什么是RE?
想必各位大大在做文件查找的時侯都有使用過萬用字符”*”，比如說想查找在Windows目錄下所有的Word文件時，你可能就會用”*.doc”這樣的方式來做查找，因為”*”所代表的是任意的字符。RE所做的就是類似這樣的功能，但其功能更為強大。

寫程序時，常需要比對字符串是否符合特定樣式，RE最主要的功能就是來描述這特定的樣式，因此可以將RE視為特定樣式的描述式，舉個例子來說，”w+”所代表的就是任何字母與數(shù)字所組成的非空字符串(non-null?string)。在.NET?framework中提供了非常強大的類別庫，藉此可以很輕易的使用RE來做文字的查找與取代、對復(fù)雜標(biāo)頭的譯碼及驗證文字等工作。
接下來，就讓我們來體驗一些例子吧。

一些簡單的例子
假設(shè)要查找文章中Elvis后接有alive的文字符串的話，使用RE可能會經(jīng)過下列的過程，括號是所下RE的意思：

1.?elvis?(查找elvis)

上述代表所要查找的字符順序為elvis。在.NET中可以設(shè)定乎略字符的大小寫，所以”Elvis”、”ELVIS”或者是”eLvIs”都是符合1所下的RE。但因為這只管字符出現(xiàn)的順序為elvis，所以pelvis也是符合1所下的RE?？梢杂?的RE來改進(jìn)。

2.?belvisb?(將elvis視為一整體的字查找，如elvis、Elvis乎略字符大小寫時)
“b”在RE中有特別的意思，在上述的例子中所指的就是字的邊界，所以belvisb用b把elvis的前后邊界界定出來，也就是要elvis這個字。

假設(shè)要將同一行里elvis后接有alive的文字符串找出來，此時就會用到另外二個特別意義的字符”.”及”*”。”.”所代表就是除了換行字符的任意字符，而”*”所代表的是重復(fù)*之前項目直到找到符合RE的字符串。所以”.*”所指的就是除了換行字符外的任意數(shù)目的字符數(shù)。所以查找同一行里elvis后接有alive的文字符串找出來，則可下如3之RE。

3.?belvisb.*baliveb?(查找elvis后面接有alive的文字符串，如elvis?is?alive)

用簡單之特別字符就可以組成功能強大的RE，但也發(fā)現(xiàn)當(dāng)使用越來越多的特別字符時，RE就會越來越難看得懂了。

再看看另外的例子
組成有效的電話號碼

假使要從網(wǎng)頁上收集顧客格式為xxx-xxxx的7位數(shù)字的電話號碼，其中x是數(shù)字，RE可能會這樣寫。

4.?bddd-dddd?(查找七位數(shù)字之電話號碼，如123-1234)
每一個d代表一個數(shù)字。”-”則是一般的連字符號，為避免太多重復(fù)的d，RE可以改寫成如5的方式。

5.?bd{3}-d{4}?(查找七位數(shù)字電話號碼較好的方法，如123-1234)
在d后的{3}，代表重復(fù)前一個項目三次，也就是相等于ddd。

RE的學(xué)習(xí)及測試工具?Expresso

因為RE不易閱讀及使用者容易會下錯RE的特性，Jim大大開發(fā)了一個工具軟件Expresso，用來幫助使用者學(xué)習(xí)及測試RE，除了上面所述的網(wǎng)址之外，也可以上Ultrapico網(wǎng)站。安裝完expresso后，在expression%20%20library中，jim大大把文章的例子都建立在其中，可以邊看文章邊測試，也可以試著修改范例所下的re，馬上可以看到結(jié)果，小弟覺得非常好用。各位大大可以試試。/”。安裝完Expresso后，在Expression?Library中，Jim大大把文章的例子都建立在其中，可以邊看文章邊測試，也可以試著修改范例所下的RE，馬上可以看到結(jié)果，小弟覺得非常好用。各位大大可以試試。

.NET中RE的基礎(chǔ)概念
特殊字符

有些字符有特別的意義，比如之前所看到的”b”、”.”、”*”、”d”等?！眘”所代表的是任意空格符，比如說spaces、tabs、newlines等.?！眞”代表是任意字母或數(shù)字字符。

再看一些例子吧
6.?baw*b?(查找a開頭的字，如able)
這RE描述要查找一個字的開始邊界(b)，再來是字母”a”，再加任意數(shù)目的字母數(shù)字(w*)，再接結(jié)束這個字的結(jié)束邊界(b)。

7.?d+?(查找數(shù)字字符串)
“+”和”*”非常相似，除了+至少要重復(fù)前面的項目一次。也就是說至少有一個數(shù)字。

8.?bw{6}b?(查找六個字母數(shù)字的字，如ab123c)

下表為RE常用的特殊字符

.?除了換行字符的任意字符
w?任意字母數(shù)字字符
s?任意空格符
d?任意數(shù)字字符
b?界定字的邊界
^?文章的開頭，如”^The”?用以表示出現(xiàn)于文章開頭的字符串為”The”
$?文章的結(jié)尾，如”End$”用以表示出現(xiàn)在文章的結(jié)尾為”End”
特殊字符”^”及”$”是用來查找某些字必需是文章的開頭或結(jié)尾，這在驗證輸入是否符合某一樣式時特別用有，比如說要驗證七位數(shù)字的電話號碼，可能會輸入如下9的RE。

9.?^d{3}-d{4}$?(驗證七位數(shù)字之電話號碼)

這和第5個RE相同，但其前后都無其它的字符，也就是整串字符串只有這七個數(shù)字的電話號碼。在.NET中如果設(shè)定Multiline這個選項，則”^”和”$”會每行進(jìn)行比較，只要某行的開頭結(jié)尾符合RE即可，而不是整個文章字符串做一次比較。

轉(zhuǎn)意字符(Escaped?characters)

有時可能會需要”^”、”$”單純的字面意義(literal?meaning)而不要將它們當(dāng)成特殊字符，此時””字符就是用來移除特殊字符特別意義的字符，因此”^”、”.”、”\”所代表的就是”^”、”.”、””的字面意義。

重復(fù)前述項目

在前面看過”{3}”及”*”可以用來重復(fù)前述字符，之后我們會看到如何用同樣的語法重復(fù)整個次描述(subexpressions)。下表是使用重復(fù)前述項目的一些方式。

*?重復(fù)任意次數(shù)
+?重復(fù)至少一次
??重復(fù)零次或一次
{n}?重復(fù)n次
{n,m}?重復(fù)至少n次，但不超過m次
{n,}?重復(fù)至少n次

再來試一些例子吧

10.?bw{5,6}b?(查找五個或六個字母數(shù)字字符的字，如as25d、d58sdf等)
11.?bd{3}sd{3}-d{4}?(查找十個數(shù)字的電話號碼，如800?123-1234)
12.?d{3}-d{2}-d{4}?(查找社會保險號碼，如?123-45-6789)
13.?^w*?(每行或整篇文章的第一個字)
在Espresso可試試有Multiline和沒Multiline的不同。

匹配某范圍的字符

有時需要查找某些特定的字符時怎么辨?這時中括號”[]”就派上了用場。因此[aeiou]所要查找的是”a”、”e”、”i”、”o”、”u”這些元音，[.?!]所要查找的是”.”、”?”、”!”這些符號，在中括號中的特殊字符的特別意義都會被移除，也就是解譯成單純的字面意義。也可以指定某些范圍的字符，如”[a-z0-9]”，所指的就是任意小寫字母或任意數(shù)字。

接下來再看一個比較初復(fù)雜查找電話號碼的RE例子

14.?(?d{3}[(?]?s?d{3}[-?]d{4}?(查找十位數(shù)字之電話號碼，如(080)?333-1234?)

這樣的RE可查找出較多種格式的電話號碼，如(080)?123-4567、511?254?6654等?！??”代表一個或零個左小括號”(“，而”[(?]”代表查找一個右小括號”)”或空格符，”s?”指一個或零個空格符組。但這樣的RE會將類似”800)?45-3321”這樣的電話找出來，也就是括號沒有對稱平衡的問題，之后會學(xué)到擇一(alternatives)來決解這樣的問題。

不包含在某特定字符組里(Negation)

有時需要查找在包含在某特定字符組里的字符，下表說明如何做類似這樣的描述。

W?不是字母數(shù)字的任意字符
S?不是空格符的任意字符
D?不是數(shù)字字符的任意字符
B?不在字邊界的位置
[^x]?不是x的任意字符
[^aeiou]?不是a、e、i、o、u的任意字符

15.?S+?(不包含空格符的字符串)

擇一(Alternatives)

有時會需要查找?guī)讉€特定的選擇，此時”|”這個特殊字符就派上用場了，舉例來說，要查找五個數(shù)字及九個數(shù)字(有”-”號)的郵政編碼。

16.?bd{5}-d{4}b|bd{5}b?(查找五個數(shù)字及九個數(shù)字(有”-”號)的郵政編碼)

在使用Alternatives時需要注意的是前后的次序，因為RE在Alternatives中會優(yōu)先選擇符合最左邊的項目，16中，如果把查找五個數(shù)字的項目放在前面，則這RE只會找到五個數(shù)字的郵政編碼。了解了擇一，可將14做更好的修正。

17.?((d{3})|d{3})s?d{3}[-?]d{4}?(十個數(shù)字的電話號碼)

群組(Grouping)

括號可以用來介定一個次描述，經(jīng)由次描述的介定，可以針對次描述做重復(fù)或及他的處理。

18.?(d{1,3}.){3}d{1,3}?(尋找網(wǎng)絡(luò)地址的簡單RE)

此RE的意思第一個部分(d{1,3}.){3}，所指的是，數(shù)字最小一位最多三位，并且后面接有”.”符號，此類型的共有三個，之后再接一到三位的數(shù)字，也就是如192.72.28.1這樣的數(shù)字。

但這樣會有個缺點，因為網(wǎng)絡(luò)地址數(shù)字最多只到255，但上述的RE只要是一到三位的數(shù)字都是符合的，所以這需要讓比較的數(shù)字小于256才行，但只單獨使用RE并無法做這樣的比較。在19中使用擇一來將地址的限制在所需要的范圍內(nèi)，也就是0到255。

19.?((2[0-4]d|25[0-5]|[01]?dd?).){3}(2[0-4]d|25[0-5]|[01]?dd?)?(尋找網(wǎng)絡(luò)地址)

有沒有發(fā)覺RE越來越像外星人說的話了?就以簡單的尋找網(wǎng)絡(luò)地址，直接看RE都滿難理解的哩。

Expresso?Analyzer?View

Expresso提供了一個功能，它可以將所下的RE變成樹狀的說明，一組組的分開說明，提供了一個好的除錯環(huán)境。其它的功能，如部分符合(Partial?Match只查找反白RE的部分)及除外符合(Exclude?Match只不查找反白RE的部分)就留給各位大大試試。

當(dāng)次描述用括號群組起來時，符合次描述的文字可用在之后的程序處理或RE本身。在預(yù)設(shè)的情型下，所符合的群組是由數(shù)字命名，由1開始，由順序是由左至右，這自動群組命名，可在Expresso中的skeleton?view或result?view中看到。

Backreference是用來查找群組中抓取的符合文字所相同的文字。舉例來說”1”所指符合群組1所抓取的文字。

20.?b(w+)bs*1b?(尋找重復(fù)字，此處說的重復(fù)是指同樣的字，中間有空白隔開如dog?dog這樣的字)
(w+)會抓取至少一個字符的字母或數(shù)字的字，并將它命名為群組1，之后是查找任意空格符，再接和群組1相同的文字。

如果不喜歡群組自動命名的1，也可以自行命名，以上述例子為例，(w+)改寫為(?<Word>w+)，這就是將所抓取的群組命名為Word，Backreference就要改寫成為k<Word>
21.?b(?<Word>w+)bs*k<Word>b?(使用自行命名群組抓取重復(fù)字)

使用括號還有許多特別的語法元素，比較通用的列表如下：

抓取(Captures)
(exp)?符合exp并抓取它進(jìn)自動命名的群組
(?<name>exp)?符合exp并抓取它進(jìn)命名的群組name
(?:exp)?符合exp，不抓取它
Lookarounds
(?=exp)?符合字尾為exp的文字
(?<=exp)?符合前綴為exp的文字
(?!exp)?符合后面沒接exp字尾的文字
(?<!exp)?符合前面沒接exp前綴的文字
批注Comment
(?#comment)?批注

Positive?Lookaround

接下來要談的是lookahead及l(fā)ookbehind?assertions。它們所查找的是目前符合之前或之后的文字，并不包含目前符合本身。這些就如同”^”及”b”特殊字符，本身并不會對應(yīng)任何文字(用來界定位置)，也因此稱做是zero-width?assertions，看些例子也許會清楚些。

(?=exp)是一個”zero-width?positive?lookahead?assertion”。它指的就是符合字尾為exp的文字，但不包含exp本身。

22.?bw+(?=ingb)?(字尾為ing的字，比如說filling所符合的就是fill)
(?<=exp)是一個”zero-width?positive?lookbehind?assertion”。它指的就是符合前綴為exp的文字，但不包含exp本身。

23.?(?<=bre)w+b?(前綴為re的字，比如說repeated所符合的就是peated)
24.?(?<=d)d{3}b?(在字尾的三位數(shù)字，且之前接一位數(shù)字)
25.?(?<=s)w+(?=s)?(由空格符分隔開的字母數(shù)字字符串)

Negative?Lookaround

之前有提到，如何查找一個非特定或非在特定群組的字符。但如果只是要驗證某字符不存在而不要對應(yīng)這些字符進(jìn)來呢?舉個例子來說，假設(shè)要查找一個字，它的字母里有q但接下來的字母不是u，可以用下列的RE來做。

26.?bw*q[^u]w*b?(一個字，其字母里有q但接下來的字母不是u)

這樣的RE會有一個問題，因為[^u]要對應(yīng)一個字符，所以若q是字的最后一個字母，[^u]這樣的下法就會將空格符對應(yīng)下去，結(jié)果就有可能會符合二個字，比如說”Iraq?haha”這樣的文字。使用Negative?Lookaround就能解決這樣的問題。

27.?bw*q(?!u)w*b?(一個字，其字母里有q但接下來的字母不是u)
這是”zero-width?negative?lookahead?assertion”。

28.?d{3}(?!d)?(三個位的數(shù)字，其后不接一個位數(shù)字)

同樣的，可以使用(?<!exp)，”zero-width?negative?lookbehind?assertion”，來符合前面沒接exp前綴的文字符串。

29.?(?<![a-z?])w{7}?(七個字母數(shù)字的字符串，其前面沒接字母或空格)

30.?(?<=<(w+)>.*(?=</1>?(HTML卷標(biāo)間的文字)
這使用lookahead及l(fā)ookbehind?assertion來取出HTML間的文字，不包括HTML卷標(biāo)。

請批注(Comments?Please)
括號還有個特殊的用途就是用來包住批注，語法為”(?#comment)”，若設(shè)定”Ignore?Pattern?Whitespace”選項，則RE中的空格符當(dāng)RE使用時會乎略。此選項設(shè)定時，”#”之后的文字會乎略。

31.?HTML卷標(biāo)間的文字，加上批注

(?<=?　#查找前綴，但不包含它
<(w+)>?#HTML標(biāo)簽
)?#結(jié)束查找前綴
.*?#符合任何文字
(?=?#查找字尾，但不包含它
</1>?#符合所抓取群組1之字符串，也就是前面小括號的HTML標(biāo)簽
)?#結(jié)束查找字尾

尋找最多字符的字及最少字符的字(Greedy?and?Lazy)
當(dāng)RE下要查找一個范圍的重復(fù)時(如”.*”)，它通常會尋找最多字符的符合字，也就是Greedy?matching。舉例來說。

32.?a.*b?(開始為a結(jié)束為b的最多字符的符合字)

若有一字符串是”aabab”，使用上述RE所得到的符合字符串就是”aabab”，因為這是尋找最多字符的字。有時希望是符合最少字符的字也就是lazy?matching。只要將重復(fù)前述項目的表加上問號(?)就可以把它們?nèi)孔兂蒷azy?matching。因此”*?”代表的就是重復(fù)任意次數(shù)，但是使用最少重復(fù)的次數(shù)來符合。舉個例子來說：

33.?a.*?b?(開始為a結(jié)束為b的最少字符的符合字)

若有一字符串是”aabab”，使用上述RE第一個所得到的符合字符串就是”aab”再來是”ab”，因為這是尋找最少字符的字。

*??重復(fù)任意次數(shù)，最少重復(fù)次數(shù)為原則
+??重復(fù)至少一次，最少重復(fù)次數(shù)為原則
???重復(fù)零次或一次，最少重復(fù)次數(shù)為原則
{n,m}??重復(fù)至少n次，但不超過m次，最少重復(fù)次數(shù)為原則
{n,}??重復(fù)至少n次，最少重復(fù)次數(shù)為原則

還有什么沒提到呢?

到目前為止，已經(jīng)提到了許多建立RE的元素，當(dāng)然還有許多元素沒有提到，下表整理了一些沒提到的元素，在最左邊的字段的數(shù)字是說明在Expresso中的例子。

#?語法?說明

a?Bell?字符
b?通常是指字的邊界，在字符組里所代表的就是backspace
t?Tab

34?r?Carriage?return

v?Vertical?Tab
f?From?feed

35?n?New?line
e?Escape

36?nnn?ASCII八位碼為nnn的字符

37?xnn?十六位碼為nn的字符

38?unnnn?Unicode為nnnn的字符

39?cN?Control?N字符，舉例來說Ctrl-M是cM

40?A?字符串的開始(和^相似，但不需籍由multiline選項)

41?Z?字符串的結(jié)尾
z?字符串的結(jié)尾

42?G?目前查找的開始

43?p{name}?Unicode?字符組名稱為name的字符，比如說p{Lowercase_Letter}?所指的就是小寫字
(?>exp)?Greedy次描述，又稱之為non-backtracking次描述。這只符合一次且不采backtracking。

44?(?<x>-<y>exp)

or?(?-<y>exp)?平衡群組。雖復(fù)雜但好用。它讓已命名的抓取群組可以在堆棧中操作使用。(小弟對這個也是不太懂哩)

45?(?im-nsx:exp)?為次描述exp更改RE選項，比如(?-i:Elvis)就是把Elvis大乎略大小寫的選項關(guān)掉

46?(?im-nsx)?為之后的群組更改RE選項。
(?(exp)yes|no)?次描述exp視為zero-width?positive?lookahead。若此時有符合，則yes次描述為下一個符合標(biāo)的，若否，則no?次描述為下一個符合標(biāo)的。
(?(exp)yes)?和上述相同但無no次描述
(?(name)yes|no)?若name群組為有效群組名稱，則yes次描述為下一個符合標(biāo)的，若否，則no?次描述為下一個符合標(biāo)的。

47?(?(name)yes)?和上述相同但無no次描述