使用 "\u" 再加上其编号的4位十六进制数表示，比如：汉字可以使用“[\u4e00-\u9fa5]”表示。

 

（12）对[0,100]的比较完备的匹配 下面是一个比较综合的示例，对于匹配[0,100]，需要特殊考虑的地方包括 *00合法，00.合法，00.00合法，001.100合法 *空字符串不合法，仅小数点不合法，大于100不合法 *数值是可带后缀的，如“1.07f”表示该值为一个float类型（未考虑）

Code Regex r =new Regex(@"^\+?0*(?:100(\.0*)?|(\d{0,2}(?=\.\d)|\d{1,2}(?=($|\.$)))(\.\d*)?)$"); string x =""; while (true) {     x = Console.ReadLine();     if (x !="exit")     {         if (r.IsMatch(x))         {             Console.WriteLine(x +" succeed!");         }         else         {             Console.WriteLine(x +" failed!");         }     }     else     {         break;     } }

（13）精确匹配有时候是困难的 有些需求要做到精确匹配比较困难，例如：日期、Url、Email地址等，其中一些你甚至需要研究一些专门的文档写出精确完备的表达式，对于这种情况，只能退而求其次，保证比较精确的匹配。例如对于日期，可以基于应用系统的实际情况考虑一段较短的时间，或者对于像Email的匹配，可以只考虑最常见的形式。