通常，如果對本文或?qū)φ齽t表達(dá)式有疑問，請訪問 http://www.aspadvice.com/ ，通過 regex mailing list 提出問題。編寫此文時其中已有 350 多個訂戶參與。

返回頁首

正則表達(dá)式使用歷史簡介

正則表達(dá)式設(shè)計于五十年代，存在至今。正則表達(dá)式最初用于描述“正則集”，它們是一些神經(jīng)生理學(xué)家研究的模式。正則表達(dá)式最早由數(shù)學(xué)家 Stephen Kleene 提出，最終由 Ken Thompson 在兩種非常流行的文本實用程序 qed 和 grep 中使用。Jeffrey Friedl 在其著作“Mastering Regular Expressions (2 ^nd edition)”中對此作了進(jìn)一步闡述。建議那些希望更多了解正則表達(dá)式理論和歷史的人看看這本書。

在最近的五十年中，正則表達(dá)式逐漸從模糊深奧的數(shù)學(xué)概念發(fā)展為在各類工具和軟件包中應(yīng)用的主要功能。盡管數(shù)十年來很多 UNIX 工具都支持正則表達(dá)式，但僅僅是近十年來，它才在大部分 Windows 開發(fā)者工具包中得到體現(xiàn)。在 Microsoft? Visual Basic? 6 或 Microsoft? VBScript 中，即使情況理想，正則表達(dá)式仍難以使用。但隨著.NET Framework 的推行，正則表達(dá)式的支持發(fā)展到極點，所有 Microsoft 開發(fā)者和所有 .NET 語言都可以使用正則表達(dá)式。

那么，正則表達(dá)式究竟是什么呢？正則表達(dá)式是一種語言，它可以明確描述文本字符串中的模式。除了簡單描述這些模式之外，正則表達(dá)式引擎通常可用于遍歷匹配，并使用模式作為分隔符來將字符串解析為子字符串，或以智能方式替換文本或重新設(shè)置文本格式。正則表達(dá)式為解決與文本處理有關(guān)的許多常見任務(wù)提供了有效而簡捷的方式。

在討論正則表達(dá)式時，通常以正則表達(dá)式匹配（或不匹配）的文本為基礎(chǔ)分析正則表達(dá)式。本文（以及 System.Text.RegularExpressions 類）將在正則表達(dá)式交互操作中引用 3 個參與對象：正則表達(dá)式的“模式”、“輸入”字符串和字符串內(nèi)的所有模式的“匹配”。

返回頁首

簡單表達(dá)式

最簡單的正則表達(dá)式大家都已熟悉，即文字字符串。特定的字符串可通過文字本身加以描述；像 foo 這樣的正則表達(dá)式模式可精確匹配輸入的字符串 foo 。在本例中，也將匹配如下輸入： The foo d was quite tasty ，如果希望精確匹配，這可能不是預(yù)期結(jié)果。

當(dāng)然，使用正則表達(dá)式匹配等于它自身的精確字符串是沒有價值的實現(xiàn)，不能體現(xiàn)正則表達(dá)式的真正作用。假如不查找 foo ，而是查找以字母 f 開頭的所有單詞，或所有 3 個字母的單詞，那該怎么辦？目前，這超出了文字字符串的合理范圍。我們需要更加深入地研究正則表達(dá)式。下面是一個文字表達(dá)式示例及一些匹配的輸入。

返回頁首

限定符

限定符提供了一種簡單方法，用于指定在模式中允許特定字符或字符集自身重復(fù)出現(xiàn)的次數(shù)。有 3 個非顯式限定符：

限定符始終引用限定符前（左邊）的模式，通常是單個字符，除非使用括號創(chuàng)建模式組。下面是一些模式示例及匹配的輸入。

除了指定給定模式準(zhǔn)確出現(xiàn) 0 或 1 次之外， ? 字符還可強制模式或子模式匹配數(shù)目最少的字符（如果匹配輸入字符串中的多個字符）。

除了非顯式限定符（一般叫做限定符，但為區(qū)別于下一組，故稱非顯式限定符）之外，還有顯式限定符。在模式出現(xiàn)次數(shù)方面，限定符的概念非常模糊。使用顯式限定符則可準(zhǔn)確指定數(shù)字、范圍或數(shù)字集。顯式限定符位于所應(yīng)用的模式的后邊，這一點與正則限定符一樣。顯式限定符使用花括號 {} 及其中的數(shù)字值表示模式出現(xiàn)次數(shù)的上下限。例如， x{5} 將準(zhǔn)確匹配 5 個 x 字符 ( xxxxx )。如果僅指定一個數(shù)字，則表示次數(shù)上限；如果數(shù)字后跟一個逗號，如 x{5,} ，表示匹配任何出現(xiàn)次數(shù)大于 4 的 x 字符。下面是一些模式示例及匹配的輸入。

返回頁首

元字符

在正則表達(dá)式中，有一種意義特殊的構(gòu)造，即元字符。目前已知的元字符有很多，如 * 、 ? 、 + 和 {} 字符。其他字符在正則表達(dá)式語言中都有特殊的含義。這些字符包括： $ ^ . [ ( | ) ] 和 / 。

. （句點或點）元字符是最簡單但最常用的一個字符。它可匹配任何單字符。如果要指定某些模式可包含任意組合的字符，使用句點非常有用，但一定要在特定長度范圍內(nèi)。此外，我們知道表達(dá)式將對包含在較長字符串中的所有模式進(jìn)行匹配，假如只需要精確匹配模式，又該怎么辦？這在驗證方案中經(jīng)常出現(xiàn)，例如，要確保用戶輸入的郵政編碼或電話號碼的格式正確。使用 ^ 元字符可指定字符串（或行）的開始，使用 $ 元字符可指定字符串（或行）的結(jié)束。通過將這些字符添加到模式的開始和結(jié)束處，可強制模式僅匹配精確匹配的輸入字符串。如果 ^ 元字符用在方括號 [ ] 指定的字符類的開頭，也有特殊的含義。具體內(nèi)容見下。

/ （反斜杠）元字符既可根據(jù)特殊含義“轉(zhuǎn)義”字符，也可指定預(yù)定義集合元字符的實例。同樣，具體內(nèi)容見下。為了在正則表達(dá)式中包括文字樣式的元字符，必須使用反斜杠進(jìn)行“轉(zhuǎn)義”。例如，如果要匹配以“c:/”開始的字符串，可使用： ^c:// 。注意，要使用 ^ 元字符指出字符串必須以此模式作為開始，然后用反斜杠元字符轉(zhuǎn)義文字反斜杠。

| （管道）元字符用于交替指定，特別用于在模式中指定“此或彼”。例如， a|b 將匹配包含“a”或“b”的任何輸入內(nèi)容，這與字符類 [ab] 非常類似。

最后，括號 ( ) 用于給模式分組。它允許使用限定符讓一個完整模式出現(xiàn)多次。為了便于閱讀，或分開匹配特定的輸入部分，可能允許分析或重新設(shè)置格式。

下面列出元字符的一些使用示例。

返回頁首

字符類

字符類是正則表達(dá)式中的“迷你”語言，在方括號 [ ] 中定義。最簡單的字符類只不過是括號中的一個字符表，如 [aeiou] 。在表達(dá)式中使用字符類時，可在模式的此位置使用其中任何一個字符（但只能使用一個字符，除非使用了限定符）。請注意，不能使用字符類定義單詞或模式，只能定義單個字符。

要指定任何數(shù)值數(shù)字，可以使用字符類 [0123456789] 。但是，由于這樣使用字符不大方便，所以要通過在括號中使用連字符 - 來定義字符的范圍。連字符在字符類中有特殊的含義（不是在正則表達(dá)式中，因此，準(zhǔn)確地說它不能叫正則表達(dá)式元字符），且僅在連字符不是第一個字符時，連字符才在字符類中有特殊含義。要使用連字符指定任何數(shù)值數(shù)字，可以使用 [0-9] 。小寫字母也一樣，可以使用 [a-z] ，大寫字母可以使用 [A-Z] 。連字符定義的范圍取決于使用的字符集。因此，字符在（例如）ASCII 或 Unicode 表中出現(xiàn)的順序確定了在范圍中包括的字符。如果需要在范圍中包括連字符，將它指定為第一個字符。例如： [-.?] 將匹配 4 個字符中任何一個字符（注意，最后的字符是個空格）。另請注意，正則表達(dá)式元字符在字符類中不做特殊處理，所以這些元字符不需要轉(zhuǎn)義。考慮到字符類是與其他正則表達(dá)式語言分開的一種語言，因此字符類有自己的規(guī)則和語法。

如果使用字符 ^ 作為字符類的第一個字符來否定此類，也可以匹配字符類成員以外的任何字符。因此，要匹配任何非元音字符，可以使用字符類 [^aAeEiIoOuU] 。注意，如果要否定連字符，應(yīng)將連字符作為字符類的第二個字符，如 [^-] 。記住， ^ 在字符類中的作用與它在正則表達(dá)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類。

在 .NET Framework 的下一版中，代碼名“Whidbey”作為一種新功能被添加到字符類中，稱作字符類差 (character class subtraction)。它的主要作用是，允許從一個字符類中減去另一個字符類，可提供更可讀的方式描述某些模式。該規(guī)范可通過以下地址訪問： http://www.gotdotnet.com/team/clr/bcl/TechArticles/techarticles/Specs/Regex/

CharacterClassSubtraction.doc 。它的語法類似 [a-z-[aeiou]] ，匹配所有的小寫輔音字母。

返回頁首

預(yù)定義的集合元字符

使用目前提供的工具可以完成很多工作。但是，要使用 [0-9] 表示模式中的每個數(shù)值數(shù)字，或（更糟）使用 [0 -9a -zA-Z] 表示任何字母數(shù)字字符，還有一段相當(dāng)漫長的過程。為了減輕處理這些常用但冗長模式的痛苦，事先定義了預(yù)定義元字符集合。正則表達(dá)式的不同實現(xiàn)定義了不同的預(yù)定義元字符集合，下面描述的預(yù)定義元字符集合在 .NET Framework 中得到 System.Text.RegularExpressions API 的支持。這些預(yù)定義元字符的標(biāo)準(zhǔn)語法是，在反斜杠 / 后跟一個或多個字符。多數(shù)預(yù)定義元字符只有一個字符，它們的使用很容易，是冗長字符類的理想替代字符。以下是兩個示例： /d 匹配所有數(shù)值數(shù)字， /w 匹配所有單詞字符（字母數(shù)字加下劃線）。例外情況是一些特定字符代碼匹配，此時必須指定所匹配字符的地址，如 /u000D 將匹配 Unicode 回車符。下面列出一些最常用的字符類及其等效的元字符。

返回頁首

表達(dá)式示例

很多人都喜歡通過示例學(xué)習(xí)，下面即提供一些表達(dá)式示例。要獲取更多示例，請訪問以下地址中的正則表達(dá)式聯(lián)機數(shù)據(jù)庫： http://www.regexlib.com/ 。

返回頁首

ASP.NET 中的驗證

ASP.NET 提供了一套驗證控件，與使用舊的（或愿意的話使用傳統(tǒng)的） ASP 處理任務(wù)相比，驗證控件使在 Web 窗體上驗證輸入變得非常容易。其中一個非常有效的驗證器是 RegularExpressionValidator ，如您所料，它允許您提供必須匹配輸入的正則表達(dá)式來驗證輸入。設(shè)置控件的 ValidationExpression 屬性可指定正則表達(dá)式的模式。下面顯示了驗證郵政代碼字段的驗證程序：

      <regularexpressionvalidator runat="server" id="ZipCodeValidator" controltovalidate="ZipCodeTextBox" errormessage="Invalid ZIP code format; format should be either 12345 or 12345-6789." validationexpression="(/d{5}(-/d{4})?"></regularexpressionvalidator>
    

使用 RegularExpressionValidator 要注意幾個問題：

返回頁首

正則表達(dá)式 API

除了 ASP.NET 驗證控件，在.NET 中使用正則表達(dá)式的大多數(shù)情況都要使用 System.Text.RegularExpressions 命名空間中發(fā)現(xiàn)的類。特別是那些您希望熟悉的主類 Regex 、 Match 和 MatchCollection 。

順便說一下，正則表達(dá)式縮寫樣式 regex 的發(fā)音究竟是 /reg-eks/ 還是 /rej-eks/，還有一些爭議。本人傾向于后者，但兩種發(fā)音都有專家贊同，所以選擇哪個發(fā)音由您自己決定。

Regex 類有大量的方法和屬性，如果您以前沒有用過它，可能會感到無所適從。下面匯總了一些最常用的方法：

除了指定很多方法外，還有一些選項可以指定，通常在 Regex 對象構(gòu)造函數(shù)中。由于這些選項是位屏蔽的一部分，或許可以同時指定這些選項（如，可以同時指定 Multiline 和 Singleline）。

使用正則表達(dá)式常執(zhí)行的操作包括：驗證、匹配和替換。大多數(shù)情況下，可以使用 Regex 類的靜態(tài)方法完成這些操作，不需要實例化 Regex 類本身。要執(zhí)行驗證，全部要做的就是必建或找到正確的表達(dá)式，然后使用 Regex 類的 IsMatch() 方法將表達(dá)式應(yīng)用到輸入字符串中。例如，下面的函數(shù)演示了如何使用正則表達(dá)式驗證郵政編碼：

      private void ValidateZipButton_Click(object sender, System.EventArgs e){   String ZipRegex = @"^/d{5}___FCKpd___1quot;;   if(Regex.IsMatch(ZipTextBox.Text, ZipRegex))   {      ResultLabel.Text = "ZIP is valid!";   }   else   {      ResultLabel.Text = "ZIP is invalid!";   }}
    

類似的，可以使用靜態(tài) Replace() 方法將匹配替換為特定字符串，如下所示：

      String newText = Regex.Replace(inputString, pattern, replacementText);
    

最后，可以使用如下代碼遍歷輸入字符串的匹配集合：

      private void MatchButton_Click(object sender, System.EventArgs e){   MatchCollection matches = Regex.Matches(SearchStringTextBox.Text, MatchExpressionTextBox.Text);   MatchCountLabel.Text = matches.Count.ToString();   MatchesLabel.Text = "";   foreach(Match match in matches)   {      MatchesLabel.Text += "Found" + match.ToString() + " at position " + match.Index + ".
      

      ";   }}
    

通常，在您需要指定默認(rèn)方式以外的方式時，需要實例化 Regex 類的實例。特別是在設(shè)置選項時。例如，要創(chuàng)建忽略大小寫和模式空白區(qū)域的 Regex 實例，然后檢索與該表達(dá)式匹配的集合，則應(yīng)使用如下代碼：

      Regex re = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.IgnorePatternWhitespace);MatchCollection mc = re.Matches(inputString);
    

本文的下載文件中包括這些示例的完整使用版本，與簡單 ASP.NET 頁中的一樣。

返回頁首

免費工具

Regulator ( http://royo.is-a-geek.com/iserializable/regulator/ ) - 一種在客戶端運行的正則表達(dá)式測試工具，通過 Web 服務(wù)與 RegexLib 緊密集成，提供對“匹配”、“拆分”和“替換”等的支持。包括性能分析和語法突出顯示功能。

RegexDesigner.NET ( http://www.sellsbrothers.com/tools/ ) - 一種功能強大的可視工具，可幫助構(gòu)造并測試正則表達(dá)式。它可生成 C# 和/或 VB.NET 代碼和已編譯匯編代碼，幫助您將表達(dá)式集成到應(yīng)用程序中。

Regular Expression Workbench (v2.0) ( http://www.gotdotnet.com/Community/UserSamples/Details.aspx?SampleGuid=C712F2DF-B026-4D58-8961-4EE2729D7322 ) - Eric Gunnerson 開發(fā)的工具，用于創(chuàng)建、測試和研究正則表達(dá)式。具有“Examine-o-matic”功能，允許將鼠標(biāo)懸停在正則表達(dá)式的上方，對其含義進(jìn)行解碼。

返回頁首

高級主題

正則表達(dá)式有兩個不得不說的功能，一個是“命名組”，另一個是“四向處理”(lookaround processing)。由于這些功能很少使用，此處只簡單闡述一下。

使用命名組，您可單獨命名匹配組，然后在表達(dá)式中使用程序語言引用這些組。如果結(jié)合 Replace 方法重新設(shè)置輸入字符串的格式（通過重新排列順序、替換輸入字符串中的元素），這個功能特別有效。例如，假設(shè)日期使用 MM/DD/YYYY 格式的字符串，而您希望日期格式是 DD-MM-YYYY。此時，可編寫一個表達(dá)式捕獲第一種格式，遍歷它的匹配集合，并分析每個字符串，然后使用字符串操作建立替換字符串。這需要大量的代碼和大量的處理。如果使用命名組，您可完成同樣的任務(wù)，具體見下：

      String MDYToDMY(String input){   return Regex.Replace(intput, @"/b(?<month>/d{1,2})/(?<day>/d{1,2}</day></month>
    

      /(?<year>/d{4})/b", "${day}-${month}-${year}");}</year>
    

您還可以按編號或按名稱引用組。在任何情況下，這種引用通稱作“反向引用”。另一個經(jīng)常使用反向引用的場合在匹配表達(dá)式本身，如下這個表達(dá)式用于查找重復(fù)的字母： [a-z]/1 。它將匹配“aa”、“bb”、“cc”，但它不同于 [a-z]{2} 或 [a-z][a-z] ，后兩者是等效的，后兩者允許匹配“ab”或“ac”或任何其他兩個字母的組合。反向引用允許表達(dá)式記住表達(dá)式已經(jīng)分析并匹配過的輸入字符串中的部分字符。

“四向處理”指很多正則表達(dá)式引擎所支持的正負(fù) Lookahead 和 Lookbehind 功能。并不是所有的正則表達(dá)式引擎都支持驗證四向處理。這些構(gòu)造不使用字符，即使它們可以匹配字符。有些模式可能在不使用四向處理的情況下無法描述。特別是當(dāng)模式中存在的一部分依賴于另一部分，如果不使用四向處理，則不能描述這樣的模式。下面介紹了每個四向處理的語法。

密碼驗證是必需四向處理的一個示例。假定在密碼限制中，密碼必須介于 4 到 8 個字符，且必須至少包含一個數(shù)字。為此，您可以僅在匹配中測試 /d ，然后使用字符串操作來測試長度。但要在正則表達(dá)式中實現(xiàn)這一切，必須使用 Lookahead。特別是正 lookahead，如下所示： ^(?=.*/d).{4,8}$

返回頁首

結(jié)論

正則表達(dá)式是一種描述文本模式的極有效方法，它使文本模式成為字符串驗證和操作的極好資源。.NET Framework 通過 System.Text.RegularExpressions 命名空間（特別是其中的 Regex 類）提供了對正則表達(dá)式的強大支持。使用 API 很簡單，但編寫正確的正則表達(dá)式通常比較費力。但幸運的是，正則表達(dá)式可以重復(fù)使用，您可以通過網(wǎng)絡(luò)中的各種聯(lián)機資源，從中找出其他人設(shè)計的表達(dá)式，或者在創(chuàng)建表達(dá)式遇到困難時得到幫助。

返回頁首

資源

正則表達(dá)式庫 http://www.regexlib.com/

正則表達(dá)式討論列表 http://aspadvice.com/login.aspx?ReturnUrl=%2fSignUp%2flist.aspx%3fl%3d68%26c%3d16&l=68&c=16

正則表達(dá)式論壇 http://forums.regexadvice.com/

正則表達(dá)式 Web 日志 http://blogs.regexadvice.com/

Mastering Regular Expressions (O'Reilly)，作者 Jeffrey Friedl http://www.regex.info/

.NET 正則表達(dá)式參考 http://msdn.microsoft.com/library/en-us/cpref/html/frlrfSystemTextRegularExpressions.asp

Jscript 正則表達(dá)式語法 http://www.msdn.microsoft.com/library/en-us/script56/html/js56jsgrpRegExpSyntax.asp

正則表達(dá)式信息 http://www.regular-expressions.info/

返回頁首

作者簡介

Steven A. Smith 是 Microsoft 在 ASP.NET 技術(shù)方面的最有價值專家 (MVP)，是 ASPAlliance.com 和 DevAdvice.com 的總裁和所有者。此外，他也是 ASPSmith Ltd（一家重點提供 .NET 培訓(xùn)的公司）的所有者和首席教師。他撰寫了兩本著作：“ASP.NET Developer's Cookbook”和“ASP.NET By Example”，并在 MSDN 和 AspNetPRO 雜志上發(fā)表了一些文章。Steve 每年都在各種會議上發(fā)表演講，是 INETA 聯(lián)絡(luò)處的成員。Steve 擁有企業(yè)管理碩士學(xué)位及計算機科學(xué)工程理學(xué)士學(xué)位。

引自： http://www.channel7.cn/2005/1-1/154042.html