正则表达式匹配和替换

转自 :

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。

字符

描述

\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。
* 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。
? 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" 中的"do" 。? 等价于 {0,1}。
{n} n是一个非负整数。匹配确定的n次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。
{n,} n是一个非负整数。至少匹配n次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m} mn均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
? 当该字符紧跟在任何一个其他限制符 (*,+,?,{n},{n,},m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。
. 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用象 '[.\n]' 的模式。
(pattern) 匹配pattern获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用SubMatches集合,在JScript 中则使用$0$9属性。要匹配圆括号字符,请使用 '\(' 或 '\)'。
(?:pattern) 匹配pattern但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
(?=pattern) 正向预查,在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
(?!pattern) 负向预查,在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始
x|y 匹配xy。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz] 字符集合。匹配所包含的任意一个字符。例如, '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如, '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b 匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。
\B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。
\cx 匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。
\d 匹配一个数字字符。等价于 [0-9]。
\D 匹配一个非数字字符。等价于 [^0-9]。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S

匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\xn 匹配n,其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。
\num 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,'(.)\1' 匹配两个连续的相同字符。
\n 标识一个八进制转义值或一个向后引用。如果 \n之前至少n获取的子表达式,则n为向后引用。否则,如果n为八进制数字 (0-7),则n为一个八进制转义值。
\nm 标识一个八进制转义值或一个向后引用。如果 \nm之前至少有nm个获得子表达式,则nm为向后引用。如果 \nm之前至少有n获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若nm均为八进制数字 (0-7),则 \nm将匹配八进制转义值nm
\nml 如果n为八进制数字 (0-3),且ml均为八进制数字 (0-7),则匹配八进制转义值nml。
/i 使正则表达式对大小写不敏感,(?-i)是关闭大小写不敏感
(?i)te(?-i)st应该匹配TEst,但是不能匹配teST或TEST.
/s 开启“单行模式”,即点号“.”匹配新行符
/m 开启“多行模式”,即“^”和“$”匹配新行符的前面和后面的位置。
^[0-9]*$ 只能输入数字
^\d{n}$ 只能输入n位的数字
^\d{n,}$ 只能输入至少n位的数字
^\d{m,n}$ 只能输入m~n位的数字
^(0|[1-9][0-9]*)$ 只能输入零和非零开头的数字
^[0-9]+(.[0-9]{2})?$ 只能输入有两位小数的正实数
^[0-9]+(.[0-9]{1,3})?$ 只能输入有1~3位小数的正实数
^\+?[1-9][0-9]*$ 只能输入非零的正整数
^\-[1-9][]0-9"*$ 只能输入非零的负整数
^.{3}$ 只能输入长度为3的字符
^[A-Za-z]+$ 只能输入由26个英文字母组成的字符串
^[A-Za-z0-9]+$ 只能输入由数字和26个英文字母组成的字符串
^\w+$ 只能输入由数字、26个英文字母或者下划线组成的字符串
^[a-zA-Z]\w{5,17}$ 验证用户密码:以字母开头,长度在6~18之间,只能包含字符、数字和下划线。
[^%&',;=?$\x22]+ 验证是否含有^%&',;=?$\"等字符
^[\u4e00-\u9fa5]{0,}$ 只能输入汉字
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ 验证Email地址
^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ 验证InternetURL
^\d{15}|\d{18}$ 验证身份证号(15位或18位数字)
^((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)$ 验证IP地址
(\w)\1 匹配两个两个重叠出现的字符

例如,"aabbc11asd", 返回结果为aa bb 11三组match

<(?<tag>[^\s>]+)[^>]*>.*</\k<tag>> 匹配成对的HTML标签
(?!) 不出现,负声明
下例演示如何取得一个<a>标签对中的全部内容,即使其中包含别的HTML tag。

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 keywodstring "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 rememberstring "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:rememberaqabqu "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;
 }
 }
}

截图

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,128)">@"<%=.*%>",255)">new MatchEvaluator(RefineCodeTag),RegexOptions.Singleline);
}
 
   
string RefineCodeTag(Match m)
{
 string x = m.ToString();
 
   
 x = Regex.Replace(x,128)">"<%=",128)">"");
 x = Regex.Replace(x,128)">"%>",128)">"");
 
   
 return x.Trim() + ",";
}

截图:

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,128)">@"(\d+)(?#这个是注释)",128)">"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

输入http://www.9499.net/page1.htm

目的:从URL地址提取文件

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

代码

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

截图:

相关文章

一、校验数字的表达式 1 数字:^[0-9]*$ 2 n位的数字:^d{n}$ 3 至少n位的数字:^d{n,}$ 4 m-n位的数字...
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。下面整理一些常用的正则...
0. 注: 不同语言中的正则表达式实现都会有一些不同。下文中的代码示例除特别说明的外,都是使用JS中的...
 正则表达式是从信息中搜索特定的模式的一把瑞士军刀。它们是一个巨大的工具库,其中的一些功能经常...
一、校验数字的表达式 数字:^[0-9]*$ n位的数字:^\d{n}$ 至少n位的数字:^\d{n,}$ m-n位的数...
\ 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如,“n”匹配字符“n”。“\n...