正则表达式详解[C#]

正则表达式常用功能：匹配，捕获，替换。匹配是基础，捕获是关键，替换就是在前面基础上调整一下位置。

[url重写:正则表达式替换]

string lookFor="^~/root/(\w{1,20})/somepage/(\d{1,8})/(\w)*?/(\d{1,8}).aspx$"
string  SendTo="~/root/$1/somepage.aspx?categoryid=$2&pageindex=$4";
var regex = new Regex(lookFor, RegexOptions.IgnoreCase);
if (regex.IsMatch(oldurl))
{
string newurl=regex.Replace(oldurl,SendTo);
}

替url添加一些过滤条件或限制条件，过滤同级的页面，避免冲突:

url Partten output 描述

/(abc|service)partner$ /partners/$1 (A|B)表示选择A或B
/support/((?!courses|search|thankyou)[^/]+)$ /support/faqs/$1 (?!A|B|C)表示排除A,B,C

[替换中的 特殊正则表达式符号]

Console.WriteLine(Regex.Replace("$$$1.30", @"(\$*(\d*(\.+\d+)?){1})",
"[$&}\"", RegexOptions.IgnoreCase));// $& 替换整个匹配项的一个副本。
Console.WriteLine(Regex.Replace("gggAAAB,BCCDD", @"(?<A3>A+)B+(?<dot>,)B+",
"((所有输入的文本:$_ ,匹配前的文本:$`,匹配后的文本:$',名字为A3捕获的内容:'${A3}',"
+"第二个捕获组的内容:'$2', 最后捕获的组:'$+',美元符号:$$.))", RegexOptions.IgnoreCase));
//如果匹配组中有一个是命名方式 那么最后一个 即是最后一个命名的组

[获取百度|谷歌搜索每页的快照跟Title所对应的Url:正则表达式多个匹配]

const string Snapshot_UrlExpression = "<a[^>]*href=[\"']?([^>\"'\\s]+)[\"']?[^>]*>[\u4e00-\u9fa5]*快照</a>";
const string Title_UrlExpress ="<h3[^>]*class=\"[rt]\"[^>]*><a[^>]*href=[\"']?([^>\"'\\s]+)[\"']?[^>]*>[\\.\\n\u0000-\uffff]*</a></h3>";

Regex Snapshot_UrlReg = new Regex(Snapshot_UrlExpression, RegexOptions.ECMAScript | RegexOptions.Compiled);
Regex Title_UrlReg = new Regex(Title_UrlExpress, RegexOptions.ECMAScript | RegexOptions.Compiled);

public  List<string>  Urls2Snapshot()
{
List<string> urllist = new List<string>();
MatchCollection collection = Snapshot_UrlReg.Matches(Content);
foreach (Match m in collection)
urllist.Add(m.Groups[1].Value);
return urllist;
}
public  List<string>  Urls2Title()
{
List<string> urllist = new List<string>();
MatchCollection collection = Title_UrlReg.Matches(Content);
foreach (Match m in collection)
urllist.Add(m.Groups[1].Value);
return urllist;
}

[小结]

定位控制符(6个)：\,^,$,\b,\B,\cx
量词(6个)： *,+,?,{n},{n,},{n,m}
名词(6个):\d,\D,\w,\W,\s,\S
谓词(6个):获取匹配[(pattern)]:匹配结果保存在Matches集合中，反之则不保存.

非获取匹配[(?:pattern),预查操作 (?=pattern),(?!pattern),(?<=pattern),(?<!pattern) ]

预查指的是匹配的指针不消耗字符,预查部分是已经匹配的或下一次匹配的

副词(?)：?用在量词的后边修饰，代表非贪心匹配，例如<h5>wang</h5>使用<.*>将匹配整个，而<.*?>只匹配<h5>

等价：\d=[0-9],\D=[^\d],\w=[a-zA-Z0-9_],\W=[^\w],\s=[\f\n\r\t\v],\S=[^\s],.=[^\n],[.\n]=[\s\S]
转义值：\xn(两位十六进制:ASCII),\un(四位十六进制:Unicode),
\n(如果在此其有n个子表达式则为匹配的引用，否则为八进制的转义字符

中括号使用：A.连字符"-"，开始字符值小于连字符，而结束字符值等于或大于连字符:例如[!--] [!-~]

B.匹配连字符"-",需要转义"\-",如果出现在列表的开始或结尾，则代表它本身，不需要转义.(例如[-a-z] [a-z-]代表小写字母和连字符）

C.插入符"^",须放在列表的开头。如果插入字符出现在列表中的其他任何位置，则它匹配其本身,这里不需要转义就代表它本身.

特殊字符(需要转义的14-15个):*,+,?,{,},[,],(,),^,$,.,|,\

static void Main(string[] args)
{
string Content = "123windows126windows128windowsNT";
string regExpress = @"\d*(\w+?(?=dow|NT))"; //(?=pattern)  零宽度正预测先行断言。

string regExpress3 = @"((?<=\d+)[a-zA-Z]+)[\d]*";//(?<=pattern)  零宽度正回顾后发断言。
string regExpress4 = @"\d+([a-zA-Z]+)[\d]+";

string Content2 = "123nnnww789mmmttuuvv";
string regExpress2 = @"\d*(\w)\1\1"; //\n
string regExpress22 = @"\d*(?<double>\w)\k<double>\k<double>"; //功能跟regExpress2相同，用命名方式，优先级高

Regex reg = new Regex(regExpress, RegexOptions.ECMAScript | RegexOptions.Compiled);
MatchCollection collection = reg.Matches(Content);
foreach (Match m in collection)
Console.WriteLine(m.Groups[0].Value+":"+m.Groups[1].Value);

Console.WriteLine();
Regex reg2 = new Regex(regExpress2, RegexOptions.ECMAScript | RegexOptions.Compiled);
MatchCollection collection2 = reg2.Matches(Content2);
foreach (Match m in collection2)
Console.WriteLine(m.Groups[0].Value+":"+m.Groups[1].Value);

Console.WriteLine();
Regex reg3 = new Regex(regExpress3, RegexOptions.ECMAScript | RegexOptions.Compiled);
MatchCollection collection3 = reg3.Matches(Content);
foreach (Match m in collection3)
Console.WriteLine(m.Groups[0].Value + ":" + m.Groups[1].Value);

Console.WriteLine();
Regex reg4 = new Regex(regExpress4, RegexOptions.ECMAScript | RegexOptions.Compiled);
MatchCollection collection4 = reg4.Matches(Content);
foreach (Match m in collection4)
Console.WriteLine(m.Groups[0].Value + ":" + m.Groups[1].Value);

Console.ReadKey();
}

[替换匹配构造]针对不同的匹配结果，再选择一个子匹配.

static void Region()
{
string Content = @"Dogs.jpg ""Yiska playing.jpg"""; //如果不包含双引号就是用第二个匹配方案
string regExpress = @"(?<quoted>"")?(?(quoted).+?""|\S+\s)"; //定义捕获名 (?<quoted>"")?
string regExpress2 = @"(?("").+?""|\S+\s)";  //两个匹配结果一样

Regex reg = new Regex(regExpress, RegexOptions.ECMAScript | RegexOptions.Compiled);
MatchCollection collection = reg.Matches(Content);
foreach (Match m in collection)
Console.WriteLine(m.Value);
}

[常用正则表达式]

邮箱地址：邮箱地址名+@+邮件服务商域名+域名商域名(有可能是多级域名)

电子邮件地址只能包含字母、数字、句点(.)、连字符(-)和下划线(_)。域名包含字母、数字、连字符(-)、不同级域名间用点号(.)(例如.com.cn)

所以：Email:@"^[a-z0-9A-Z]+[\w\-\.]*@[a-z0-9\-]+(?>\.\w+){1,4}$";

无嵌套的Html: <\s*(\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>|<\s*(\S+)(\s[^>]*)?\/>

[C#]http://msdn.microsoft.com/zh-cn/library/vstudio/az24scfc.aspx#character_classes

[js] http://msdn.microsoft.com/zh-cn/library/yhzf4dct%28v=vs.80%29.aspx