.NET正則表達式基礎：簡單表達式

最簡單的正則表達式大家都已熟悉，即文字字符串。特定的字符串可通過文字本身加以描述；像 foo 這樣的正則表達式模式可精確匹配輸入的字符串 foo。在本例中，也將匹配如下輸入：The foo d was quite tasty，如果希望精確匹配，這可能不是預期結果。

當然，使用正則表達式匹配等于它自身的精確字符串是沒有價值的實現，不能體現正則表達式的真正作用。假如不查找 foo，而是查找以字母 f 開頭的所有單詞，或所有 3 個字母的單詞，那該怎么辦？目前，這超出了文字字符串的合理范圍。我們需要更加深入地研究正則表達式。下面是一個文字表達式示例及一些匹配的輸入。

模式	輸入（匹配）
foo	foo、food、foot、“There's evil afoot.”

限定符提供了一種簡單方法，用于指定在模式中允許特定字符或字符集自身重復出現的次數。有 3 個非顯式限定符：

1. *，描述“出現 0 或多次”。

2. +，描述“出現 1 或多次”。

3. ?，描述“出現 0 或 1 次”。

限定符始終引用限定符前（左邊）的模式，通常是單個字符，除非使用括號創建模式組。下面是一些模式示例及匹配的輸入。

模式	輸入（匹配）
fo*	foo、foe、food、fooot、“forget it”、funny、 puffy
fo+	foo、foe、food、foot、“forget it”
fo?	foo、foe、food、foot、“forget it”、funny、puffy

除了指定給定模式準確出現 0 或 1 次之外，? 字符還可強制模式或子模式匹配數目最少的字符（如果匹配輸入字符串中的多個字符）。

除了非顯式限定符（一般叫做限定符，但為區別于下一組，故稱非顯式限定符）之外，還有顯式限定符。在模式出現次數方面，限定符的概念非常模糊。使用顯式限定符則可準確指定數字、范圍或數字集。顯式限定符位于所應用的模式的后邊，這一點與正則限定符一樣。顯式限定符使用花括號 {} 及其中的數字值表示模式出現次數的上下限。例如，x{5} 將準確匹配 5 個 x 字符 (xxxxx)。如果僅指定一個數字，則表示次數上限；如果數字后跟一個逗號，如 x{5,}，表示匹配任何出現次數大于 4 的 x 字符。下面是一些模式示例及匹配的輸入。

模式	輸入（匹配）
ab{2}c	abbc、aaabbccc
ab{,2}c	ac、abc、abbc、aabbcc
ab{2,3}c	abbc、abbbc、aabbcc、aabbbcc

在正則表達式中，有一種意義特殊的構造，即元字符。目前已知的元字符有很多，如 *、?、+ 和 {} 字符。其他字符在正則表達式語言中都有特殊的含義。這些字符包括：$ ^ . [ ( | ) ] 和 \。

.（句點或點）元字符是最簡單但最常用的一個字符。它可匹配任何單字符。如果要指定某些模式可包含任意組合的字符，使用句點非常有用，但一定要在特定長度范圍內。此外，我們知道表達式將對包含在較長字符串中的所有模式進行匹配，假如只需要精確匹配模式，又該怎么辦？這在驗證方案中經常出現，例如，要確保用戶輸入的郵政編碼或電話號碼的格式正確。使用 ^ 元字符可指定字符串（或行）的開始，使用 $ 元字符可指定字符串（或行）的結束。通過將這些字符添加到模式的開始和結束處，可強制模式僅匹配精確匹配的輸入字符串。如果 ^ 元字符用在方括號 [ ] 指定的字符類的開頭，也有特殊的含義。具體內容見下。

\ （反斜杠）元字符既可根據特殊含義“轉義”字符，也可指定預定義集合元字符的實例。同樣，具體內容見下。為了在正則表達式中包括文字樣式的元字符，必須使用反斜杠進行“轉義”。例如，如果要匹配以“c:\”開始的字符串，可使用：^c:\\。注意，要使用 ^ 元字符指出字符串必須以此模式作為開始，然后用反斜杠元字符轉義文字反斜杠。

|（管道）元字符用于交替指定，特別用于在模式中指定“此或彼”。例如，a|b 將匹配包含“a”或“b”的任何輸入內容，這與字符類 [ab] 非常類似。

最后，括號 ( ) 用于給模式分組。它允許使用限定符讓一個完整模式出現多次。為了便于閱讀，或分開匹配特定的輸入部分，可能允許分析或重新設置格式。

下面列出元字符的一些使用示例。

模式	輸入（匹配）
.	a、b、c、1、2、3
.*	Abc, 123, 任意字符串, 無字符時也匹配
^c:\\	c:\windows、c:\\\\\、c:\foo.txt、c:\ 后跟任何其他內容
abc$	abc、123abc、以 abc 結束的任意字符串
(abc){2,3}	abcabc、abcabcabc

字符類是正則表達式中的“迷你”語言，在方括號 [ ] 中定義。最簡單的字符類只不過是括號中的一個字符表，如 [aeiou]。在表達式中使用字符類時，可在模式的此位置使用其中任何一個字符（但只能使用一個字符，除非使用了限定符）。請注意，不能使用字符類定義單詞或模式，只能定義單個字符。

要指定任何數值數字，可以使用字符類 [0123456789]。但是，由于這樣使用字符不大方便，所以要通過在括號中使用連字符 - 來定義字符的范圍。連字符在字符類中有特殊的含義（不是在正則表達式中，因此，準確地說它不能叫正則表達式元字符），且僅在連字符不是第一個字符時，連字符才在字符類中有特殊含義。要使用連字符指定任何數值數字，可以使用 [0-9]。小寫字母也一樣，可以使用 [a-z]，大寫字母可以使用 [A-Z]。連字符定義的范圍取決于使用的字符集。因此，字符在（例如）ASCII 或 Unicode 表中出現的順序確定了在范圍中包括的字符。如果需要在范圍中包括連字符，將它指定為第一個字符。例如：[-.?] 將匹配 4 個字符中任何一個字符（注意，最后的字符是個空格）。另請注意，正則表達式元字符在字符類中不做特殊處理，所以這些元字符不需要轉義。考慮到字符類是與其他正則表達式語言分開的一種語言，因此字符類有自己的規則和語法。

如果使用字符 ^ 作為字符類的第一個字符來否定此類，也可以匹配字符類成員以外的任何字符。因此，要匹配任何非元音字符，可以使用字符類 [^aAeEiIoOuU]。注意，如果要否定連字符，應將連字符作為字符類的第二個字符，如 [^-]。記住，^ 在字符類中的作用與它在正則表達式模式中的作用完全不同。

下面列出操作中使用的一些字符類。

模式	輸入（匹配）
^b[aeiou]t$	Bat、bet、bit、bot、but
^[0-9]{5}$	11111, 12345, 99999
^c:\\	c:\windows、c:\\\\\、c:\foo.txt、c:\ 后跟任何其他內容
abc$	abc、123abc、以 abc 結束的任意字符串
(abc){2,3}	abcabc、abcabcabc
^[^-][0-9]$	0、1、2、... （不匹配 -0、-1、 -2 等）

在 .NET Framework 的下一版中，代碼名“Whidbey”作為一種新功能被添加到字符類中，稱作字符類差 (character class subtraction)。它的主要作用是，允許從一個字符類中減去另一個字符類，可提供更可讀的方式描述某些模式。它的語法類似 [a-z-[aeiou]]，匹配所有的小寫輔音字母。

.NET正則表達式基礎：預定義的集合元字符

使用目前提供的工具可以完成很多工作。但是，要使用 [0-9] 表示模式中的每個數值數字，或（更糟）使用 [0 -9a -zA-Z]表示任何字母數字字符，還有一段相當漫長的過程。為了減輕處理這些常用但冗長模式的痛苦，事先定義了預定義元字符集合。正則表達式的不同實現定義了不同的預定義元字符集合，下面描述的預定義元字符集合在 .NET Framework 中得到 System.Text.RegularExpressions API 的支持。這些預定義元字符的標準語法是，在反斜杠 \ 后跟一個或多個字符。多數預定義元字符只有一個字符，它們的使用很容易，是冗長字符類的理想替代字符。以下是兩個示例：\d 匹配所有數值數字，\w 匹配所有單詞字符（字母數字加下劃線）。例外情況是一些特定字符代碼匹配，此時必須指定所匹配字符的地址，如 \u000D 將匹配 Unicode 回車符。下面列出一些最常用的字符類及其等效的元字符。

元字符	等效字符類
\a	匹配鈴聲（警報）；\u0007
\b	匹配字符類外的字邊界，它匹配退格字符，\u0008
\t	匹配制表符，\u0009
\r	匹配回車符，\u000D
\w	匹配垂直制表符，\u000B
\f	匹配換頁符，\u000C
\n	匹配新行，\u000A
\e	匹配轉義符，\u001B
\040	匹配 3 位 8 進制 ASCII 字符。\040 表示空格（十進制數 32）。
\x20	使用 2 位 16 進制數匹配 ASCII 字符。此例中，\x2- 表示空格。
\cC	匹配 ASCII 控制字符，此例中是 ctrl-C。
\u0020	使用 4 位 16 進制數匹配 Unicode 字符。此例中 \u0020 是空格。
\*	不代表預定義字符類的任意字符都只作為該字符本身對待。因此，\* 等同于 \x 2A（是文字 *，不是 * 元字符）。
\p{name}	匹配已命名字符類“name”中的任意字符。支持名稱是 Unicode 組和塊范圍。例如，Ll、Nd、Z、IsGreek、IsBoxDrawing 和 Sc（貨幣）。
\p{name}	匹配已命名字符類“name”中不包括的文本。
\w	匹配任意單詞字符。對于非 Unicode 和 ECMAScript 實現，這等同于 [a-zA-Z_0-9]。在 Unicode 類別中，這等同于 [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}\p{Pc}]。
\W	\w 的否定，等效于 ECMAScript 兼容集合 [^a-zA-Z_0-9] 或 Unicode 字符類別 [^\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}\p{Pc}]。
\s	匹配任意空白區域字符。等效于 Unicode 字符類 [\f\n\r\t\v\x85\p{Z}]。如果使用 ECMAScript 選項指定 ECMAScript 兼容方式，\s 等效于 [ \f\n\r\t\v] （請注意前導空格）。
\S	匹配任意非空白區域字符。等效于 Unicode 字符類別 [^\f\n\r\t\v\x85\p{Z}]。如果使用 ECMAScript 選項指定 ECMAScript 兼容方式，\S 等效于 [^ \f\n\r\t\v] （請注意 ^ 后的空格）。
\d	匹配任意十進制數字。在 ECMAScript 方式下，等效于 Unicode 的 [\p{Nd}]、非 Unicode 的 [0-9]。
\D	匹配任意非十進制數字。在 ECMAScript 方式下，等效于 Unicode 的 [\p{Nd}]、非 Unicode 的 [^0-9]。

.NET正則表達式基礎：表達式示例

很多人都喜歡通過示例學習，下面即提供一些表達式示例。

模式	說明
^\d{5}$	5 個數值數字，如美國郵政編碼。
^(\d{5})|(\d{5}-\d{4}$	5 個數值數字或 5 個數字-短劃線-4 個數字。匹配 5 位數字格式的美國郵政編碼，或 5 位數字 + 4 位數字格式的美國郵政編碼。
^(\d{5}(-\d{4})?$	與前一個相同，但更有效。使用 ? 可使模式中的 4 位數字成為可選部分，而不是要求分別比較不同的兩個模式（通過另一種方式）。
^[+-]?\d+(\.\d+)?$	匹配任意有可選符號的實數。
^[+-]?\d*\.?\d*$	與上一個相同，但也匹配空字符串。
^(20|21|22|23|[01]\d)[0-5]\d$	匹配 24 小時制時間值。
/\*.*\*/	匹配 C 語言風格的注釋 /* ... */

【編輯推薦】

1. 什么是正則表達式：其歷史與.NET框架的關系
2. 詳解C#正則表達式
3. 利用正則表達式使C#判斷輸入日期格式是否正確
4. .NET下正則表達式應用四例
5. JAVA正則表達式4種常用的功能