初学正则表达式 -- Java

基本介绍请参照 http://www.blogjava.net/lbx19822004/archive/2007/05/28/120423.html 写的比较详细了
也可以参考http://msdn.microsoft.com/library/chs/default.asp?url=/library/CHS/jscript7/html/jsjsgrpregexpsyntax.asp

这里就我个人试验的结果进行一些补充说明:
1) "." 匹配除了换行符以外的所有字符, 包括空格, 但是不包括换行符. 这点一定要注意
2) 对于新手, 正则表达式的使用经常会有一些很灵异的现象发生, 例如"." 和 "[.]" 就不是一样的效果, 具体原因,俺还不清楚
3) 如果要匹配包括换行符在内的所有字符, 可以考虑使用"(.|//s)" ,但是"[.//s]"和"[.|//s]"不行,也不知道为什么.
4) 注意"^"的用法: 它有两种用法: 1."[^]",当他与"["搭配使用时,代表除此之外, 例如: [^abc] 代表除了a,b,c以外的其他所有字符,请注意,这里不是字符串, 请不要误解为: 除了字符串"abc"以外的其他字符 . 2.代表一行的开始
5) 如果想要去掉文档中的连续多个空行, 可以考虑,将"//s+/r/n" 替换为"/r/n"

暂时就用到这么多, 以后再总结哈

补充2:
对于以上的3) 可以使用"[//s//S]"
新发现: http://tim.mackey.ie/CleanWordHTMLUsingRegularExpressions.aspx 两个很有用的正则表达式

/// <summary>
/// Removes all FONT and SPAN tags, and all Class and Style attributes.
/// Designed to get rid of non-standard Microsoft Word HTML tags.
/// </summary>
private string CleanHtml(string html)
{
// start by completely removing all unwanted tags
html = Regex.Replace(html, @"<[/]?(font|span|xml|del|ins|[ovwxp]:/w+)[^>]*?>", "", RegexOptions.IgnoreCase);
// then run another pass over the html (twice), removing unwanted attributes
html = Regex.Replace(html, @"<([^>]*)(?:class|lang|style|size|face|[ovwxp]:/w+)=(?:'[^']*'|""[^""]*""|[^/s>]+)([^>]*)>","<$1$2>", RegexOptions.IgnoreCase);
html = Regex.Replace(html, @"<([^>]*)(?:class|lang|style|size|face|[ovwxp]:/w+)=(?:'[^']*'|""[^""]*""|[^/s>]+)([^>]*)>","<$1$2>", RegexOptions.IgnoreCase);
return html;
}