2011年8月16日 星期二

正則表示式 Regular expression 資料蒐集

這篇文章只是要把一些關於 Regular Expression 的資料收集起來方便以後查找~
畢竟是在.NET平台上面寫所以MSDN的資料當然不能放過:
MSND Regular Expression

而「規則運算式物件模型」一文中,最常用到的方法莫過於SplitMatches還有Groups,而這些在文章中都有範例可以參考。

當然正則表示式是不分國界的很多語言都對這個東西有支援Java也不例外在Java Gossip中也針對Regular Expression開了篇文章來說明。

還有這篇文章裡面有提到一些正規表示式的一些規則和簡單範例。

最後說到字串的處理...MSDN上面也有對於字串處理的一些建議:「在.NET Framework中使用字串的最佳作法」嗯....沒事要多逛逛MSDN

------------------------------------------2011/11/1補充--------------------------------------------------
常用規則:

字元
描述
\
將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後參照、或一個八進制轉義符。例如,「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。
^
匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性,^也匹配「\n」或「\r」之後的位置。
$
匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性,$也匹配「\n」或「\r」之前的位置。
*
匹配前面的子運算式零次或多次。例如,zo*能匹配「z」以及「zoo」。*等價於{0,}
+
匹配前面的子運算式一次或多次。例如,「zo+」能匹配「zo」以及「zoo」,但不能匹配「z」。+等價於{1,}
?
匹配前面的子運算式零次或一次。例如,「do(es)?」可以匹配「does」或「does」中的「do」。?等價於{0,1}
{n}
n是一個非負整數。匹配確定的n次。例如,「o{2}」不能匹配「Bob」中的「o」,但是能匹配「food」中的兩個o
{n,}
n是一個非負整數。至少匹配n次。例如,「o{2,}」不能匹配「Bob」中的「o」,但能匹配「foooood」中的所有o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。
{n,m}
mn均為非負整數,其中n<=m。最少匹配n次且最多匹配m次。例如,「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?
當該字元緊跟在任何一個其他限制符(*,+,?{n}{n,}{n,m})後面時,匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串,而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如,對於字串「oooo」,「o+?」將匹配單個「o」,而「o+」將匹配所有「o」。
.
匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元,請使用像「(.|\n)」的模式。
(pattern)
匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中則使用$0…$9屬性。要匹配圓括號字元,請使用「\(」或「\)」。
(?:pattern)
匹配pattern但不獲取匹配結果,也就是說這是一個非獲取匹配,不進行儲存供以後使用。這在使用或字元「(|)」來組合一個模式的各個部分是很有用。例如「industr(?:y|ies)」就是一個比「industry|industries」更簡略的運算式。
(?=pattern)
正向肯定預查,在任何匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」,但不能匹配「Windows3.1」中的「Windows」。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始。
(?!pattern)
正向否定預查,在任何不匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」,但不能匹配「Windows2000」中的「Windows」。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜尋,而不是從包含預查的字元之後開始
(?<=pattern)
反向肯定預查,與正向肯定預查類擬,只是方向相反。例如,「(?<=95|98|NT|2000)Windows」能匹配「2000Windows」中的「Windows」,但不能匹配「3.1Windows」中的「Windows」。
(?<!pattern)
反向否定預查,與正向否定預查類擬,只是方向相反。例如「(?<!95|98|NT|2000)Windows」能匹配「3.1Windows」中的「Windows」,但不能匹配「2000Windows」中的「Windows」。
x|y
匹配xy。例如,「z|food」能匹配「z」或「food」。「(z|f)ood」則匹配「zood」或「food」。
[xyz]
字符集合。匹配所包含的任意一個字元。例如,「[abc]」可以匹配「plain」中的「a」。
[^xyz]
負值字符集合。匹配未包含的任意字元。例如,「[^abc]」可以匹配「plain」中的「p」。
[a-z]
字元範圍。匹配指定範圍內的任意字元。例如,「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。
[^a-z]
負值字元範圍。匹配任何不在指定範圍內的任意字元。例如,「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。
\b
匹配一個單詞邊界,也就是指單詞和空格間的位置。例如,「er\b」可以匹配「never」中的「er」,但不能匹配「verb」中的「er」。
\B
匹配非單詞邊界。「er\B」能匹配「verb」中的「er」,但不能匹配「never」中的「er」。
\cx
匹配由x指明的控制字元。例如,\cM匹配一個Control-MEnter符。x的值必須為A-Za-z之一。否則,將c視為一個原義的「c」字元。
\d
匹配一個數位字元。等價於[0-9]
\D
匹配一個非數位字元。等價於[^0-9]
\f
匹配一個換頁符。等價於\x0c\cL
\n
匹配一個換行符。等價於\x0a\cJ
\r
匹配一個Enter符。等價於\x0d\cM
\s
匹配任何空白字元,包括空格、製表符、換頁符等等。等價於[\f\n\r\t\v]
\S
匹配任何非空白字元。等價於[^\f\n\r\t\v]
\t
匹配一個製表符。等價於\x09\cI
\v
匹配一個垂直製表符。等價於\x0b\cK
\w
匹配包括底線的任何單詞字元。等價於「[A-Za-z0-9_]」。
\W
匹配任何非單詞字元。等價於「[^A-Za-z0-9_]」。
\xn
匹配n,其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數位長。例如,「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則運算式中可以使用ASCII編碼。.
\num
匹配num,其中num是一個正整數。對所獲取的匹配的參照。例如,「(.)\1」匹配兩個連續的相同字元。
\n
標識一個八進制轉義值或一個向後參照。如果\n之前至少n個獲取的子運算式,則n為向後參照。否則,如果n為八進制數位(0-7),則n為一個八進制轉義值。
\nm
標識一個八進制轉義值或一個向後參照。如果\nm之前至少有nm個獲得子運算式,則nm為向後參照。如果\nm之前至少有n個獲取,則n為一個後跟文字m的向後參照。如果前面的條件都不滿足,若nm均為八進制數位(0-7),則\nm將匹配八進制轉義值nm
\nml
如果n為八進制數位(0-3),且ml均為八進制數位(0-7),則匹配八進制轉義值nml
\un
匹配n,其中n是一個用四個十六進制數位表示的Unicode字元。例如,\u00A9匹配版權符號(©)。



資料來源:http://zh.wikipedia.org/wiki/Regex
另外,Regex類別在建構式中可以指定參數:

成員名稱
說明
None
指定無選項設定。
IgnoreCase
指定區分大小寫的比對。
Multiline
多行模式, 變更 ^ $ 的意義以致它們分別在任何一行的開頭和結尾做比對,而不只是整個字串的開頭和結尾。
ExplicitCapture
指定唯一有效的擷取為明確命名的或編號的,格式為 (?) 的群組。 這允許未命名的括號充當非擷取群組,而避免運算式 (?:) 的語法不便。
Compiled
指定規則運算式要編譯為組件, 這將產生較快速的執行,但會增加啟動時間。 在呼叫 CompileToAssembly 方法時,不應將這個值指派至Options 屬性。
Singleline
指定單行模式, 變更點 (.) 的意義,使它符合一切字元 (而不是 \n 之外的一切字元)
IgnorePatternWhitespace
從模式排除未逸出的泛空白字元 (White Space),並啟用以 # 標記的註解。 不過,IgnorePatternWhitespace 值不會影響或排除字元類別中的泛空白字元。
RightToLeft
指定搜尋將由右至左,而非由左至右。
ECMAScript
啟用運算式的 ECMAScript 相容行為, 這個值只能結合 IgnoreCaseMultiline  Compiled 值使用, 將這個值與任何其他值一起使用都將導致例外狀況。
CultureInvariant
指定忽略語言中的文化差異, 如需詳細資訊,請參閱在 RegularExpressions 命名空間中執行不區分文化特性作業。


資料來源:
http://msdn.microsoft.com/zh-tw/library/system.text.regularexpressions.regexoptions(v=VS.100).aspx


基本上有這兩張表格就可以滿足基本Regex的需求了~!