本文整理C#正則表示式的元字元，正則表示式是由字元構成的表示式，每個字元代表一個規則，表示式中的字元分為兩種型別：普通字元和元字元。普通字元是指字面含義不變的字元，按照完全匹配的方式匹配文字，而元字元具有特殊的含義，代表一類字元。

把文字看作是字元流，每個字元放在一個位置上，例如，正則表示式 “Room\d\d\d”，前面四個字元Room是普通字元，後面的字元\是轉義字元，和後面的字元d組成一個元字元\d，表示該位置上有任意一個數字。

用正則表示式的語言來描述是：正則表示式 “Room\d\d\d”共捕獲7個字元，表示“以Room開頭、以三個數字結尾”的一類字元，我們把這一類字元稱作一個模式（Pattern），也稱作是一個正則。

一，轉義字元

轉義字元是\，把普通字元轉義為具有特殊含義的元字元，常用的轉義字元有：

• \t：水平製表符
• \v：垂直製表符
• \r：回車
• \n：換行
• \\：表示字元 \，也就說，把轉義字元 \ 轉義為普通的字元 \
• \"：表示字元 "，在C#中，雙引號用於定義字串，字串包含的雙引號用 \" 來表示

二，字元類

在進行正則匹配時，把輸入文字看作是有順序的字元流，字元類元字元匹配的物件是字元，並會捕獲字元。所謂捕獲字元是指，一個元字元捕獲的字元，不會被其他元字元匹配，後續的元字元只能從剩下的文字中重新匹配。

常用的字元類元字元：

• [ char_group]：匹配字元組中的任意一個字元
• [^char_group]：匹配除字元組之外的任意一個字元
• [first-last]：匹配從first到last的字元範圍中的任意一個字元，字元範圍包括first和last。
• .   ：萬用字元，匹配除\n之外的任意一個字元
• \w：匹配任意一個單詞（word）字元，單詞字元通常是指A-Z、a-z和0-9
• \W：匹配任意一個非單詞字元，是指除A-Z、a-z和0-9之外的字元
• \s：匹配任意一個空白字元
• \S：匹配任意一個非空白字元
• \d：匹配任意一個數字字元
• \D：匹配任意一個非數字字元

注意，轉義字元也是字元，在進行正則匹配時，也會捕獲字元。

三，定位符

定位符，根據字串中的當前位置來判斷匹配是否成功，定位符匹配的是位置、不會消耗字元，是零寬的（寬度為0）。

• ^：預設情況下，匹配字串的開始位置；在多行模式下，匹配每行的開始位置；
• $：預設情況下，匹配字串的結束位置，或 字串結尾的\n之前的位置；在多行模式下，匹配每行結束之前的位置，或者每行結尾的\n之前的位置。
• \A：匹配字串的開始位置；
• \Z：匹配字串的結束位置，或 字串結尾的\n之前的位置；
• \z：匹配字串的結束位置；
• \G：匹配上一個匹配結束的位置；
• \b：匹配一個單詞的開始或結束的位置；
• \B：匹配一個單詞的中間位置；

四，量詞、貪婪和懶惰

量詞是指限定前面的一個正則出現的次數，量詞分為兩種模式，貪婪模式和懶惰模式，貪婪模式是指匹配儘可能多的字元，而懶惰模式是指匹配儘可能少的字元。預設情況下，量詞是貪婪模式，在量詞的後面加上?來啟用懶惰模式。

• *：出現0次或多次
• +：出現1次或多次
• ?：出現0次或1次
• {n}：出現n次
• {n,}：出現至少n次
• {n,m}：出現n到m次

注意，出現多次是指前面的元字元出現多次，例如，\d{2} 等價於 \d\d，只是出現兩個數字，不要求兩個數字是相同的。要表示相同的兩個數字，必須使用分組來實現。

五，分組和捕獲字元

()  括號不僅確定表示式的範圍，還建立分組，()內的表示式就是一個分組，引用分組表示兩個分組匹配的文字是完全相同的。

(pattern)

所謂捕獲字元是指：一個元字元捕獲的字元，不會被其他元字元匹配，後續的元字元只能從剩下的文字中重新匹配。

1，分組編號和命名

預設情況下，每個分組自動分配一個組號，規則是：從左向右，按分組左括號的出現順序進行編號，第一個分組的組號為1，第二個為2，以此類推。也可以為分組指定名稱，例如，為分組指定名稱的格式是：

(?< name > pattern)

通常來說，分組分為命名分組和編號分組，引用分組的方式有：

• 通過分組名稱來引用分組：\k<name>
• 通過分組編號來引用分組：\number

注意，分組只能後向引用，也就是說，從輸入文字的左邊開始，分組必須先定義，然後才能引用。

在正則表示式裡引用分組的語法為“\number”，比如“\1”代表與分組1 匹配的子串，“\2”代表與分組2 匹配的字串，以此類推。

例如，對於 "<(.*?)>.*?</\1>" 可以匹配 <h2>valid</h2>，在引用分組時，分組對應的文字是完全相同的。

2，分組構造器

分組構造方法如下：

• (pattern)：捕獲匹配的子表示式，併為分組分配一個組號
• (?< name > pattern)：把匹配的子表示式捕獲到命名的分組中
• (?:pattern)：非捕獲的分組，並未分組分配一個組號
• (?> pattern)：貪婪分組

3，貪婪分組

貪婪分組也稱作非回溯分組，該分組禁用了回溯，正則表示式引擎將盡可能多地匹配輸入文字中的字元。如果無法進行進一步的匹配，則不會回溯嘗試進行其他模式匹配。

(?> pattern )

六，零寬斷言

零寬是指寬度為0，匹配的是位置，因為匹配的子串不會出現在匹配結果中，而斷言是指判斷的結果，只有斷言為真，才算匹配成功。

對於定位符，可以匹配一句話的開始、結束（^ $）或者匹配一個單詞的開始、結束（\b），這些元字元只匹配一個位置，指定這個位置滿足一定的條件，而不是匹配某些字元，因此，它們被成為 零寬斷言。所謂零寬，指的是它們不與任何字元相匹配，而匹配一個位置；所謂斷言，指的是一個判斷，正則表示式中只有當斷言為真時才會繼續進行匹配。零寬斷言可以精確的匹配一個位置，而不僅僅是簡單的指定句子或者單詞。

正則表示式把文字看作從左向右的字元流，向右叫做後向（Look behind），向左叫做前向（Look ahead）。對於正則表示式，只有當匹配到指定的模式（Pattern）時，斷言為True，叫做肯定式，把不匹配模式為True，叫做否定式。

按照匹配的方向和匹配的定性，把零寬斷言分為四種類型：

• (?= pattern)：前向、肯定斷言
• (?! pattern)：前向、否定斷言
• (?<= pattern)：後向、肯定斷言
• (?<! pattern)：後向、否定斷言

 1，前向肯定斷言

前向肯定斷言定義一個模式必須存在於文字的末尾（或右側），但是該模式匹配的子串不會出現在匹配的結果中，前向斷言通常出現在正則表示式的右側，表示文字的右側必須滿足特定的模式：

 (?= subexpression )

使用前向肯定斷言可以定一個模糊匹配，字尾必須包含特定的字元：

\b\w+(?=\sis\b)

對正則表示式進行分析：

• \b：表示單詞的邊界
•  \w+：表示單詞至少出現一次
• (?=\sis\b)：前向肯定斷言，\s 表示一個空白字元， is 是普通字元，完全匹配，\b 是單詞的邊界。

從分析中，可以得出，匹配該正則表示式的文字中必須包含 is 單詞，is是一個單獨的單詞，不是某一個單詞的一個部分。舉個例子

Sunday is a weekend day 匹配該正則，匹配的值是Sunday，而The island has beautiful birds 不匹配該正則。

2，後向肯定斷言

後向肯定斷言定義一個模式必須存在於文字的開始（或左側），但是該模式匹配的子串不會出現在匹配的結果中，後向斷言通常出現在正則表示式的左側，表示文字的左側必須滿足特定的模式：

(?<= subexpression )

使用後向肯定斷言可以定一個模糊匹配，字首必須包含特定的字元：

(?<=\b20)\d{2}\b

對正則表示式進行分析：

• (?<=\b20)：後向斷言，\b表示單詞的開始，20是普通字元
• \d{2}：表示兩個數字，數字不要求相同
• \b：單詞的邊界

該正則表示式匹配的文字具備的模式是：文字以20開頭、以兩個數字結尾。

參考文件：

C#中正則表示式的使用

C# 正則表示式 菜鳥教程

Regular Expression Language - Quick Refer