正则表达式语法

一、匹配字符

 

字符类	匹配的字符	举例
\d	从0~9的任一数字	\d\d匹配72，但不匹配aa或7a
\D	任一非数字字符	\D\D\D匹配abc，但不匹配123
\w	任一单字符，包括A-Z，a-z，0-9和下划线	\w\w\w\w匹配Ab_2，但不匹配$&*%
\W	任一非单字符	\W匹配@，但不匹配a
\s	任一空白字符，包括制表符、换行符、回车符、换页符等	匹配在HTML、XML和其他标准定义中的所有传统空白字符
\S	任一非空白字符	空白字符以外的任意字符，如A%&3;等
.	任一字符	“.”匹配出换行符以外的任一字符（除非设置了MultiLine选项）
[…]	括号中的任一字符	[abc]将匹配一个单字符，a、b或c [a-z]将匹配从a到z的任一字符
[^…]	不再括号中的任一字符	[^abc]将匹配除了a、b、c职位的任一字符

 

二、重复字符

 

重复字符	含义	举例
{n}	匹配前面的字符n次	x{2}匹配xx，但不匹配x或xxx
{n,}	匹配前面的字符至少n次	x{2,}匹配2个或更多个x，如xx，xxxx，…
{n,m}	匹配前面的字符至少n次，最多m次。如果n为0，此参数为可选参数	x{2,4}匹配xx，xxx和xxxx，但不匹配x或xxxxx
?	匹配前面的字符0次或1次，实质上也是可选的	x?匹配x或零个x
+	匹配前面的字符一次或多次	x+匹配x或xx或大于0的任意多的x
*	匹配前面的字符0次或更多次	x*匹配0个、一个或更多个x

 

 

三、定位字符 

定位字符，可以应用于字符或组合，放在字符串的左端或右端。

定位字符	描述
^	随后的模式必须位于字符串的开始位置，如果是一个多行字符串，则必须位于行首。对于多行文本（包含回车符的一个字符串）来说，需要设置多行标志
$	前面的模式必须位于字符串的末端，如果是一个多行字符串，必须位于行尾
\A	前面的模式必须位于字符串开始位置，忽略多行标志
\z	前面的模式必须位于字符串的末端，忽略多行标志
\Z	前面的模式必须位于字符串的末端，或者位于一个换行符前
\b	匹配一个单词边界，也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-z A-Z 0-9]中的一个字符，位于一个单词的词首
\B	匹配一个非单词字符边界位置，不是一个单词的词首

 

 

四、分组字符

利用分组字符可以把指定的匹配进行分组，还可以检索这些指定的匹配。

分组字符	定义	举例
()	此字符可以组合括号内模式所匹配的字符。它是一个捕获组，也就是说模式匹配的字符作为最终匹配的一部分，除非设置了ExplicitCapture选项——默认状态下字符不是匹配的一部分	输入字符串为：ABC1DEF2XY 匹配3个从A到Z的字符和1个数字的正则表达式： ([A-Z]{3})\d 将产生两次匹配： Match 1=ABC1 Match 2=DEF2 每次匹配对应一个组： Match 1的第1个组=ABC Match 2的第2个组=DEF 有了反向引用，就可以通过它在正则表达式中的编号以及C#和类Group、GroupCollection来访问祖。如果设置了ExplicitCapture选项，就不能使用组所捕获的内容
(?:)	次字符组合括号内模式所匹配的字符。它是一个非捕获分组，这意味着模式所匹配的字符将不作为一个组来捕获分组，这意味着模式所匹配的字符将不作为一个组来捕获，但它构成了最终结果的一部分。它基本上与上面的组类型相同，但设定了选项ExplicitCapture	输入字符串为：1ABBSA1C 匹配一个数字或一个A到Z的字母，接着是任意单词字符的正则表达式为： (?:\d|[A-Z])\w 它将产生3次匹配； 第1次匹配=1A 第2次匹配=BB 第3次匹配=SA 但是没有组被捕获
(?<name>)	次选项这括号内模式所匹配的字符，并用尖括号中指定的值为组命名。在正则表达式中，可以使用名称进行反向引用，而不必使用编号。即使不设置ExplicitCapture选项，它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符，或者通过Group类访问	输入字符串为： Characters in SienFeld included Jerry Seinfeld,Elaine Benes,Cosmo Kramer and Georfe Costanza 能够匹配他们的姓名，并在一个组lastName中捕获姓的正则表达式为： \b[A-Z][a-z]+(?<lastName>[A-Z][a-z]+)\b 它产生了4次匹配： First Match = Jerry Seinfeld Second Match = Elaine Bramer Third Match = Cosom Kramer Fourth Match = George Costanza 每一次匹配都对应了一个lastName组 第一次匹配： lastName group = Scinfeld 第二次匹配： lastName group = Benes 第3次匹配： lastName group = Kramer 第4次匹配： lastName group = Coatanza 不管是否设置了选项ExplictCapture，足都将被捕获
(?=)	正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分	正则表达式\S+(?=.NET)要匹配的输入字符串为：The languages were Java，C#.NET,VB.NET,C,Jscript.NET,Pascal 将产生如下匹配： C# VB Jscript
(?!)	负声名。它规定模式不能紧临着声明的右侧。此模式不构成最终的一部分	\d{3}(?![A-Z])要匹配的输入字符串为： 123A 456 789 111C 将产生如下匹配： 456 789
(?<=)	反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分	正则表的示(?<=New)([A-Z][a-z]+)要匹配的输入字符串为： The following states,New Mexico,West Virginia,Washington,Now England 它将产生如下匹配： Mexico England
(?<!)	反向正声明。声明左侧不能是括号内的指定模式。模式将不构成最终匹配的一部分	正则表达式(?<!1)\d{2}[A-Z]要匹配的输入字符串如下： 123A 456F 789C 111A 它将实现如下匹配： 56F 89C
(?>)	非回溯组。防止Regex引擎回溯并且防止实现一次匹配	假设要匹配所有以“ing”结尾的单词。输入字符串如下： He was very trusting 正则表达式为： .*ing 它将实现一次匹配——单词trusting。“.”匹配任意字符，当然也匹配“ing”。所以，Regex引擎回溯一位并在第二个“t”停止，然后匹配指定的模式“ing”但是，如果禁用回溯操作： (?>.*)ing 实现0次匹配。“.”能匹配所有的字符，包括“ing”——这意味着模式末端的“ing”不能匹配，从而匹配失败

五、决策字符

字符强迫处理器执行一次 if…else 决策

字符	描述	举例
(?(regex)yes_regex|no_regex)	如果表达式regex匹配，那么将试图匹配表达式yes，否则匹配表达式no。正则表达式no是可选参数。注意，做出决策的模式宽度为0。这意味着表达式yes或no将从与regex表达式相同的位置开始匹配	正则表达式(?(\d)\dA|[A-Z]B)要匹配的输入字符串为： “1A CB 3A 5C 3B” 它实现的匹配是： 1A CB 3A
(?(group name or number)yes_regex|no_regex)	如果组中的正则表达式实现了匹配，那么试图匹配yes正则表达式，否则，试图匹配正则表达式no，正则表达式是可选参数

 

六、替换字符

可以作为替换字符串的一部人输入的字符

字符	描述
$group	用group指定的组号替换
${name}	替换被一个(?<name>)组匹配的最后子串
$$	替换一个字符$
$&	替换整个的匹配
$`	替换输入字符串匹配之前的所有文本
$'	替换输入字符串匹配之后的所有文本
$+	替换最后捕获的组
$_	替换整个的输入字符串

 

 

 

七、转义序列

下面是正则表达式中可能需要的转义字符

转义字符	描述
\\	匹配实际的字符\
\.	匹配字符“.”
\*	匹配字符“*”
\+	匹配“+”
\?	匹配“?”
\|	匹配“|”
\(	匹配“(”
\)	匹配“)”
\{	匹配“{”
\}	匹配“}”
\^	匹配“^”
\$	匹配“$”
\n	匹配换行符
\r	匹配回车符
\	匹配制表符
\v	匹配垂直制表符
\f	匹配换页符
\nnn	匹配一个8进制数字nnn指定的ASCII字符。所以\103匹配一个大写的C
\xnn	匹配一个16进制数字nn指定的ASCII字符，所以\x43匹配C
\unnnn	匹配由4位16进制数字（由nnnn表示）指定的Unicode 字符
\cV	匹配一个控制字符，例如\cV匹配Ctrl_V

 

 

八、选项标志 

选项标志

选项标志	名称
I	IgnoreCase
M	Multiline
N	ExplicitCapture
S	Singleline
X	IgnorePatternWhitespace

可以在模式中设置的正则表达式选项

标志	描述
IgoreCase	是模式匹配不区分大小写。默认的选项是匹配区分大小写
RightToLeft	从右到左搜索输入字符串。默认是从左到右以符合英语等语言的阅读习惯，但不符合阿拉伯或希伯来语的阅读习惯
None	不设置标志。这是默认选项
MultiLine	指定^和$可以匹配行首和行尾，以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是，字符“.”仍然不匹配换行符
SingleLine	规定特殊字符“.”匹配任意的字符，包括换行符。默认情况下，特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用
ECMAScript	ECAM（European Computer Manufacturer’s Association，），欧洲计算机生产商协会）已经定义了正则表达式应该如何实现，而且已经在ECMAScript规范中实现，这是一个基于标准的 JavaScript。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其他任何标志一起使用，ECMAScript都将产生异常
IgnorePatternWhiteSpace	此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本，但必须确保对模式中所有的空白字符进行了转义。如果设置了此选项，还可以使用“#”字符注视正则表达式
Compiled	它把正则表达式编译为更接近机器代码的代码。这样速度更快，但不允许对它进行任何修改