C#正则学习杂谈（一）

      本文只是我正则学习过程中积累的一点经验，为初学者提供参考

      如无特殊说明，本文仅就C#中的正则应用进行讨论，由于本人水平有限，整理时间仓促， 有错误的地方还请大家批评指正，我会及时更正并陆续增加一些新的内容

一、推荐一篇文章+一个工具+一个正则学习方法

       教程： http://www.regexlab.com/zh/regref.htm

       工具：match tracer 1.2

      本人水平有限，教程是写不了的，所以推荐上面的一篇正则教程，这是我认为，至少在入门级中文教程里，最好的教程。

      学习正则最好的方法就是做大量的练习，在CSDN上以“正则”为关键字搜索帖子，先不要看回复，看楼主的要求，自己参考教程试着写，得到正确结果，或是自己实在做不出时，再去看回复，这样大概有个百十来个帖子，你的正则基本应用就该没问题了。

 

二、初学正则的几个误区

1、. 小数点可以匹配除了换行符（\n）以外的任意一个字符

       如要匹配小数点本身，需要加个“\”进行转义

       在匹配多行时，不要试图用[.\n]来匹配任意字符，可以使用(.|\n)，但一般不这样用，一般用[\s\S]，或者是用.加RegexOptions.Singleline参数来达到这一效果

 

2、[] 使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

 

       记住[]匹配的只能是一个字符，不是多个。新手最容易犯的错误就是，用[^abc]这样的表达式来匹配不包含“abc”子字符串的字符串

     

举例

       源字符串：string yourStr = "<aaa>bbb<abc>ccc<ddd>";

       结果：<aaa>、<ddd>

       即取出yourStr中为<...>，但<>中不是abc的内容

       错误写法：<[^abc]*>

       正确写法：<(?!abc>)[^>]*>

       
       另外就是，大部分在正则中有特殊意义、在匹配其本身时需转义的字符，在[]内是不需要转义的。必须转义的只有“\”、“[”和“]”，而“^”出现在[]开始位置，“-”前后构成范围区间时，需要转义，出现在其它位置不需要转义，如
       [\^ .$^{\[(|)*+?\\-]

    

3、\w　任意一个字母或数字或下划线，也就是 A～Z,a～z,0～9,_ 中任意一个

       一般来说，是这样的，但是在某些情况下，\w也会匹配本地字符集，比如中文系统的中文，所以在明确要求是A～Z,a～z,0～9,_ 中的一个的时候，用[A-Za-z0-9_]，而不用\w

 

4、\转义    一些在正则中具有特殊意义的字符，如想匹配这些字符本身，需要用“\”对其进行转义。

       参考

ms-help://MS.MSDNQTR.v80.chs/MS.MSDN.v80/MS.VisualStudio.v80.chs/dv_fxfund/html/f49cc9cc-db7d-4058-8b8a-422bc08b29b0.htm

       在实际应用中，根据具体情况，需要转义的字符可能不止如下所列字符

        .$ ^ { [ ( | ) * + ? \

 

       另外，\s,\b,\w,\d等等这些在正则中有特殊意义的字符，用在字符串""中时，需要进行两次转义，即

       string pattern = "the \\b\\w+\\b number is \\d";

       或者是在前面加一个“@”，取消转义

       string pattern = @"the \b\w+\b number is \d";

       比较特殊的是“"”,用在不带@的字符串中时，用\"来进行转义，用在带@的字符串中时，用""来进行转义

       string pattern = "<img\s+src=\"[^\"]*\"\s*>";

       string pattern = @"<img\s+src=""[^""]*""\s*>";

5、|    “|”是以()划分范围的，如果在“|”的左右两侧没有()来限定范围，那么它的作用范围即为“|”左右两侧整体，如

 

举例

     

      (1)、　 ^\d+\.\d|\d+$

      (2)、　 ^(\d+\.\d)|(\d+)$

      (3)、 　^(\d+\.\d|\d+)$

       (1)和(2)的效果是一样的，表示“|”两侧整体为“或”的关系，即^\d+\.\d或\d+$

       而(3)的结果与上面两个是不同的，因为它表示\d+\.\d和\d+为“或”的关系，这个表达式相当于^\d+\.\d$|^\d+$
       
      如：123.45
      (1)和(2)匹配成功，匹配结果为123.4

      (3)匹配失败，因为这个式子要求，或者为不带小数点的数字，或者小数点后最多带一位小数

       

       多个“|”时，同样以()划分作用范围

 

       “|”的匹配顺序为从左到右，当左侧不满足要求时，再去尝试匹配右侧表达式，如果左侧匹配成功，将不再尝试匹配右侧表达式，多个“|”时，从左向右依次尝试匹配

 

       顺便说一下，[]本身就隐含了“或”的关系，在[]中使用“|”表示“或”的关系是不对的，这样做只是多了一个普通字符“|”，用来匹配“|”字符本身，()也是同样道理

 

有助于理解这一概念的帖子

      http://community.csdn.net/Expert/topic/5474/5474473.xml?temp=.9890863

 

6、RegexOptions.Singleline | RegexOptions .Multiline

 

       一些新手仅从字面上理解，以为这两个属性是互斥的，而事实上并非如此，它们是用来改变特定符号在正则表达式中的含义的。

       RegexOptions.Singleline 　指定单行模式。更改点 (.) 的含义，使它与每一个字符匹配（而不是与除 \n 之外的每个字符匹配）。

       RegexOptions .Multiline　多行模式。更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。