正则表达式简介

翻译：NorthTibet

原文出处：Regular Expressions

　　有些新手对正则表达式不是很熟悉，有必要在此作一简单回顾。如果你是正则表达式高手，可以不用看这一部分。
　　正则表达式是描述字符串集的字符串。例如，正则表达式“Mic*”描述所有包含“Mic”，后跟零个或多个字符的字符串。Mickey、Microsoft、Michelangelo 或 Mic 本身都是例子。句号“.”匹配任何字符，“+”类似“*”，但至少要一个字符，所以“Mic+”匹配前述所有除“Mic”以外的串。[a-z]指一个匹配范围，所以[a-zA-Z_0-9]匹配字母、数字或下划线。Regex 称之为单词字符，可以将它写成“\w”。所以“\w+”匹配至少有一个字符的单词字符序列——换句话说，叫 C 符号（C tokens）。那么这样一来，几乎所有的C 符号都不能以数字开头，因此，下面这个正则表达式是正确的：“^[a-zA-Z_]\w*$”。专用字符“^”意思是“以...开始”（除非它位于某个范围之内，这时它的意思是“非”），“$”意思是“结尾”，那么“^[a-zA-Z_]\w*$”意思就是：以字母或下划线开始的字母、数字或下划线字符串。
　　正则表达式在对输入进行有效性验证时非常有用。\d 匹配数字，{n}匹配重复n次，于是 ^5\d{15}$ 匹配5开头的16位数字，也即是说 MasterCard 信用卡号码。那 ^[45]\d{15}$ 就是Visa 卡号，它以4开头。你可以用大括弧对表达式进行分组，下面是个测试。这个表达式描述的是什么呢？ 
^\d{5}(-\d{4}){0,1}$

提示：{0,1} 意思是重复0次或1次（可以缩写成问号 ?）。想出来了吗？该表达式意思是：五个数字后重复0次或1次（破折号后跟四个数字）。它匹配 02142和98007-4235，但不匹配 3245 或 2345-98761。这也就是美国的邮政编码。大括弧将 ZIP+4 部分分组，所以{0,1}修饰符将应用于整个分组。
　　以上我仅浅尝即止地说明了正则表达式能做什么。我还没提到替换，由于我没有具体资料，所以不敢描述在 Unicode 中会怎么样。但你能感觉到正则表达式有多么强大。多年来它们乃 UNIX 的中流砥柱，并且在Web 编程和 Perl 这样的语言中更臻完善，其对 HTML 的操作几乎完全是对文本的处理。正则表达式在 Windows 中一直没有得到充分使用，直到 .NET 框架面世，它才正式成为 Windows 家族的一员。

框架 Regex 类

.NET 框架用 Regex 类实现正则表达式，并有三个支持类：Match、Group 和 Capture （参见 Figure A）。典型情况下，你创建 Regex 并用输入串调用 Regex::Match 来获得第一个 Match，或用 Regex::Matches 来获取所有匹配：

Regex *r = new Regex("\b\w+\b");
MatchCollection* mc = 
  r->Matches("abc ,_foo ,<& mumble7");
for (int i=0; i<mc->Count; i++) {
   Match *m = mc->Index(i);
   Console.WriteLine(m->Value);
}
　　这将显示“abc”，“foo”和“mumble7”，每个匹配在一行。这个例子引入了一个专门的字符 \b，所谓锚或原子零宽度断言，就像 ^(开始)和$(结尾)。\b 指定某个单词的边界，所以“\b\w+\b”意思是用单词分隔的一个或多个单词字符。
　


Figure A Regex 类

　　正则表达式中的每个括弧表达式都构成一个 Group。Regex::Groups 返回作为集合的 Groups，它决不会是空，因为整个正则表达式本身即是一组。Groups 很重要，因为它们使你进行逻辑 OR 匹配，如“(ying|yong)”，它们使你将限定符应用到子表达式，并让你吸取匹配的单独部分。正文的 Figure 1 中我的 RegexTest 程序运行后用邮编为例显示分组。
　　在所有函数中最强大的函数要数 Regex::Replace，它使得正则表达式的威力惊人地强大。和许多开发人员一样，过去在多次传递字符串到多行编辑控件之前，我常常不得不手工将 “\n” 转换为“\r\n”，但使用 Regex::Replace，这个操作简直易如反掌。

s = Regex::Replace(s,"\n","\r\n");

　　Regex::Match 和 Replace 具备静态重载，所以你可以不用创建对象，以快速使用正则表达式。我最喜欢的 Regex::Replace 重载之一是带有一个委托参数，使你能用过程代码动态计算替换文本——参见正文中那个有趣的例子。
　　一些警告：每一种正则表达式的实现是有不太一样的。例如，在 Perl 中，{,1}是{0,1}的速记版，而微软的老大们不是那样做的。要当心一些微小的差别。权威的 .NET Regex 资料请参考 MSDN 库中的 “Regular Expressions as a Language”。