正则表达式

为什么要用正则表达式？

原因：我们通常在网页上回搜索一些关键字或者检索特殊的内容，这时候我们需要对网页的内容进行检索，正则表达式可以方便的解决这个问题。通俗的讲就是验证各种各样的字符串：比如验证邮箱的格式，验证身份证，验证手机号码等。

什么是正则表达式？

正则表达式是用某种模式去匹配一类字符创的一个公式。

创建正则表达式的两种方法：

（1）隐式创建：var regExp=/正则表达式/gi（g表示global全局搜索，i表示不区分大小写）

（2）显式创建：var regExp=new RegExp("正则表达式","gi")

另外除了gi外还有一个m，代表是否换行检索，比如现在搜索以某个字母开头的段落，这时候m可以表示换行检索，否则只能检索到第一个开头的。

子表达式：

举个例子：

 

 

正则表达式

第一点：--------------有关正则前沿介绍 正则表达式是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。javascript中还会用到。一个正则表达式就是由普通字符以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。就像通配符“*.jpg”、“%ab%”，它是对字符串进行匹配的特殊字符串正则表达式是非常复杂的，不要希望一次都掌握，理解正则表达式能做什么（字符串的匹配、字符串的提取、字符串的替换），掌握常用的正则表达式用法，以后用到再查就行。

第二点：--------------有关正则使用地方 项目中的采集器、敏感词过滤、URLRewite、Validator也会涉及到正则表达式。

第三点：--------------元字符介绍 要想学会正则表达式，理解元字符是一个必须攻克的难关。不用刻意记

      1）.：匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。 

      2）[ ] ：匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[0-9]c”等价于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母，“[A-Za-z0-9]”可以匹配任何的大小写字母或者数字。

     3）( ) ：将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。把一些字符表示为一个整体。改变优先级、定义提取组两个作用。

     4）| ：将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。

     5）+ ：匹配前面的子表达式一次或多次，和*对比（0到多次）。例如正则表达式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。

     6）*：匹配0至多个在它之前的子表达式，和通配符*没关系。例如正则表达式“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味着能够匹配任意字符串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括号改变优先级）。

     7）? ：匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。一般用来匹配“可选部分”。

     8）{n} ：匹配确定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的两个“e”。

     9）{n,} :至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配 “seeeeeeeed”中的所有“e”。

   10）{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。

   11）^（shift+6） ：匹配一行的开始。例如正则表达式“^regex”能够匹配字符串“regex我会用”的开始，但是不能匹配“我会用regex”。

   12）^另外一种意思：非！（暂时不用理解）

   13）$ ：匹配行结束符。例如正则表达式“浮云$” 能够匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀”

第三点：-------------简写正则表达式 注意这些简写表达式是不考虑转义符的，这里的\就表示字符\，而不是C#字符串级别的\，在C#代码中需要使用@或者\双重转义。

区分C#级别的转移和正则表达式级别的转移，恰好C#的转义符和正则表达式的转义符都是\而已。正则表达式的转移是在C#之后的（层层盘剥）。

把C#的转义符想成%就明白了。在C#看来@"\-"就是\-这个普通的字符串，只不过在正则表达式分析引擎看来他有了特殊含义。

"\\d"或者@"\d" \d：代表一个数字，等同于[0-9]

\D：代表非数字，等同于[^0-9]

\s：代表换行符、Tab制表符等空白字符

\S：代表非空白字符

\w：匹配字母或数字或下划线或汉字，即能组成单词的字符

\W：非\w ，等同于[^\w] d：digital；s：space、w：word。

大写就是“非”

第四点：-------------.NET中的正则表达式 正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。

正则表达式（Regular Expression）的主要类：Regex.IsMatch方法用于判断一个字符串是否匹配正则表达式。 字符串匹配例子： Regex.IsMatch("bbbbg","^b.*g $"); Regex.IsMatch("bg", "^b.*g $ "); Regex.IsMatch("gege", "^b.*g $ "); 一定不能忘了^和$，否则也能匹配yesbagit

案例1：判断是否是合法的邮政编码（6位数字） Regex.IsMatch("100830","^[0-9]{6}$") Regex.IsMatch("119", @"^\d{6}$"); 解释：由元字符定义得知"[0-9]"表示0到9的任意字符，"{6}"表示前面的字符匹配6此，因此“[0-9]{6}”中的{6}表示对数字匹配6次(000000123)。简写表达式得知“[0-9]”可以被“\d”代替，所以第二种写法“\d{6}”也是正确的。 案例2：判断一个字符串是不是身份证号码，即是否是15或18位数字。 错误写法：Regex.IsMatch("123456789123456789", @"^\d{15}|\d{18}$")，表示15位数字开头或者18位数字结尾 正确写法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$" 案例3：判断字符串是否为正确的国内电话号码，不考虑分机。

比如“010-95555”、“01095555”、“95555”都是正确的号码。区号为3位或者4位。 Regex.IsMatch("123456-95555", @"^\d{3,4}\-?\d+$") "^\d{3,4}\-?\d+$"表示被匹配的字符序列应该是由三至四位数字组成，由于长途区号的连字符“-”可有可无，所以这里使用“?”元字符进行说明。由于连字符“-”在正则表达式 中有特殊含义(表示范围，比如[0-9])，所以要对其进行转义。 案例4：判断一个字符串是否是合法的Email地址。 一个Email地址的特征就是以一个字符序列开始，后边跟着“@”符号，后边又是一个字符序列，后边跟着符号“.”，最后是字符序列 Regex.IsMatch("email12@mail.com", @"^\w+@\w+\.\w+$"); []括号中的任意字符，\w字母、数字、下划线，+一到多个。由于.在正则表达式中有特殊的含义，因此对于真正想表达“.”则需要转移“\.”。

案例5： 1、匹配IP地址，4段用.分割的最多三位数字。 192.168.54.77、333.333.333.333假设都是正确的。 @"^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$"。.是正则表达式中的特殊含义，因此需要转义。 2、判断是否是合法的日期格式“2008-08-08”。四位数字-两位数字-两位数字。进一步严谨@"^\d{4}\-\d{2}\-\d{2}$" 3、判断是否是合法的url地址，http://www.test.com/a.htm、ftp://127.0.0.1/1.txt。字符串序列://字符串序列。@"^\w+://.+$"。//简化的识别，项目中你搜“w3c URL 正则表达式”。.+而不是\w，否则"?id=1"中的?就不能匹配了。 http://www.test.com/a.aspx?id=1

第五点：---------------字符串的提取 正则表达式还可以用来进行字符串提取 Match match = Regex.Match("age=30", @"^(. +)=(.+)$"); if (match.Success) { Console.WriteLine(match.Groups[1] .Value); Console.WriteLine(match.Groups[2] .Value); } match的Success属性表示是否匹配成功；

正则表达式中用()将要提取的内容括起来，然后就可以通过Match的Groups属性来得到所有的提取元素，注意Groups的序号是从1开始的，0 有特殊含义 案例：

1)从文件路径中提取出文件名(包含后缀) @"^.+/(.+)$"。比如从c:/a/b.txt中提取出b.txt这个文件名出来。

项目中用Path.GetFileName更好。

贪婪模式。

2)从“June 26, 1951”中提取出月份June来。@"([a-zA-Z]+)\s+\d{1,2},\s*\d{4}"进行匹配。月份和日之间是必须要有空格分割的，所以使用空白符号“\s”匹配所有的空白字符，此处的空格是必须有的，所以使用“+”标识为匹配1至多个空格。之后的“，”与年份之间的空格是可有可无的，所以使用“*”表示为匹配0至多个

3)从Email中提取出用户名和域名，比如从test@163.com中提取出test和163.com。 4)“192.168.10.5[port=21,type=ftp]”，这个字符串表示IP地址为192.168.10.5的服务器的21端口提供的是ftp服务，其中如果“,type=ftp”部分被省略，则默认为http服务。请用程序解析此字符串，然后打印出“IP地址为***的服务器的***端口提供的服务为***” ^(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})\[port=(\d{1,5})(,type=(\w+))?\]$

第六点：---------------贪婪和非贪婪模式 从文本提取出名字： Match match = Regex.Match("大家好。我是S.H.E。我22岁了。我病了，呜呜。fffff", "我是(.+)。");//没有加^$。

看结果。+、*的匹配默认是贪婪(greedy)的：尽可能多的匹配，直到“再贪婪一点儿”其后的匹配模式就没法匹配为止。 在+、*后添加?就变成非贪婪模式

（? 的另外一个用途）：让其后的匹配模式尽早的匹配。修改成"我是(.+?)。" 一般开发的时候不用刻意去修饰为非贪婪模式，只有遇到bug的时候发现是贪婪模式的问题再去解决。

第七点：--------------匹配组 正则表达式可以从一段文本中将所有符合匹配的内容都输出出来。Match获得的是匹配的第一个。 Regex.Matches方法可以获得所有的匹配项。