正則表達式

爲何要用正則表達式？

緣由：咱們一般在網頁上回搜索一些關鍵字或者檢索特殊的內容，這時候咱們須要對網頁的內容進行檢索，正則表達式能夠方便的解決這個問題。通俗的講就是驗證各類各樣的字符串：好比驗證郵箱的格式，驗證身份證，驗證手機號碼等。

什麼是正則表達式？

正則表達式是用某種模式去匹配一類字符創的一個公式。

建立正則表達式的兩種方法：

（1）隱式建立：var regExp=/正則表達式/gi（g表示global全局搜索，i表示不區分大小寫）

（2）顯式建立：var regExp=new RegExp("正則表達式","gi")

另外除了gi外還有一個m，表明是否換行檢索，好比如今搜索以某個字母開頭的段落，這時候m能夠表示換行檢索，不然只能檢索到第一個開頭的。

子表達式：

舉個例子：

 

 

正則表達式

第一點：--------------有關正則前沿介紹 正則表達式是用來進行文本處理的技術，是語言無關的，在幾乎全部語言中都有實現。javascript中還會用到。一個正則表達式就是由普通字符以及特殊字符(稱爲元字符)組成的文字模式。該模式描述在查找文字主體時待匹配的一個或多個字符串。正則表達式做爲一個模板，將某個字符模式與所搜索的字符串進行匹配。就像通配符「*.jpg」、「%ab%」，它是對字符串進行匹配的特殊字符串正則表達式是很是複雜的，不要但願一次都掌握，理解正則表達式能作什麼（字符串的匹配、字符串的提取、字符串的替換），掌握經常使用的正則表達式用法，之後用到再查就行。

第二點：--------------有關正則使用地方 項目中的採集器、敏感詞過濾、URLRewite、Validator也會涉及到正則表達式。

第三點：--------------元字符介紹 要想學會正則表達式，理解元字符是一個必須攻克的難關。不用刻意記

      1）.：匹配任何單個字符。例如正則表達式「b.g」能匹配以下字符串：「big」、「bug」、「b g」，可是不匹配「buug」，「b..g」能夠匹配「buug」。 

      2）[ ] ：匹配括號中的任何一個字符。例如正則表達式「b[aui]g」匹配bug、big和bag，可是不匹配beg、baug。能夠在括號中使用連字符「-」來指定字符的區間來簡化表示，例如正則表達式[0-9]能夠匹配任何數字字符，這樣正則表達式「a[0-9]c」等價於「a[0123456789]c」就能夠匹配「a0c」、「a1c」、「a2c」等字符串；還能夠制定多個區間，例如「[A-Za-z]」能夠匹配任何大小寫字母，「[A-Za-z0-9]」能夠匹配任何的大小寫字母或者數字。

     3）( ) ：將 () 之間括起來的表達式定義爲「組」(group)，而且將匹配這個表達式的字符保存到一個臨時區域,這個元字符在字符串提取的時候很是有用。把一些字符表示爲一個總體。改變優先級、定義提取組兩個做用。

     4）| ：將兩個匹配條件進行邏輯「或」運算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"。

     5）+ ：匹配前面的子表達式一次或屢次，和*對比（0到屢次）。例如正則表達式9+匹配九、9九、999等。 「zo+」能匹配 「zo」以及 「zoo」 ，不能匹配"z"。

     6）*：匹配0至多個在它以前的子表達式，和通配符*不要緊。例如正則表達式「zo*」能匹配 「z」 、「zo」以及 「zoo」；所以「.*」意味着可以匹配任意字符串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括號改變優先級）。

     7）? ：匹配前面的子表達式零次或一次。例如，"do(es)?" 能夠匹配 "do" 或 "does" 。通常用來匹配「可選部分」。

     8）{n} ：匹配肯定的 n 次。"zo{2}"→zoo。例如，「e{2}」 不能匹配「bed」中的「e」，可是能匹配「seed」中的兩個「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」中的全部「e」。

   10）{n,m} ：最少匹配 n 次且最多匹配 m 次。「e{1,3}」將匹配「seeeeeeeed」中的前三個「e」。

   11）^（shift+6） ：匹配一行的開始。例如正則表達式「^regex」可以匹配字符串「regex我會用」的開始，可是不能匹配「我會用regex」。

   12）^另一種意思：非！（暫時不用理解）

   13）$ ：匹配行結束符。例如正則表達式「浮雲$」 可以匹配字符串「一切都是浮雲」的末尾，可是不能匹配字符串「浮雲呀」

第三點：-------------簡寫正則表達式 注意這些簡寫表達式是不考慮轉義符的，這裏的\就表示字符\，而不是C#字符串級別的\，在C#代碼中須要使用@或者\雙重轉義。

區分C#級別的轉移和正則表達式級別的轉移，剛好C#的轉義符和正則表達式的轉義符都是\而已。正則表達式的轉移是在C#以後的（層層盤剝）。

把C#的轉義符想成%就明白了。在C#看來@"\-"就是\-這個普通的字符串，只不過在正則表達式分析引擎看來他有了特殊含義。

"\\d"或者@"\d" \d：表明一個數字，等同於[0-9]

\D：表明非數字，等同於[^0-9]

\s：表明換行符、Tab製表符等空白字符

\S：表明非空白字符

\w：匹配字母或數字或下劃線或漢字，即能組成單詞的字符

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

大寫就是「非」

第四點：-------------.NET中的正則表達式 正則表達式在.Net就是用字符串表示，這個字符串格式比較特殊，不管多麼特殊，在C#語言看來都是普通的字符串，具體什麼含義由Regex類內部進行語法分析。

正則表達式（Regular Expression）的主要類：Regex.IsMatch方法用於判斷一個字符串是否匹配正則表達式。 字符串匹配例子： Regex.IsMatch("bbbbg","^b.*g $"); Regex.IsMatch("bg", "^b.*g $ "); Regex.IsMatch("gege", "^b.*g $ "); 必定不能忘了^和$，不然也能匹配yesbagit

案例1：判斷是不是合法的郵政編碼（6位數字） Regex.IsMatch("100830","^[0-9]{6}$") Regex.IsMatch("119", @"^\d{6}$"); 解釋：由元字符定義得知"[0-9]"表示0到9的任意字符，"{6}"表示前面的字符匹配6此，所以「[0-9]{6}」中的{6}表示對數字匹配6次(000000123)。簡寫表達式得知「[0-9]」能夠被「\d」代替，因此第二種寫法「\d{6}」也是正確的。 案例2：判斷一個字符串是否是身份證號碼，便是否是15或18位數字。 錯誤寫法：Regex.IsMatch("123456789123456789", @"^\d{15}|\d{18}$")，表示15位數字開頭或者18位數字結尾 正確寫法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$" 案例3：判斷字符串是否爲正確的國內電話號碼，不考慮分機。

好比「010-95555」、「01095555」、「95555」都是正確的號碼。區號爲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應該是由三至四位數字組成，因爲長途區號的連字符「-」無關緊要，因此這裏使用「?」元字符進行說明。因爲連字符「-」在正則表達式 中有特殊含義(表示範圍，好比[0-9])，因此要對其進行轉義。 案例4：判斷一個字符串是不是合法的Email地址。 一個Email地址的特徵就是以一個字符序列開始，後邊跟着「@」符號，後邊又是一個字符序列，後邊跟着符號「.」，最後是字符序列 Regex.IsMatch("email12@mail.com", @"^\w+@\w+\.\w+$"); []括號中的任意字符，\w字母、數字、下劃線，+一到多個。因爲.在正則表達式中有特殊的含義，所以對於真正想表達「.」則須要轉移「\.」。

案例5： 一、匹配IP地址，4段用.分割的最多三位數字。 192.168.54.7七、333.333.333.333假設都是正確的。 @"^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$"。.是正則表達式中的特殊含義，所以須要轉義。 二、判斷是不是合法的日期格式「2008-08-08」。四位數字-兩位數字-兩位數字。進一步嚴謹@"^\d{4}\-\d{2}\-\d{2}$" 三、判斷是不是合法的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+://.+$"。//簡化的識別，項目中你搜「w3c URL 正則表達式」。.+而不是\w，不然"?id=1"中的?就不能匹配了。 http://www.test.com/a.aspx?id=1

第五點：---------------字符串的提取 正則表達式還能夠用來進行字符串提取 Match match = Regex.Match("age=30", @"^(. +)=(.+)$"); if (match.Success) { Console.WriteLine(match.Groups[1] .Value); Console.WriteLine(match.Groups[2] .Value); } match的Success屬性表示是否匹配成功；

正則表達式中用()將要提取的內容括起來，而後就能夠經過Match的Groups屬性來獲得全部的提取元素，注意Groups的序號是從1開始的，0 有特殊含義 案例：

1)從文件路徑中提取出文件名(包含後綴) @"^.+/(.+)$"。好比從c:/a/b.txt中提取出b.txt這個文件名出來。

項目中用Path.GetFileName更好。

貪婪模式。

2)從「June 26, 1951」中提取出月份June來。@"([a-zA-Z]+)\s+\d{1,2},\s*\d{4}"進行匹配。月份和日之間是必需要有空格分割的，因此使用空白符號「\s」匹配全部的空白字符，此處的空格是必須有的，因此使用「+」標識爲匹配1至多個空格。以後的「，」與年份之間的空格是無關緊要的，因此使用「*」表示爲匹配0至多個

3)從Email中提取出用戶名和域名，好比從test@163.com中提取出test和163.com。 4)「192.168.10.5[port=21,type=ftp]」，這個字符串表示IP地址爲192.168.10.5的服務器的21端口提供的是ftp服務，其中若是「,type=ftp」部分被省略，則默認爲http服務。請用程序解析此字符串，而後打印出「IP地址爲***的服務器的***端口提供的服務爲***」 ^(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})\[port=(\d{1,5})(,type=(\w+))?\]$

第六點：---------------貪婪和非貪婪模式 從文本提取出名字： Match match = Regex.Match("你們好。我是S.H.E。我22歲了。我病了，嗚嗚。fffff", "我是(.+)。");//沒有加^$。

看結果。+、*的匹配默認是貪婪(greedy)的：儘量多的匹配，直到「再貪婪一點兒」其後的匹配模式就無法匹配爲止。 在+、*後添加?就變成非貪婪模式

（? 的另一個用途）：讓其後的匹配模式儘早的匹配。修改爲"我是(.+?)。" 通常開發的時候不用刻意去修飾爲非貪婪模式，只有遇到bug的時候發現是貪婪模式的問題再去解決。

第七點：--------------匹配組 正則表達式能夠從一段文本中將全部符合匹配的內容都輸出出來。Match得到的是匹配的第一個。 Regex.Matches方法能夠得到全部的匹配項。