C#正则表达式

1、正则表达式入门
（1）正则表达式是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。javascript中还会用到。【正则表达式是对文本、对字符串操作的。】
（2）一个正则表达式就是由普通字符以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
（3）就像通配符“*.jpg”、“%ab%”，它是对字符串进行匹配的特殊字符串
（4）正则表达式是非常复杂的，不要希望一次都掌握，理解正则表达式能做什么（字符串的匹配、字符串的提取、字符串的替换），掌握常用的正则表达式用法，以后用到再查就行。
（5）采集器、敏感词过滤、URLRewite、Validator也会涉及到正则表达式。
（6）正则表达式是对字符串操作的。
2、元字符1
（1）要想学会正则表达式，理解元字符是一个必须攻克的难关。不用刻意记
（2）.：匹配除\n之外的任何单个字符。例如正则表达式“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”。
（3）[ ] ：匹配括号中的任何一个字符（范围,字符集合）。例如正则表达式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[0-9]c”等价于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母，“[A-Za-z0-9]”可以匹配任何的大小写字母或者数字。思考：x[这里必须是元音]y，如何写正则？【当.出现在[]中，则表示普通.，不作为元字符。】
（4）| ：将两个匹配条件进行逻辑“或”运算。‘z|food’ 能匹配 “z” 或 “food”。‘(z|f)ood’ 则匹配 “zood” 或 “food”。 //注意^$问题。
（5）( ) ：将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。把一些字符表示为一个整体。改变优先级、定义提取组两个作用。
3、元字符2(限定符)
（1）：匹配0至多个在它之前的子表达式，和通配符没关系。等价于{0,}。例如正则表达式“zo*”（等同于z(o)）能匹配 “z” 、“zo”以及 “zoo”；因此“.”意味着能够匹配任意字符串。”z(b|c)“→zb、zbc、zcb、zccc、zbbbccc。”z(ab)“能匹配z、zab、zabab（用括号改变优先级）。
（2）+ ：匹配前面的子表达式一次或多次，和*对比（0到多次）。等价于{1,}例如正则表达式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配”z”。
（3）? ：匹配前面的子表达式零次或一次。等价于：{0,1}例如，“do(es)?” 可以匹配 “do” 或 “does” 。【colou?r、favou?r】一般用来匹配“可选部分”。（终止贪婪模式）
（4）{n} ：匹配确定的 n 次。“zo{2}”→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的两个“e”。 //seeeed,不可以。
（5）{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”。
（6）{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。 {2,5}//bed,seed,seeed;beeeeed错误。
（7）限定符：限定前面的正则表达式出现的次数。
4、元字符3
（1）^（shift+6） ：匹配一行的开始。例如正则表达式“^regex”能够匹配字符串“regex我会用”的开始，但是不能匹配“我会用regex”。
（2）^另外一种意思：非！（[^0-9]）
（3）：匹配行结束符。例如正则表达式“浮云 ” 能够匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀”
（4）^abc,匹配一个正则表达式的开始
abcjflkdsjfkdsjf
（5）888，匹配一个正则表达式的结束。  
积分多少快乐解放路口的手机费888  
5、简写表达式  
（1）注意这些简写表达式是不考虑转义符的，这里的\就表示字符\，而不是C#字符串级别的\，在C#代码中需要使用@或者\双重转义。区分C#级别的转移和正则表达式级别的转移，恰好C#的转义符和正则表达式的转义符都是\而已。正则表达式的转义是在C#之后的（层层盘剥）。把C#的转义符想成%就明白了。在C#看来@”-“就是-这个普通的字符串，只不过在正则表达式分析引擎看来他有了特殊含义。”\d”或者@”\d”  
\d：代表一个数字，等同于[0-9]   \d  →\d  
\D：代表非数字，等同于[^0-9]  
\s：代表换行符、Tab制表符等空白字符 ,(空格、回车、制表符)  
\S：代表非空白字符（a0%@@）
\w：匹配字母或数字或下划线或汉字，即能组成单词的字符,除%&#@!等字符。[a-zA-Z0-9_汉字] (unicode字符)  
\W：非\w ，等同于[^\w] %  
\b：单词的边界。Hello ni hao,are you kidding? D-Day   （表示一个位置，一边是单词\w，一边不是单词。\W）  
（2）d：digital；s：space、w：word。大写就是“非”  
（3）在C#中当在字符串前使用@符号时，字符串中可以用两个双引号表示一个双引号，例如：Console.WriteLine(@”aaaa”“fdsafdsaf”);  
（4）问：如何匹配任意的单个字符？[\s\S]  
6、正则表达式转义符  
（1）正则表达式同样支持\转义符  
对于元字符，限定符等，如果要匹配字符本身都需要转义：  
*、+、.、[、-、{2,3}、\d…  
（2）忽略所有的元字符，类似于C#中的@符号：  
string s=Regex.Escape(@”\d{5,7}”);  
7、.Net中的正则表达式  
（1）正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。  
正则表达式（Regular Expression）的主要类：Regex  
（2）常用的3种情况：（C#语法）  
判断是否匹配：Regex.IsMatch(“字符串”,”正则表达式”);  
字符串提取：Regex.Match(“字符串”,“要提取的字符串的正则表达式”);//只能提取一个（提取一次）  
字符串提取(循环提取所有)： Regex.Matches()，（可以提取所有匹配的字符串。）  
字符串替换：Regex.Replace(“字符串”,”正则”,”替换内容”);  
Regex.Split();  
（3）Regex.IsMatch方法用于判断一个字符串是否匹配正则表达式。  
（4）字符串匹配案例  
练习1：判断是否是合法的邮政编码（6位数字）  
Regex.IsMatch(“100830”,”^[0-9]{6}”)
Regex.IsMatch(“119”, @”^\d{6}”);解释：由元字符定义得知“[0−9]”表示0到9的任意字符，“6”表示前面的字符匹配6次，因此“[0−9]6”中的6表示对数字匹配6次(000000123)。简写表达式得知“[0−9]”可以被“\d”代替，所以第二种写法“\d6”也是正确的。判断是否为连续的5个英文字母。 [ a−zA−Z]5 
123abcde987
//(abcde)|(bcdef)|
（5）字符串匹配案例2
判断一个字符串是不是身份证号码。
1.长度为15位或者18位的字符串，首位不能是0。
2.如果是15位，则全部是数字。
3.如果是18位，则前17位都是数字，末位可能是数字也可能是X。
写法一：^[1-9][0-9]{14}([0-9]{2}[0-9Xx])?写法二： ( [1−9][0−9]14|[1−9][0−9]16[0−9X]) 
（6）字符串匹配案例3
判断字符串是否为正确的国内电话号码，不考虑分机。
010-8888888或010-88888880或010xxxxxxx
0335-8888888或0335-88888888（区号-电话号）03358888888
10086、10010、95595、95599、95588（5位）
13888888888（11位都是数字）
Regex.IsMatch(phoneNumber, @“^((\d{3,4}-?\d{7,8})|(\d{5})|(\d{11}))”);或者Regex.IsMatch(phoneNumber,@“ ( (\d3,4\-?\d7,8)|(\d5)) ”);
按照要求一个一个写，都用|连起来。注意：由于区号有时为010-xxxxxxx有时为010xxxxxxx，-可有可无，所以需要?,由于-表示一个区间，所以这里要转义-。最后不要忘记在所有|的最外层加一对()
（7）字符串匹配案例4
判断一个字符串是否是合法的Email地址。一个Email地址的特征就是以一个字符序列开始，后边跟着“@”符号，后边又是一个字符序列，后边跟着符号“.”，最后是字符序列
Regex.IsMatch(“[e-mail]”, @“^\w+@\w+.\w+$”);可以使用汉字的。
[]括号中的任意字符，\w字母、数字、下划线，+一到多个。由于.在正则表达式中有特殊的含义，因此对于真正想表达“.”则需要转移“.”。

8、字符串提取与提取组(一般不加^)（1）热身：提取字符串中的所有数字。“大家好呀，hello,2010年10月10日是个好日子。恩，9494.吼吼！886.”思路：使用\d+而不是\d,\d只能提取单个的数字字符。提取字符串中的Email。如何提取所有的Email地址？Matches()，返回值为MatchCollection,可以通过索引器访问到Match对象。提取组：提取每个Email的用户名与域名。用（）提取组。患者：“大夫，我咳嗽得很重。”大夫：“你多大年记？”患者：“七十五岁。”大夫：“二十岁咳嗽吗”患者：“不咳嗽。”大夫：“四十岁时咳嗽吗？”患者：“也不咳嗽。”大夫：“那现在不咳嗽，还要等到什么时咳嗽？”.统计“咳嗽”出现的次数，以及每次出现的索引位置。（2）正则表达式还可以用来进行字符串提取Matchmatch=Regex.Match(“age=30”,@” ( .+)=(.+) ”);//此处即便没有找到匹配也不会返回null,所以建议还是通过match.success来判断是否匹配成功。
if (match.Success)
{
Console.WriteLine(match.Groups[1] .Value);
Console.WriteLine(match.Groups[2] .Value);
}
match的Success属性表示是否匹配成功；正则表达式中用()将要提取的内容括起来，然后就可以通过Match的Groups属性来得到所有的提取元素，注意Groups的序号是从1开始的，0有特殊含义。
9、贪婪模式与非贪婪模式
（1）贪婪模式演示：（当提取多个超链接的时候）
“1111。11。111。111111。”
贪婪：.+。(默认为贪婪模式，尽可能的多匹配。)
非贪婪：.+?。（尽可能的少匹配，（1个。））
（2）从文本提取出名字：
Match match = Regex.Match(“大家好。我是S.H.E。我22岁了。我病了，呜呜。fffff”, “我是(.+)。”);//没有加^$。
看结果。+、*的匹配默认是贪婪(greedy)的：尽可能多的匹配，直到“再贪婪一点儿”其后的匹配模式就没法匹配为止。
（3）在+、*后添加?就变成非贪婪模式（? 的另外一个用途）：让其后的匹配模式尽早的匹配。修改成”我是(.+?)。”
一般开发的时候不用刻意去修饰为非贪婪模式，只有遇到bug的时候发现是贪婪模式的问题再去解决。如果匹配的结果比自己预想的要多，那么一般都是贪婪模式的原因。
（4）回溯(su)（backtraking）
10、匹配组
正则表达式可以从一段文本中将所有符合匹配的内容都输出出来。Match获得的是匹配的第一个。Regex.Matches方法可以获得所有的匹配项。注意区别：匹配和group的区别
案例：从一个页面提取所有Email地址，用WebClient，自己动手写Email群发器。
练习：从网站抓取所有的图片地址，下载到硬盘：MatchCollection matches = Regex.Matches(content, “border=0\s*src=\”(.?)\”>”);//<[iI]mg.?src=(.+)?.*?/>【】
练习：抓取所有超链接，特征：href=”地址“
//MatchCollection matches = Regex.Matches(text, “