正则表达式

通配符

Windows/Dos下的通配符 *和?

    \b 单词的开头或结尾，单词的分界处
    .  匹配除了换行符以外的任意字符。
    *  指定数量，前边的内容可以连续重复出现任意次以使整个表达式得到匹配
    .*  任意数量的不包含换行的字符
        \bhi\b.*\bLucy\b        匹配单词hi，任意个字符，不能使换行，最后匹配Lucy

    \d    匹配一位数字
-     只匹配它本身或者减号
0\d{2}-\d{8}    {2} 必须连续重复匹配两次    {8} 必须连续重复匹配8次

    \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。
    \w    匹配字符或数字或下划线或汉字等
        对于中文/汉字的特殊处理是由于 .Net提供的正则表达式引擎的支持，其它情况下需要查看相关文档
        \ba\w*\b    匹配以字母a开头的单词，是以任意数量的字母或数字，在单词结束处

    \d+ 匹配1个或更多连续的数字。    + 和 * 类似，区别：*（可能是0次） +（可能1次或更多）
        \b\w{6}\b    匹配刚好6个字母/数字的单词

常用的元字符

后向引用

规则从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，依次类推。向后引用用于重复搜索前面某个分组匹配的文本。

Eg：\1 代表分组 1 匹配的文本。
        \b(\w+)\b\s+\1\b        \b(\w)\b 匹配单词     \s+ 匹配任意空白符  \1这里等价于 \b(\w+)
    自定义子表达式    (?<word>\w+) 或者 (?’word’\w+)    将该组名指定为word

常用的分组 ()语法

    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

零宽断言

用于查找某些东西（但并不包括这些内容）之前或之后的东西。它们像 \b ^ $ 那样用于指定一个位置。断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配

        \b\w+(?=ing\b)        匹配以ing结尾的单词的前面部分（除了ing以外的部分）
        (?<=\bre)\w+\b        匹配以re开头的单词的后半部分（除了re以外的部分）

零度负预测先行断言

查找不是某个字符或某个字符类里的字符的方法（反义）

(?!exp) 断言此位置的后面不能匹配表达式 exp
        \d{3}(?!\d)，匹配三位数字，而且这三位数字的后面不能是数字
        \b((?!abc)\w)+\b    匹配不包含连续字符串 abc的单词
        \b\w*q[^u]\w*\b     包含后面不是字母u的字母q的单词出现的问题，如果q出现词尾，会自动将词后的符号给[^u]，负向零断言就可以解决此问题。特点：只匹配不消耗字符。
        修改后：
        \b\w*q(?!u)\w*\b

零度正回顾后发断言

(?<!exp)         断言此位置的前面不能匹配表达式exp
(?<![a-z])\d{7}    匹配前面不是小写字母的七位数字
        (?<=<(\w+)>).*(?<=<\/\1>)        
        (?<=<(\w+)>)    等价于  (?<=exp)        exp= <(\w+)>
        .*    匹配任意字符
        (?<=<\/\1>)    等价于    (?<=exp)        exp= <\/\1>    其中 \/ 是转义 \1是后向引用（别名）
        匹配出来的结果类似于 <b>字符</b>

注释

(?#comment) 包含注释。

    要包含注释，最好启用“忽略模式里的空白符”，这样在编写表达式时能任意的添加空格。
    启用“忽略模式里的空白符”，在#后面到这一行结束的所有文本都将被当成注释忽略掉
    (?<=<(\w+)>).*(?<=<\/\1>) 可以改写为
        (?<= #        断言要匹配的文本前缀
        <(\w+)> #        查找 <字母或数字>    （即HTML/XML标签）
        ) #            前缀结束
        .* #            匹配任意文本
        (?= #        匹配任意文本
        <\/\1> #        查找 <> 起来的内容
        ) #            后缀结束

贪婪匹配

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        它将会匹配最长的以 a开始，以b结束的字符串    

懒惰匹配

在使整个表达式能得到匹配的前提下匹配尽可能少的字符。

a.*?b    会匹配尽可能短的 以a开始，以b结束的字符串

正则表达式的规则：最先开始的匹配拥有最高的优先权

正则表达式常用的处理选项

C#中，可以使用Regex(String,RegexOptions) 构造函数来设置
.Net中可以常用的正则表达式选项

说明：单行模式和多行模式之间没有任何关系，更改的是通配符的含义

平衡组/递归匹配

由 .Net支持，其他语言/库不一定

    (?’group’)            把捕获的内容命名为 group 并压入堆栈（类似入栈）
    (?’-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，则本分组匹配失败（类似出栈）
    (?(group)yes|no)    如果堆栈上存在以名为 group 的捕获内容，继续匹配 Yes部分的表达式，否则继续匹配 No部分的表达式
    (?!)                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

事例

        < #                        最外层的左括号
            [^<>]* #                匹配括号的内容
            (
                (
                    (?’open’<) #    把捕获到的open压入栈
                    [^<>]* #        匹配不是括号的内容
                )+
                (
                    (?’-open’) #    把捕获到的open出栈
                    [^<>]* #        匹配不是括号的内容
                )+
            )*
            (?(open)(?!)) #        判断栈中是否存在open，有则匹配失败
        > #                        最外层的右括号

平衡组最常见的就是匹配HTML，匹配<div>的例子

    <div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
        <div[^>]*> #                            头标签
            [^<>]* #                            匹配不是 <>的内容
            (
                (
                    (?'Open'<div[^>]*>) #        将 <div[^>]*>名成别名 open压入栈中
                    [^<>]* #                    匹配不是 <>的内容
                )+ #                            该元组重复1或更多次
                (
                    (?'-Open'</div>) #         将 <div[^>]*>名成别名 open出栈
                    [^<>]*                    匹配不是 <>的内容
                )+ #                            该元组重复1或更多次
            )* #                                整个元组重复0或一次
            (?(Open)(?!))                        判断栈中是否还存在Open别名的元组，有则不匹配
        </div> #                                闭合标签