ASP.NET正则表达式相关

简单表达式

最简单的正则表达式大家都已熟悉&＃xff0c;即文字字符串。特定的字符串可通过文字本身加以描述&＃xff1b;像 foo 这样的正则表达式模式可精确匹配输入的字符串 foo。在本例中&＃xff0c;也将匹配如下输入&＃xff1a;The foo d was quite tasty&＃xff0c;如果希望精确匹配&＃xff0c;这可能不是预期结果。

当然&＃xff0c;使用正则表达式匹配等于它自身的精确字符串是没有价值的实现&＃xff0c;不能体现正则表达式的真正作用。假如不查找 foo&＃xff0c;而是查找以字母 f 开头的所有单词&＃xff0c;或所有 3 个字母的单词&＃xff0c;那该怎么办&＃xff1f;目前&＃xff0c;这超出了文字字符串的合理范围。我们需要更加深入地研究正则表达式。下面是一个文字表达式示例及一些匹配的输入。

限定符

限定符提供了一种简单方法&＃xff0c;用于指定在模式中允许特定字符或字符集自身重复出现的次数。有 3 个非显式限定符&＃xff1a;

1. *&＃xff0c;描述“出现 0 或多次”。

2. &＃43;&＃xff0c;描述“出现 1 或多次”。

3. ?&＃xff0c;描述“出现 0 或 1 次”。

限定符始终引用限定符前&＃xff08;左边&＃xff09;的模式&＃xff0c;通常是单个字符&＃xff0c;除非使用括号创建模式组。下面是一些模式示例及匹配的输入。

除了指定给定模式准确出现 0 或 1 次之外&＃xff0c;? 字符还可强制模式或子模式匹配数目最少的字符&＃xff08;如果匹配输入字符串中的多个字符&＃xff09;。

除了非显式限定符&＃xff08;一般叫做限定符&＃xff0c;但为区别于下一组&＃xff0c;故称非显式限定符&＃xff09;之外&＃xff0c;还有显式限定符。在模式出现次数方面&＃xff0c;限定符的概念非常模糊。使用显式限定符则可准确指定数字、范围或数字集。显式限定符位于所应用的模式的后边&＃xff0c;这一点与正则限定符一样。显式限定符使用花括号 {} 及其中的数字值表示模式出现次数的上下限。例如&＃xff0c;x{5} 将准确匹配 5 个 x 字符 (xxxxx)。如果仅指定一个数字&＃xff0c;则表示次数上限&＃xff1b;如果数字后跟一个逗号&＃xff0c;如 x{5,}&＃xff0c;表示匹配任何出现次数大于 4 的 x 字符。下面是一些模式示例及匹配的输入。

元字符

在正则表达式中&＃xff0c;有一种意义特殊的构造&＃xff0c;即元字符。目前已知的元字符有很多&＃xff0c;如 *、?、&＃43; 和 {} 字符。其他字符在正则表达式语言中都有特殊的含义。这些字符包括&＃xff1a;$ ^ . [ ( | ) ] 和 \。

.&＃xff08;句点或点&＃xff09;元字符是最简单但最常用的一个字符。它可匹配任何单字符。如果要指定某些模式可包含任意组合的字符&＃xff0c;使用句点非常有用&＃xff0c;但一定要在特定长度范围内。此外&＃xff0c;我们知道表达式将对包含在较长字符串中的所有模式进行匹配&＃xff0c;假如只需要精确匹配模式&＃xff0c;又该怎么办&＃xff1f;这在验证方案中经常出现&＃xff0c;例如&＃xff0c;要确保用户输入的邮政编码或电话号码的格式正确。使用 ^ 元字符可指定字符串&＃xff08;或行&＃xff09;的开始&＃xff0c;使用 $ 元字符可指定字符串&＃xff08;或行&＃xff09;的结束。通过将这些字符添加到模式的开始和结束处&＃xff0c;可强制模式仅匹配精确匹配的输入字符串。如果 ^ 元字符用在方括号 [ ] 指定的字符类的开头&＃xff0c;也有特殊的含义。具体内容见下。

\ &＃xff08;反斜杠&＃xff09;元字符既可根据特殊含义“转义”字符&＃xff0c;也可指定预定义集合元字符的实例。同样&＃xff0c;具体内容见下。为了在正则表达式中包括文字样式的元字符&＃xff0c;必须使用反斜杠进行“转义”。例如&＃xff0c;如果要匹配以“c:\”开始的字符串&＃xff0c;可使用&＃xff1a;^c:\\。注意&＃xff0c;要使用 ^ 元字符指出字符串必须以此模式作为开始&＃xff0c;然后用反斜杠元字符转义文字反斜杠。

|&＃xff08;管道&＃xff09;元字符用于交替指定&＃xff0c;特别用于在模式中指定“此或彼”。例如&＃xff0c;a|b 将匹配包含“a”或“b”的任何输入内容&＃xff0c;这与字符类 [ab] 非常类似。

最后&＃xff0c;括号 ( ) 用于给模式分组。它允许使用限定符让一个完整模式出现多次。为了便于阅读&＃xff0c;或分开匹配特定的输入部分&＃xff0c;可能允许分析或重新设置格式。

下面列出元字符的一些使用示例。

字符类

字符类是正则表达式中的“迷你”语言&＃xff0c;在方括号 [ ] 中定义。最简单的字符类只不过是括号中的一个字符表&＃xff0c;如 [aeiou]。在表达式中使用字符类时&＃xff0c;可在模式的此位置使用其中任何一个字符&＃xff08;但只能使用一个字符&＃xff0c;除非使用了限定符&＃xff09;。请注意&＃xff0c;不能使用字符类定义单词或模式&＃xff0c;只能定义单个字符。

要指定任何数值数字&＃xff0c;可以使用字符类 [0123456789]。但是&＃xff0c;由于这样使用字符不大方便&＃xff0c;所以要通过在括号中使用连字符 - 来定义字符的范围。连字符在字符类中有特殊的含义&＃xff08;不是在正则表达式中&＃xff0c;因此&＃xff0c;准确地说它不能叫正则表达式元字符&＃xff09;&＃xff0c;且仅在连字符不是第一个字符时&＃xff0c;连字符才在字符类中有特殊含义。要使用连字符指定任何数值数字&＃xff0c;可以使用 [0-9]。小写字母也一样&＃xff0c;可以使用 [a-z]&＃xff0c;大写字母可以使用 [A-Z]。连字符定义的范围取决于使用的字符集。因此&＃xff0c;字符在&＃xff08;例如&＃xff09;ASCII 或 Unicode 表中出现的顺序确定了在范围中包括的字符。如果需要在范围中包括连字符&＃xff0c;将它指定为第一个字符。例如&＃xff1a;[-.?] 将匹配 4 个字符中任何一个字符&＃xff08;注意&＃xff0c;最后的字符是个空格&＃xff09;。另请注意&＃xff0c;正则表达式元字符在字符类中不做特殊处理&＃xff0c;所以这些元字符不需要转义。考虑到字符类是与其他正则表达式语言分开的一种语言&＃xff0c;因此字符类有自己的规则和语法。

如果使用字符 ^ 作为字符类的第一个字符来否定此类&＃xff0c;也可以匹配字符类成员以外的任何字符。因此&＃xff0c;要匹配任何非元音字符&＃xff0c;可以使用字符类 [^aAeEiIoOuU]。注意&＃xff0c;如果要否定连字符&＃xff0c;应将连字符作为字符类的第二个字符&＃xff0c;如 [^-]。记住&＃xff0c;^ 在字符类中的作用与它在正则表达式模式中的作用完全不同。

下面列出操作中使用的一些字符类。

在 .NET Framework 的下一版中&＃xff0c;代码名“Whidbey”作为一种新功能被添加到字符类中&＃xff0c;称作字符类差 (character class subtraction)。它的主要作用是&＃xff0c;允许从一个字符类中减去另一个字符类&＃xff0c;可提供更可读的方式描述某些模式。该规范可通过以下地址访问&＃xff1a; http://www.gotdotnet.com/team/clr/bcl/TechArticles/techarticles/Specs/Regex/CharacterClassSubtraction.doc。它的语法类似 [a-z-[aeiou]]&＃xff0c;匹配所有的小写辅音字母。

预定义的集合元字符

使用目前提供的工具可以完成很多工作。但是&＃xff0c;要使用 [0-9] 表示模式中的每个数值数字&＃xff0c;或&＃xff08;更糟&＃xff09;使用 [0 -9a -zA-Z]表示任何字母数字字符&＃xff0c;还有一段相当漫长的过程。为了减轻处理这些常用但冗长模式的痛苦&＃xff0c;事先定义了预定义元字符集合。正则表达式的不同实现定义了不同的预定义元字符集合&＃xff0c;下面描述的预定义元字符集合在 .NET Framework 中得到 System.Text.RegularExpressions API 的支持。这些预定义元字符的标准语法是&＃xff0c;在反斜杠 \ 后跟一个或多个字符。多数预定义元字符只有一个字符&＃xff0c;它们的使用很容易&＃xff0c;是冗长字符类的理想替代字符。以下是两个示例&＃xff1a;\d 匹配所有数值数字&＃xff0c;\w 匹配所有单词字符&＃xff08;字母数字加下划线&＃xff09;。例外情况是一些特定字符代码匹配&＃xff0c;此时必须指定所匹配字符的地址&＃xff0c;如 \u000D 将匹配 Unicode 回车符。下面列出一些最常用的字符类及其等效的元字符。

表达式示例

很多人都喜欢通过示例学习&＃xff0c;下面即提供一些表达式示例。要获取更多示例&＃xff0c;请访问以下地址中的正则表达式联机数据库&＃xff1a; http://www.regexlib.com/。