7. 正则表达式匹配规则

7.1 基本模式匹配

一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：

^once

这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串”once upon a time”匹配，与”There once was a man from NewYork”不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。

bucket$

这个模式与”Who kept all of this cash in a bucket”匹配，与”buckets”不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：

^bucket$

只匹配字符串”bucket”。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式

once

与字符串

There once was a man from NewYork
Who kept all of his cash in a bucket.

是匹配的。

在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：

^\t

类似的，用\n表示“新行”，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以此类推。

7.2 字符簇

在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：

[AaEeIiOoUu]

这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：

[a-z] //匹配所有的小写字母
[A-Z] //匹配所有的大写字母
[a-zA-Z] //匹配所有的字母
[0-9] //匹配所有的数字
[0-9\.\-] //匹配所有的数字，句号和减号
[ \f\r\t\n] //匹配所有的白字符

同样的，这些也只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如”z2″、”t6″或”g7″，但不是”ab2″、”r2d3″ 或”b52″的话，用这个模式：

^[a-z][0-9]$

尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示“非”或“排除”的意思，常常用来剔除某个字符。还用前面的例子，我们要求第一个字符不能是数字：

^[^0-9][0-9]$

这个模式与”&5″、”g7″及”-2″是匹配的，但与”12″、”66″是不匹配的。下面是几个排除特定字符的例子：

[^a-z] //除了小写字母以外的所有字符
[^\\\/\^] //除了(\)(/)(^)之外的所有字符
[^\”\’] //除了双引号(”)和单引号(’)之外的所有字符

特殊字符”.” (点，句号)在正规表达式中用来表示除了“新行”之外的所有字符。所以模式”^.5$”与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。模式”.”可以匹配任何字符串，除了空串和只包括一个“新行”的字符串。

PHP的正规表达式有一些内置的通用字符簇，列表如下：

字符簇含义

[[:alpha:]] 任何字母
[[:digit:]] 任何数字
[[:alnum:]] 任何字母和数字
[[:space:]] 任何白字符
[[:upper:]] 任何大写字母
[[:lower:]] 任何小写字母
[[:punct:]] 任何标点符号
[[:xdigit:]] 任何16进制的数字，相当于[0-9a-fA-F]

7.3 确定重复出现

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。

字符簇 含义
^[a-zA-Z_]$ 所有的字母和下划线
^[[:alpha:]]{3}$ 所有的3个字母的单词
^a$ 字母a
^a{4}$ aaaa
^a{2,4}$ aa,aaa或aaaa
^a{1,3}$ a,aa或aaa
^a{2,}$ 包含多于两个a的字符串
^a{2,} 如：aardvark和aaab，但apple不行
a{2,} 如：baad和aaa，但Nantucket不行
\t{2} 两个制表符
.{2} 所有的两个字符

这些例子描述了花括号的三种不同的用法。一个数字，{x}的意思是“前面的字符或字符簇只出现x次”；一个数字加逗号，{x,}的意思是“前面的内容出现x或更多的次数”；两个用逗号分隔的数字，{x,y}表示“前面的内容至少出现x次，但不超过y次”。我们可以把模式扩展到更多的单词或数字：

^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]{1,}$ //所有的正数
^\-{0,1}[0-9]{1,}$ //所有的整数
^\-{0,1}[0-9]{0,}\.{0,}$ //所有的小数

最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。

特殊字符”?”与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为：

^\-?[0-9]{0,}\.?[0-9]{0,}$

特殊字符”*”与{0,}是相等的，它们都代表着“0个或多个前面的内容”。最后，字符”+”与 {1,}是相等的，表示“1个或多个前面的内容”，所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]+$ //所有的正数
^\-?[0-9]+$ //所有的整数
^\-?[0-9]*\.?[0-9]*$ //所有的小数

当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。

转自：http://blog.sina.com.cn/s/blog_461c24d50100dtnz.html

正则表达式非常有用，查找、匹配、处理字符串、替换和转换字符串，输入输出等。而且各种语言都支持，例如.NET正则库，JDK正则包,Perl,JavaScript等各种脚本语言都支持正则表达式。下面整理一些常用的正则表达式。

string newsContent = @"url:<a href=""1.html""><img src=""1.gif"">test<span style=""color:red;"">

Regex</span></a>."; 

Regex regEnd = new Regex(@"<\s*a[^>]*>([^<]|<(?!/a))*<\s*/a\s*>",RegexOptions.Multiline); 

1. 匹配组

常用的组匹配：(实用)

(exp)	匹配exp并且捕获到一个自动命名的组
(?<name>exp)	匹配exp并且捕获到组’name’
(?=exp)	exp出现在声明右侧，但exp不作为匹配 括号中的模式必须出现在声明右侧，但不作为匹配的一部分 ，例如： 输入： public keywod string "abc"; 正则：\b\w+(?=ing\b)，返回“str”， 意思为：匹配以ing结束的单词，但ing不作为返回
(?<=exp)	exp出现在声明左侧，但exp不作为匹配 括号中的模式必须出现在声明左侧，但不作为匹配的一部分 ，例如： 输入： public remember string "abc"; 正则：(?<=\bre)\w+\b，返回“member”， 意思为：匹配以re开头的单词，但re不作为返回
(?!exp)	exp不出现在声明右侧，但exp不作为匹配 括号中的模式必须不出现在声明右侧 ，例如： 输入： remember aqa bqu "abc"; 正则：\b\w*q(?!u)\w*\b，返回“aqa”， 意思为：匹配带q后面不是跟随u的单词
(?<!exp)	exp不出现在声明左侧，但exp不作为匹配

输入：public string keywod = "abc"; string value = "test";

目的：匹配 关键字=""，例如获得关键字keyword，value；获得等于的值abc和test

表达式：string (?<x>[^=]*?) *= *(?<y>[^;]*?);

代码：

private void ParseKeywords(string input)

{

 System.Text.RegularExpressions.MatchCollection mc = 

 System.Text.RegularExpressions.Regex.Matches(input,@"string (?<x>[^=]*?) *= *(?<y>[^;]*?);");

 if (mc != null && mc.Count > 0)

 {

 foreach (System.Text.RegularExpressions.Match m in mc)

 {

 string keyword = m.Groups["x"].Value;

 string value = m.Groups["y"].Value;

 }

 }

}

2. 匹配并替换

输入：public <%=classname%>Extension : IExt

目的：匹配 <%= %>中间的classname并替换

表达式：<%=.*%>

代码：

private string Replace(string input)

{

 return Regex.Replace(input,@"<%=.*%>",new MatchEvaluator(RefineCodeTag),RegexOptions.Singleline);

}

string RefineCodeTag(Match m)

{

 string x = m.ToString();

 x = Regex.Replace(x,"<%=","");

 x = Regex.Replace(x,"%>","");

 return x.Trim() + ",";

}

正则表达式选项RegexOptions:

ExplicitCapture	n	只有定义了命名或编号的组才捕获
IgnoreCase	i	不区分大小写
IgnorePatternWhitespace	x	消除模式中的非转义空白并启用由 # 标记的注释。
MultiLine	m	多行模式，其原理是修改了^和$的含义
SingleLine	s	单行模式，和MultiLine相对应

正则表达式替换的其他功能：

$number	把匹配的第number组替换成替换表达式 这段代码返回的是 “01 012 03 05” 就是说，对组一的每个匹配结果都用"0$1"这个表达式来替换，"0$1"中"$1"由组1匹配的结果代入 public static void Main() { string s = "1 12 3 5"; s = Regex.Replace(s,@"(\d+)(?#这个是注释)","0$1",RegexOptions.Compiled|RegexOptions.IgnoreCase); Console.WriteLine(s); Console.ReadLine(); }
${name}	把匹配的组名为"name"的组替换成表达式， 上例的Regex expression改成@"(?<name>\d+)(?#这个是注释)"后面的替换式改为"0${name}"结果是一样的
$$	做$的转义符，如上例表达式改成@"(?<name>\d+)(?#这个是注释)"和"$$${name}"，则结果为"$1 $12 $3 $5"
$&	替换整个匹配
$`	替换匹配前的字符
$'	替换匹配后的字符
$+	替换最后匹配的组
$_	替换整个字符串

3. 匹配URL中文件名

输入：http://www.9499.net/page1.htm

目的：从URL地址中提取文件名

表达式：s=s.replace(/(.*\/){0,}([^\.]+).*/ig,"$2") ;

代码：

string s = "http://www.9499.net/page1.htm"; s = s.replace(/(.*\/){0,"$2") ;