正则表达式(一) -- 元字符

时间:2022-06-24 15:52:58

正则表达式括号的作用
1、限制多选项的范围 (Fri|1)st 这样写会匹配Frist或1st 如果去掉,则 Fri|1st就是匹配 Fri或1st
2、将若干个字符进行组合,受量词的同时作用。例如 th+ 表示匹配 th thh thhh(h无数次),如果是(th)+,则匹配的是th thth ththth(th无数次)
3、反向引用,即前面括号匹配到的东西记忆与后面,常用于匹配重复单词。
4、分组

常用元字符
代码           说明
.             匹配除换行符以外的任意字符
\w             匹配字母或数字或下划线或汉字
\s             匹配任意的空白符
\d             匹配数字
\b             匹配单词的开始或结束
^             匹配行的开始
$             匹配行的结束

常用反义元字符
代码   说明
\W       匹配任意不是字母,数字,下划线,汉字的字符
\S        匹配任意不是空白符的字符
\D      匹配任意非数字的字符
\B        匹配不是单词开头或结束的位置
[^x]       匹配除了x以外的任意字符
[^aeiou]   匹配除了aeiou这几个字母以外的任意字符


常用重复限定符
代码       说明
*         重复零次或更多次
+         重复一次或更多次
?         重复零次或一次
{n}       重复n次
{n,}        重复n次或更多次
{n,m}       重复n到m次

正则表达式之元字符

 一、最易理解的元字符。

  脱字符  ^   :表示匹配行首的文本

    美元符  $ :表示匹配行尾的文本

  例如:

^cat    //匹配以c作为一行的第一个字符是c,然后是一个a,紧接着一个t的文本

  以上正则表达式匹配的是:

  例如一个行  catdogcat  上面正则表达式匹配第一个cat。

  特殊正则说明:

^cat$    //匹配行开头是cat,然后就是行末尾的cat,说白了就是一行中仅仅只包含cat的行,没有其他字符。

^$ //匹配行开头,然后就是行末尾了,说白了就是匹配一个空行(没有任何字符,也没有空白字符)

^ //匹配行的开头,每一行都匹配

  下面用C#说明:

        static void Main(string[] args)
{
Regex reg
= new Regex("^cat");
reg.Match(
"catdog");
Console.WriteLine(reg.Match(
"catdog")); //输出 cat
Console.WriteLine(reg.Match("dogcat")); //输出 空白(啥都不输出)

Regex reg2
= new Regex("cat$");
Console.WriteLine(reg2.Match(
"catdog")); //输出 空白(啥都不输出)
Console.WriteLine(reg2.Match("dogcat")); //输出 cat

Console.ReadKey();
}

二、字符组

  匹配若干字符之一

[]    //字符串用中括号括起来,表示匹配其中的任一字符,相当于或的意思

  例如:

gr[ea]y    //匹配grey或gray

  其中连字符 - 表示一个范围,例如<h[1-6]> 与 <h[123456]>的作用一致。其他类似的还有[a-z],[A-Z]。

  这里必须要注意的是只有在字符组内部连字符 - 才是元字符,否则它就只匹配普通的连字符 -

        static void Main(string[] args)
{
Regex reg
= new Regex("<h[1-6]>");
string str = "<div><h1>你在他乡还好吗?</h1></div>";
Console.WriteLine(reg.Match(str));
//输出 <h1>

Console.ReadKey();
}

三、排除型字符组

  用[^...]取代[...]这个字符组就会匹配任何未列出的字符。

[^...]    //[^...]表示匹配所有方括号里未列出的字符

  例如:

r[^abc]r  //匹配出rar,rbr,rcr之外的任意r*r文本

  下面的例子要注意下,例如正则表达式  q[^u] 不会匹配 Qantas 和 Iraq 这又是为什么呢?

  因为正则表达式是区分大小写的。其次q[^u]要求q后面跟一个非u的字符,即必须包含一个字符。

        static void Main(string[] args)
{
Regex reg
= new Regex("a[^123456]");
Console.WriteLine(reg.Match(
"a1a2a3a4a5a6a7")); //输出 a7

Console.ReadKey();
}

  在特别强调,排除型字符组表示“匹配一个未列出的字符”而不是“不要匹配列出的字符”。区别在于前者必须要匹配一个。

   另外还要强调一点,在[]里面是没有元字符的,都代表本身的含义,例如[.]就表示匹配一个点.的意思。

四、点号.匹配任意字符  

  元字符.是用来匹配任意字符的字符组的渐变写法。

  .    //匹配任意字符的字符组简便写法

  例如:

  .a    //匹配 Aa 1a ga 等等

   例子:

        static void Main(string[] args)
{
Regex reg
= new Regex(".c");
Console.WriteLine(reg.Match(
"abcdefg")); //输出 bc

Console.ReadKey();
}

五、多选结构

   | 是一个非常简捷的元字符,它的意思是。依靠它,我们能够把不同的子表达式组合成一个总的表达式,而这个总表达式又能够匹配任意的子表达式。

|    //或 多选分支    选择两者中的一个    注意|将左右两边分为两部分,而不管左右两边有多长多乱

   例如:

gray|grey    //既可匹配gray又可匹配grey    相当于gr[ae]y

  如果将|写在中括号[]里面,那么 | 就不是元字符,它和a e一样,只代表本身字符。

  对于表达式gr(a|e)来说,括号是必须的,如果没有括号,那么gra|ey的意思就成了 gra | ea 即匹配gry或匹配ey。

  再比如 Frist|1st  与  (Fri|1)st  表示的是同一个意思

   C#DEMO:

        static void Main(string[] args)
{
Regex reg
= new Regex("abc|def");
Console.WriteLine(reg.Match(
"bcdefg")); //输出 def

Console.ReadKey();
}

  另外要特别注意下,下面的这个例子

  ^from|subject|date:  与  ^(from|subject|date):  之间的区别

  对于前者:只能匹配 ^from 或 subject 或 date:

  对于后者: 能够匹配 ^from: 或 ^subject: 或 ^date:

六、忽略大小写

   当然忽略大小写你可以用 [Aa]bc  取代  abc  ,但是这样不方便。正则表达式提供一个  -i  。用于忽略大小写匹配。

  之前写的是 -i 后来发现是错的,应该是?i  (?i)放在前面就可以了

  (?i)    //用于忽略大小写匹配

  我测试过(?i)写在前面,但是无法匹配,要忽略大小写貌似要通过构造函数的属性设定:

        static void Main(string[] args)
{
Regex reg
= new Regex("Abc",RegexOptions.IgnoreCase);
Console.WriteLine(reg.Match(
"abcdefg")); //输出 abc

Console.ReadKey();
}

七、单词分界符

  \b  表示单词分界符

\b  //匹配单词的开始或结束

  代码示例:

        static void Main(string[] args)
{
Regex reg
= new Regex(@"\bLove\b");
Console.WriteLine(reg.Match(
"I Love You!")); //输出 Love

Console.ReadKey();
}

八、可选项元素

  ?  代表可选项,把他加在一个字符的后面,就表示此处容许出现这个字符,不过它的出现并非匹配成功的必要条件。

?    //跟在一个字符后面,容许此字符出现0次或1次

  例如:

colou?r    //可以匹配colour或color

  C#Demo:

        static void Main(string[] args)
{
Regex reg
= new Regex(@"colou?r");
Console.WriteLine(reg.Match(
"what is color?")); //输出 color
Console.WriteLine(reg.Match("what is colour?")); //输出 colour

Console.ReadKey();
}

  然后来说一下结合其他元字符使用的情况:

  例如:

  July|Jul  可缩短为  July?

  4th|4    可缩短为  4(th)?

九、重复出现

  加号+和星号*的作用与问号类似,的作用都是限定字符出现的次数。因此问号?加号+星号*这3个元字符统称量词。

?     //可以出现0次或1次    
+ //至少要出现1次,可以出现无数次
* //可以出现0次或出现无数次

  Demo:

        static void Main(string[] args)
{
Regex reg
= new Regex(@"colo*r");
Console.WriteLine(reg.Match(
"colooor")); //输出 colooor

Regex reg2
= new Regex(@"colo*r");
Console.WriteLine(reg2.Match(
"colr")); //输出 colr

Regex reg3
= new Regex(@"colo+r");
Console.WriteLine(reg3.Match(
"colr")); //输出 空白(啥都不输出,这就是+和*的区别了)

Console.ReadKey();
}

十、规定重现次数的范围:区间

  {min,max}  大括号内的数字用于表示某字符允许出现的次数区间。

{min,max}  //大括号内的数字用于表示某字符允许出现的次数区间。

  C# Demo:

        static void Main(string[] args)
{
Regex reg
= new Regex(@"colo{3,5}r");
Console.WriteLine(reg.Match(
"colooor")); //输出 colooor

Regex reg2
= new Regex(@"colo{3,5}r");
Console.WriteLine(reg2.Match(
"coloor")); //输出 空白(啥都不输出) 至少3个,但是字符串里只有两个,因此不符合

Console.ReadKey();
}

  这里要记住,{}里面的参数不一定要写全两个,也可以仅仅写一个,这样代表仅仅匹配指定的字符数,例如\b{6}\b匹配刚刚6个字母的单词。

  {n,}  匹配n次或更多次,  {5,}  匹配5次以上

十一、括号以及反向引用

  前面已经说过括号的两个作用:限制多选项的范围,将若干字符组合为一个单元,受问号或星号之类的量词作用。现在在来说一种括号的用法,分组,此东西具有记忆的功能,即在正则表达式内部仍然能够回忆上次匹配到的是什么。这个东西用语言说不明白,书本上又是画图又是线的,这里仅仅用一个例子:

        static void Main(string[] args)
{
Regex reg
= new Regex(@"(\b[A-Za-z]+ +)\1\b");
Console.WriteLine(reg.Match(
"red color color red")); //输出 color color

Console.ReadKey();
}

  例子解析:首先说明一下括号里面代表什么意思,

  (\b[A-Za-z]+ +)  匹配单词的开始,然后是大小写字母至少1次,然后空格至少1次。说白了就是 空格然后是匹配不区分大小写的一寸字母然后是任意个空格
  
  OK,再来说下\1\b  \b当然就是单词的结尾了,那么\1呢?这个就是分组的作用了,\1代表的就是前面括号里面的东西,也就是一个单词。

  因此,整个正则表达式的意思是,匹配间隔了N个空格的重复的单词。不懂也没办法了。

十二、神奇的转义

   \ 转义符它的作用是使元字符失去它的意义,仅仅代表其日常输入中字符的意义。

   C#例子:

        static void Main(string[] args)
{
Regex reg
= new Regex(@".c");
Console.WriteLine(reg.Match(
"(acdefg")); //输出 ac

Regex reg2
= new Regex(@"\.c");
Console.WriteLine(reg2.Match(
"(acdefg")); //输出 空白(啥都不输出,说明.已失去了它元字符,代表任意字符的意义)

Regex reg3
= new Regex(@"\.c");
Console.WriteLine(reg3.Match(
"(.cdefg")); //输出 .c 它字表它自己,就匹配一个点.了

Console.ReadKey();
}

   例如,我要匹配字符 . 字符*  就需要在前面加反斜杠,\.  \*去除它元字符的含义。

   一些需要转义的字符列表    \ * + ? | { [ ( ) ^ $ . # 和 空白

十三、一些其他的元字符

  \w  匹配字母,汉字,数字,下划线

  \W  匹配非字母,非汉字,非数字,非下划线

  \s   匹配空白符

  \S  匹配非空白符

  \d  匹配数字

  \D  匹配非数字

static void Main(string[] args)
{
Regex reg
= new Regex(@"\w?");
MatchCollection mcoll
= reg.Matches("@你s_5");
foreach (Match mat in mcoll)
{
Console.WriteLine(mat.Value);
//输出 空白 你 s _ 5 果然是匹配汉字、字母、下划线、数字
}

Regex reg2
= new Regex(@"\s");
MatchCollection mcoll2
= reg2.Matches("abc def");
foreach (Match mat in mcoll2)
{
Console.WriteLine(mat.Index);
//输出 3 这里要注意一个问题了,在用Matches时,当匹配不到时,会返回Empty,因此,可以认为每次都是匹配到的,但是匹配到空
}

Regex reg3
= new Regex(@"\d"); //匹配数字
Match m2 = reg3.Match("abc5def");
Console.WriteLine(m2.Value);
//输出 5

//以下代码为完全复制上面的代码,只是改了命名与正则
Regex reg4 = new Regex(@"\W?");
MatchCollection mcoll3
= reg4.Matches("@你s_5");
foreach (Match mat in mcoll2)
{
Console.WriteLine(mat.Value);
//输出 @
}

Regex reg5
= new Regex(@"\S"); //匹配非空格
MatchCollection mcoll4 = reg5.Matches("abc def");
foreach (Match mat in mcoll4)
{
Console.WriteLine(mat.Value);
//输出 abcdef 这里要注意一个问题了,在用Matches时,当匹配不到时,会返回Empty,因此,可以认为每次都是匹配到的,但是匹配到空
}

Regex reg6
= new Regex(@"\D"); //匹配非数字
Match m3 = reg6.Match("abc5def");
Console.WriteLine(m3.Value);
//输出 a Match就是只匹配第一个

Console.ReadKey();
}
  

  还有,既然学习了正则表达式,就千万不要忘记这一个用法:

  正则表达式(一) -- 元字符