第一點(diǎn)：--------------有關(guān)正則前沿介紹 正則表達(dá)式是用來進(jìn)行文本處理的技術(shù)，是語言無關(guān)的，在幾乎所有語言中都有實(shí)現(xiàn)。javascript中還會(huì)用到。一個(gè)正則表達(dá)式就是由普通字符以及特殊字符(稱為元字符)組成的文字模式。該模式描述在查找文字主體時(shí)待匹配的一個(gè)或多個(gè)字符串。正則表達(dá)式作為一個(gè)模板，將某個(gè)字符模式與所搜索的字符串進(jìn)行匹配。就像通配符“*.jpg”、“%ab%”，它是對(duì)字符串進(jìn)行匹配的特殊字符串正則表達(dá)式是非常復(fù)雜的，不要希望一次都掌握，理解正則表達(dá)式能做什么（字符串的匹配、字符串的提取、字符串的替換），掌握常用的正則表達(dá)式用法，以后用到再查就行。
第二點(diǎn)：--------------有關(guān)正則使用地方 項(xiàng)目中的采集器、敏感詞過濾、URLRewite、Validator也會(huì)涉及到正則表達(dá)式。
第三點(diǎn)：--------------元字符介紹 要想學(xué)會(huì)正則表達(dá)式，理解元字符是一個(gè)必須攻克的難關(guān)。不用刻意記
1）.：匹配任何單個(gè)字符。例如正則表達(dá)式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。
2）[ ] ：匹配括號(hào)中的任何一個(gè)字符。例如正則表達(dá)式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括號(hào)中使用連字符“-”來指定字符的區(qū)間來簡(jiǎn)化表示，例如正則表達(dá)式[0-9]可以匹配任何數(shù)字字符，這樣正則表達(dá)式“a[0-9]c”等價(jià)于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；還可以制定多個(gè)區(qū)間，例如“[A-Za-z]”可以匹配任何大小寫字母，“[A-Za-z0-9]”可以匹配任何的大小寫字母或者數(shù)字。
3）( ) ：將 () 之間括起來的表達(dá)式定義為“組”(group)，并且將匹配這個(gè)表達(dá)式的字符保存到一個(gè)臨時(shí)區(qū)域,這個(gè)元字符在字符串提取的時(shí)候非常有用。把一些字符表示為一個(gè)整體。改變優(yōu)先級(jí)、定義提取組兩個(gè)作用。
4）| ：將兩個(gè)匹配條件進(jìn)行邏輯“或”運(yùn)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(dá)式一次或多次，和*對(duì)比（0到多次）。例如正則表達(dá)式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。
6）*：匹配0至多個(gè)在它之前的子表達(dá)式，和通配符*沒關(guān)系。例如正則表達(dá)式“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味著能夠匹配任意字符串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括號(hào)改變優(yōu)先級(jí)）。
7）? ：匹配前面的子表達(dá)式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。一般用來匹配“可選部分”。
8）{n} ：匹配確定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的兩個(gè)“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”中的所有“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(gè)“e”。
11）^（shift+6） ：匹配一行的開始。例如正則表達(dá)式“^regex”能夠匹配字符串“regex我會(huì)用”的開始，但是不能匹配“我會(huì)用regex”。
12）^另外一種意思：非！（暫時(shí)不用理解）
13）$ ：匹配行結(jié)束符。例如正則表達(dá)式“浮云$” 能夠匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀”
第三點(diǎn)：-------------簡(jiǎn)寫正則表達(dá)式 注意這些簡(jiǎn)寫表達(dá)式是不考慮轉(zhuǎn)義符的，這里的\就表示字符\，而不是C#字符串級(jí)別的\，在C#代碼中需要使用@或者\(yùn)雙重轉(zhuǎn)義。
區(qū)分C#級(jí)別的轉(zhuǎn)移和正則表達(dá)式級(jí)別的轉(zhuǎn)移，恰好C#的轉(zhuǎn)義符和正則表達(dá)式的轉(zhuǎn)義符都是\而已。正則表達(dá)式的轉(zhuǎn)移是在C#之后的（層層盤剝）。
把C#的轉(zhuǎn)義符想成%就明白了。在C#看來@"\-"就是\-這個(gè)普通的字符串，只不過在正則表達(dá)式分析引擎看來他有了特殊含義。
"\\d"或者@"\d" \d：代表一個(gè)數(shù)字，等同于[0-9]
\D：代表非數(shù)字，等同于[^0-9]
\s：代表換行符、Tab制表符等空白字符
\S：代表非空白字符
\w：匹配字母或數(shù)字或下劃線或漢字，即能組成單詞的字符
\W：非\w ，等同于[^\w] d：digital；s：space、w：word。
大寫就是“非”
第四點(diǎn)：-------------.NET中的正則表達(dá)式 正則表達(dá)式在.Net就是用字符串表示，這個(gè)字符串格式比較特殊，無論多么特殊，在C#語言看來都是普通的字符串，具體什么含義由Regex類內(nèi)部進(jìn)行語法分析。
正則表達(dá)式（Regular Expression）的主要類：Regex.IsMatch方法用于判斷一個(gè)字符串是否匹配正則表達(dá)式。 字符串匹配例子： Regex.IsMatch("bbbbg","^b.*g $"); Regex.IsMatch("bg", "^b.*g $ "); Regex.IsMatch("gege", "^b.*g $ "); 一定不能忘了^和$，否則也能匹配yesbagit 案例1：判斷是否是合法的郵政編碼（6位數(shù)字） Regex.IsMatch("100830","^[0-9]{6}$") Regex.IsMatch("119", @"^\d{6}$"); 解釋：由元字符定義得知"[0-9]"表示0到9的任意字符，"{6}"表示前面的字符匹配6此，因此“[0-9]{6}”中的{6}表示對(duì)數(shù)字匹配6次(000000123)。簡(jiǎn)寫表達(dá)式得知“[0-9]”可以被“\d”代替，所以第二種寫法“\d{6}”也是正確的。 案例2：判斷一個(gè)字符串是不是身份證號(hào)碼，即是否是15或18位數(shù)字。 錯(cuò)誤寫法：Regex.IsMatch("123456789123456789", @"^\d{15}|\d{18}$")，表示15位數(shù)字開頭或者18位數(shù)字結(jié)尾 正確寫法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$" 案例3：判斷字符串是否為正確的國內(nèi)電話號(hào)碼，不考慮分機(jī)。 比如“010-95555”、“01095555”、“95555”都是正確的號(hào)碼。區(qū)號(hào)為3位或者4位。 Regex.IsMatch("123456-95555", @"^\d{3,4}\-?\d+$") "^\d{3,4}\-?\d+$"表示被匹配的字符序列應(yīng)該是由三至四位數(shù)字組成，由于長途區(qū)號(hào)的連字符“-”可有可無，所以這里使用“?”元字符進(jìn)行說明。由于連字符“-”在正則表達(dá)式 中有特殊含義(表示范圍，比如[0-9])，所以要對(duì)其進(jìn)行轉(zhuǎn)義。 案例4：判斷一個(gè)字符串是否是合法的Email地址。 一個(gè)Email地址的特征就是以一個(gè)字符序列開始，后邊跟著“@”符號(hào)，后邊又是一個(gè)字符序列，后邊跟著符號(hào)“.”，最后是字符序列 Regex.IsMatch("email12@mail.com", @"^\w+@\w+\.\w+$"); []括號(hào)中的任意字符，\w字母、數(shù)字、下劃線，+一到多個(gè)。由于.在正則表達(dá)式中有特殊的含義，因此對(duì)于真正想表達(dá)“.”則需要轉(zhuǎn)移“\.”。 案例5： 1、匹配IP地址，4段用.分割的最多三位數(shù)字。 192.168.54.77、333.333.333.333假設(shè)都是正確的。 @"^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$"。.是正則表達(dá)式中的特殊含義，因此需要轉(zhuǎn)義。 2、判斷是否是合法的日期格式“2008-08-08”。四位數(shù)字-兩位數(shù)字-兩位數(shù)字。進(jìn)一步嚴(yán)謹(jǐn)@"^\d{4}\-\d{2}\-\d{2}$" 3、判斷是否是合法的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+://.+$"。//簡(jiǎn)化的識(shí)別，項(xiàng)目中你搜“w3c URL 正則表達(dá)式”。.+而不是\w，否則"?id=1"中的?就不能匹配了。 http://www.test.com/a.aspx?id=1
第五點(diǎn)：---------------字符串的提取 正則表達(dá)式還可以用來進(jìn)行字符串提取 Match match = Regex.Match("age=30", @"^(. +)=(.+)$"); 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(dá)式中用()將要提取的內(nèi)容括起來，然后就可以通過Match的Groups屬性來得到所有的提取元素，注意Groups的序號(hào)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(包含后綴) @"^.+/(.+)$"。比如從c:/a/b.txt中提取出b.txt這個(gè)文件名出來。
項(xiàng)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(jìn)行匹配。月份和日之間是必須要有空格分割的，所以使用空白符號(hào)“\s”匹配所有的空白字符，此處的空格是必須有的，所以使用“+”標(biāo)識(shí)為匹配1至多個(gè)空格。之后的“，”與年份之間的空格是可有可無的，所以使用“*”表示為匹配0至多個(gè)
3)從Email中提取出用戶名和域名，比如從test@163.com中提取出test和163.com。 4)“192.168.10.5[port=21,type=ftp]”，這個(gè)字符串表示IP地址為192.168.10.5的服務(wù)器的21端口提供的是ftp服務(wù)，其中如果“,type=ftp”部分被省略，則默認(rèn)為http服務(wù)。請(qǐng)用程序解析此字符串，然后打印出“IP地址為***的服務(wù)器的***端口提供的服務(wù)為***” ^(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})\[port=(\d{1,5})(,type=(\w+))?\]$
第六點(diǎn)：---------------貪婪和非貪婪模式 從文本提取出名字： Match match = Regex.Match("大家好。我是S.H.E。我22歲了。我病了，嗚嗚。fffff", "我是(.+)。");//沒有加^$。
看結(jié)果。+、*的匹配默認(rèn)是貪婪(greedy)的：盡可能多的匹配，直到“再貪婪一點(diǎn)兒”其后的匹配模式就沒法匹配為止。 在+、*后添加?就變成非貪婪模式
（? 的另外一個(gè)用途）：讓其后的匹配模式盡早的匹配。修改成"我是(.+?)。" 一般開發(fā)的時(shí)候不用刻意去修飾為非貪婪模式，只有遇到bug的時(shí)候發(fā)現(xiàn)是貪婪模式的問題再去解決。
第七點(diǎn)：--------------匹配組 正則表達(dá)式可以從一段文本中將所有符合匹配的內(nèi)容都輸出出來。Match獲得的是匹配的第一個(gè)。 Regex.Matches方法可以獲得所有的匹配項(xiàng)。
注意區(qū)別：匹配和group的區(qū)別： 練習(xí)：從一段文本中提取所有的數(shù)字 MatchCollection matches = Regex.Matches("大家好，我是Hebe，我22歲了，身高180，我們團(tuán)隊(duì)有3個(gè)女女！", @"\d+");
案例：從字符串中提取所有人名 MatchCollection matchs = Regex.Matches(“大家好。我們是S.H.E。我是S。我是H。嗚嗚。fffff", @"我是(.+?)。")
案例：從一個(gè)頁面提取所有Email地址，用WebClient，自己動(dòng)手寫Email群發(fā)器。 練習(xí)：從網(wǎng)站抓取所有的圖片地址，下載到硬盤：MatchCollection matches = Regex.Matches(content, "border=0\\s*src=\"(.*?)\">"); 練習(xí)：抓取所有超鏈接，特征：href="地址“ //MatchCollection matches = Regex.Matches(text, "<a\s*href="(.+?)"\s*"); 練習(xí)：抓取新聞 采集工具 //MatchCollection //MatchCollection matchs = Regex.Matches(“大家好。我們是S.H.E。我是S。我是H。嗚嗚。fffff", @"我是(.+?)。"); //foreach (Match match in matchs) //{ // if (match.Success) // { // Console.WriteLine(match.Groups[1].Value); // } //}
聯(lián)系客服
