正则入门教程（下）
本文將繼續正則這個話題，接著講解正則的其他高級用法。
?
?
?
?
分枝條件
?
?
不幸的是，剛才那個表達式不能匹配?010)12345678?或?(022-87654321?這樣的“不正確”的格式。
?
要解決這個問題，我們需要用到分枝條件。正則表達式里的分枝條件指的是有幾種規則，如果滿足其中任意一種規則都應該當成匹配，具體方法是用?|?把不同的規則分隔開。聽不明白？沒關系，看例子：
?
0\d{2}-\d{8}|0\d{3}-\d{7}?這個表達式能匹配兩種以連字號分隔的電話號碼：一種是三位區號，8位本地號(如010-12345678)，一種是4位區號，7位本地號(0376-2233445)。
?
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}?這個表達式匹配3位區號的電話號碼，其中區號可以用小括號括起來，也可以不用，區號與本地號間可以用連字號或空格間隔，也可以沒有間隔。你可以試試用分枝條件把這個表達式擴展成也支持4位區號的。
?
\d{5}-\d{4}|\d{5} 這個表達式用于匹配美國的郵政編碼。美國郵編的規則是5位數字，或者用連字號間隔的9位數字。
?
之所以要給出這個例子是因為它能說明一個問題：使用分枝條件時，要注意各個條件的順序。如果你把它改成\d{5}|\d{5}-\d{4}的話，那么就只會匹配5位的郵編(以及9位郵編的前5位)。原因是匹配分枝條件時，將會從左到右地測試每個條件，如果滿足了某個分枝的話，就不會去再管其它的條件了。
?
?
?
?
?
分組
?
?
我們已經提到了怎么重復單個字符（直接在字符后面加上限定符就行了）；但如果想要重復多個字符又該怎么辦？
?
你可以用小括號來指定子表達式(也叫做分組)，然后你就可以指定這個子表達式的重復次數了，你也可以對子表達式進行其它一些操作(后面會有介紹)。
?
(\d{1,3}\.){3}\d{1,3} 是一個簡單的IP地址匹配表達式。要理解這個表達式，請按下列順序分析它：\d{1,3}匹配1到3位的數字，(\d{1,3}\.){3}匹配三位數字加上一個英文句號(這個整體也就是這個分組)重復3次，最后再加上一個一到三位的數字(\d{1,3})。
?
?
IP地址中每個數字都不能大于255. 經常有人問我, 01.02.03.04 這樣前面帶有0的數字, 是不是正確的IP地址呢? 答案是: 是的, IP?地址里的數字可以包含有前導 0 (leading zeroes).
?
?
不幸的是，它也將匹配256.300.888.999這種不可能存在的IP地址。如果能使用算術比較的話，或許能簡單地解決這個問題，但是正則表達式中并不提供關于數學的任何功能，所以只能使用冗長的分組，選擇，字符類來描述一個正確的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
?
理解這個表達式的關鍵是理解2[0-4]\d|25[0-5]|[01]?\d\d?，這里我就不細說了，你自己應該能分析得出來它的意義。
?
?
?
?
?
反義
?
?
有時需要查找不屬于某個能簡單定義的字符類的字符。比如想查找除了數字以外，其它任意字符都行的情況，這時需要用到反義：
?
| \W | 匹配任意不是字母，數字，下劃線，漢字的字符 |
| \S | 匹配任意不是空白符的字符 |
| \D | 匹配任意非數字的字符 |
| \B | 匹配不是單詞開頭或結束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou這幾個字母以外的任意字符 |
?
例子：\S+匹配不包含空白符的字符串。
?
?
?
?
后向引用
?
?
使用小括號指定一個子表達式后，匹配這個子表達式的文本(也就是此分組捕獲的內容)可以在表達式或其它程序中作進一步的處理。
?
默認情況下，每個分組會自動擁有一個組號，規則是：從左向右，以分組的左括號為標志，第一個出現的分組的組號為1，第二個為2，以此類推。
?
?
呃……其實,組號分配還不像我剛說得那么簡單：
* 分組0對應整個正則表達式
?
* 實際上組號分配過程是要從左向右掃描兩遍的：第一遍只給未命名組分配，第二遍只給命名組分配－－因此所有命名組的組號都大于未命名的組號
?
* 你可以使用(?:exp)這樣的語法來剝奪一個分組對組號分配的參與權
?
?
后向引用用于重復搜索前面某個分組匹配的文本。例如，\1代表分組1匹配的文本。難以理解？請看示例：
?
?
\b(\w+)\b\s+\1\b可以用來匹配重復的單詞，像go go, 或者kitty kitty。
?
這個表達式首先是一個單詞，也就是單詞開始處和結束處之間的多于一個的字母或數字(\b(\w+)\b)，這個單詞會被捕獲到編號為1的分組中，然后是1個或幾個空白符(\s+)，最后是分組1中捕獲的內容（也就是前面匹配的那個單詞）(\1)。
?
你也可以自己指定子表達式的組名。
?
要指定一個子表達式的組名，請使用這樣的語法：(?<Word>\w+)?(或者把尖括號換成'也行：(?'Word'\w+)?),這樣就把?\w+?的組名指定為?Word?了。
?
要反向引用這個分組捕獲的內容，你可以使用?\k<Word>?,所以上一個例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。
?
使用小括號的時候，還有很多特定用途的語法。下面列出了最常用的一些：
?
| (exp) | 匹配exp,并捕獲文本到自動命名的組里 |
| (?<name>exp) | 匹配exp,并捕獲文本到名稱為name的組里，也可以寫成(?'name'exp) |
| (?:exp) | 匹配exp,不捕獲匹配的文本，也不給此分組分配組號 |
| (?=exp) | 匹配exp前面的位置 |
| (?<=exp) | 匹配exp后面的位置 |
| (?!exp) | 匹配后面跟的不是exp的位置 |
| (?<!exp) | 匹配前面不是exp的位置 |
| (?#comment) | 這種類型的分組不對正則表達式的處理產生任何影響，用于提供注釋讓人閱讀 |
?
我們已經討論了前兩種語法。第三個(?:exp)不會改變正則表達式的處理方式，只是這樣的組匹配的內容不會像前兩種那樣被捕獲到某個組里面，也不會擁有組號。“我為什么會想要這樣做？”——好問題，你覺得為什么呢？
?
?
?
?
零寬斷言
?
?
?
?
地球人，是不是覺得這些術語名稱太復雜，太難記了？我也有同感。知道有這么一種東西就行了，它叫什么，隨它去吧！人若無名，便可專心練劍；物若無名，便可隨意取舍……
?
?
接下來的四個用于查找在某些內容(但并不包括這些內容)之前或之后的東西，也就是說它們像\b,^,$那樣用于指定一個位置，這個位置應該滿足一定的條件(即斷言)，因此它們也被稱為零寬斷言。
?
最好還是拿例子來說明吧：
?
?
斷言用來聲明一個應該為真的事實。正則表達式中只有當斷言為真時才會繼續進行匹配。
?
?
(?=exp)?也叫零寬度正預測先行斷言，它斷言自身出現的位置的后面能匹配表達式exp。
?
比如\b\w+(?=ing\b)，匹配以ing結尾的單詞的前面部分(除了ing以外的部分)，如查找I'm singing?while you're dancing.時，它會匹配sing和danc。
?
(?<=exp)也叫零寬度正回顧后發斷言，它斷言自身出現的位置的前面能匹配表達式exp。
?
比如(?<=\bre)\w+\b?會匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時，它匹配ading。
?
假如你想要給一個很長的數字中每三位間加一個逗號(當然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號的部分：((?<=\d)\d{3})+\b，用它對1 234 567 890進行查找時結果是234567890。
?
下面這個例子同時使用了這兩種斷言：(?<=\s)\d+(?=\s)匹配以空白符間隔的數字(再次強調，不包括這些空白符)。
?
注：\s?表示匹配任意的空白符，?\d?表示匹配數字，那么上面的正則表示斷言數字的前后有空白符。
?
?
?
?
負向零寬斷言
?
?
前面我們提到過怎么查找不是某個字符或不在某個字符類里的字符的方法(反義)。
?
但是如果我們只是想要確保某個字符沒有出現，但并不想去匹配它時怎么辦？
?
例如，如果我們想查找這樣的單詞--它里面出現了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：
?
\b\w*q[^u]\w*\b?匹配包含后面不是字母u的字母q的單詞。
?
但是如果多做測試(或者你思維足夠敏銳，直接就觀察出來了)，你會發現，如果q出現在單詞的結尾的話，像Iraq,Benq，這個表達式就會出錯。
?
這是因為[^u]總要匹配一個字符，所以如果q是單詞的最后一個字符的話，后面的[^u]將會匹配q后面的單詞分隔符(可能是空格，或者是句號或其它的什么)，后面的\w*\b將會匹配下一個單詞，于是\b\w*q[^u]\w*\b就能匹配整個Iraq fighting。
?
負向零寬斷言能解決這樣的問題，因為它只匹配一個位置，并不消費任何字符。現在，我們可以這樣來解決這個問題：\b\w*q(?!u)\w*\b。
?
零寬度負預測先行斷言(?!exp)，斷言此位置的后面不能匹配表達式exp。
?
例如：\d{3}(?!\d)匹配三位數字，而且這三位數字的后面不能是數字；
?
\b((?!abc)\w)+\b匹配不包含連續字符串abc的單詞。
?
同理，我們可以用(?<!exp),零寬度負回顧后發斷言來斷言此位置的前面不能匹配表達式exp：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數字。
?
?
請詳細分析表達式(?<=<(\w+)>).*(?=<\/\1>)，這個表達式最能表現零寬斷言的真正用途。
?
?
一個更復雜的例子：(?<=<(\w+)>).*(?=<\/\1>)匹配不包含屬性的簡單HTML標簽內里的內容。(?<=<(\w+)>)指定了這樣的前綴：被尖括號括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個后綴(?=<\/\1>)。
?
注意后綴里的\/，它用到了前面提過的字符轉義；\1則是一個反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內容，這樣如果前綴實際上是<b>的話，后綴就是</b>了。
?
整個表達式匹配的是<b>和</b>之間的內容(再次提醒，不包括前綴和后綴本身)。
?
?
?
?
注釋
?
?
小括號的另一種用途是通過語法(?#comment)來包含注釋。
?
例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)。
?
要包含注釋的話，最好是啟用“忽略模式里的空白符”選項，這樣在編寫表達式時能任意的添加空格，Tab，換行，而實際使用時這些都將被忽略。啟用這個選項后，在#后面到這一行結束的所有文本都將被當成注釋忽略掉。
?
例如，我們可以前面的一個表達式寫成這樣：
?
(?<= # 斷言要匹配的文本的前綴
<(\w+)> # 查找尖括號括起來的字母或數字(即HTML/XML標簽)
) # 前綴結束
.* # 匹配任意文本
(?= # 斷言要匹配的文本的后綴
<\/\1> # 查找尖括號括起來的內容：前面是一個"/"，后面是先前捕獲的標簽
) # 后綴結束
?
?
?
貪婪與懶惰
?
當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符。以這個表達式為例：a.*b，它將會匹配最長的以a開始，以b結束的字符串。如果用它來搜索aabab的話，它會匹配整個字符串aabab。這被稱為貪婪匹配。
?
有時，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉化為懶惰匹配模式，只要在它后面加上一個問號?。
?
這樣?.*??就意味著匹配任意數量的重復，但是在能使整個匹配成功的前提下使用最少的重復。
?
現在看看懶惰版的例子吧：
?
a.*?b?匹配?最短的，以a開始，以b結束的字符串。如果把它應用于aabab的話，它會匹配aab（第一到第三個字符）和ab（第四到第五個字符）。
?
為什么第一個匹配是aab（第一到第三個字符）而不是ab（第二到第三個字符）？簡單地說，因為正則表達式有另一條規則，比懶惰／貪婪規則的優先級更高：最先開始的匹配擁有最高的優先權——The match that begins earliest wins。
?
| *? | 重復任意次，但盡可能少重復 |
| +? | 重復1次或更多次，但盡可能少重復 |
| ?? | 重復0次或1次，但盡可能少重復 |
| {n,m}? | 重復n到m次，但盡可能少重復 |
| {n,}? | 重復n次以上，但盡可能少重復 |
?
?
?
?
處理選項
?
?
?
上面介紹了幾個選項如忽略大小寫，處理多行等，這些選項能用來改變處理正則表達式的方式。下面是.Net中常用的正則表達式選項：
?
| IgnoreCase(忽略大小寫) | 匹配時不區分大小寫。 |
| Multiline(多行模式) | 更改^和$的含義，使它們分別在任意一行的行首和行尾匹配，而不僅僅在整個字符串的開頭和結尾匹配。(在此模式下,$的精確含意是:匹配\n之前的位置以及字符串結束前的位置.) |
| Singleline(單行模式) | 更改.的含義，使它與每一個字符匹配（包括換行符\n）。 |
| IgnorePatternWhitespace(忽略空白) | 忽略表達式中的非轉義空白并啟用由#標記的注釋。 |
| ExplicitCapture(顯式捕獲) | 僅捕獲已被顯式命名的組。 |
?
?
一個經常被問到的問題是：是不是只能同時使用多行模式和單行模式中的一種？答案是：不是。
?
這兩個選項之間沒有任何關系，除了它們的名字比較相似（以至于讓人感到疑惑）以外。事實上，為了避免混淆，在最新的 JavaScript 中，單行模式其實名叫 dotAll，意為點可以匹配所有字符，然而在指定該選項時，用的還是 Singleline 的首字母 s.
?
?
?
?
平衡組/遞歸匹配
?
?
?
這里介紹的平衡組語法是由.Net Framework支持的；其它語言／庫不一定支持這種功能，或者支持此功能但需要使用不同的語法。
?
?
有時我們需要匹配像( 100 * ( 50 + 15 ) )這樣的可嵌套的層次性結構，這時簡單地使用\(.+\)則只會匹配到最左邊的左括號和最右邊的右括號之間的內容(這里我們討論的是貪婪模式，懶惰模式也有下面的問題)。
?
假如原來的字符串里的左括號和右括號出現的次數不相等，比如( 5 / ( 3 + 2 ) ) )，那我們的匹配結果里兩者的個數也不會相等。有沒有辦法在這樣的字符串里匹配到最長的，配對的括號之間的內容呢？
?
為了避免(和?\(?把你的大腦徹底搞糊涂，我們還是用尖括號代替圓括號吧。現在我們的問題變成了如何把xx <aa <bbb> <bbb> aa> yy這樣的字符串里，最長的配對的尖括號內的內容捕獲出來？
?
這里需要用到以下的語法構造：
?
*?(?'group')?把捕獲的內容命名為group,并壓入堆棧(Stack)
*?(?'-group')?從堆棧上彈出最后壓入堆棧的名為group的捕獲內容，如果堆棧本來為空，則本分組的匹配失敗
*?(?(group)yes|no)?如果堆棧上存在以名為group的捕獲內容的話，繼續匹配yes部分的表達式，否則繼續匹配no部分
*?(?!)?零寬負向先行斷言，由于沒有后綴表達式，試圖匹配總是失敗
?
?
如果你不是一個程序員（或者你自稱程序員但是不知道堆棧是什么東西），你就這樣理解上面的三種語法吧：第一個就是在黑板上寫一個"group"，第二個就是從黑板上擦掉一個"group"，第三個就是看黑板上寫的還有沒有"group"，如果有就繼續匹配yes部分，否則就匹配no部分。
?
?
我們需要做的是每碰到了左括號，就在壓入一個"Open",每碰到一個右括號，就彈出一個，到了最后就看看堆棧是否為空 —— 如果不為空那就證明左括號比右括號多，那匹配就應該失敗。正則表達式引擎會進行回溯(放棄最前面或最后面的一些字符)，盡量使整個表達式得到匹配。
?
< #最外層的左括號
[^<>]* #最外層的左括號后面的不是括號的內容
(
(
(?'Open'<) #碰到了左括號，在黑板上寫一個"Open"
[^<>]* #匹配左括號后面的不是括號的內容
)+
(
(?'-Open'>) #碰到了右括號，擦掉一個"Open"
[^<>]* #匹配右括號后面不是括號的內容
)+
)*
(?(Open)(?!)) #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗
> #最外層的右括號
?
平衡組的一個最常見的應用就是匹配HTML,下面這個例子可以匹配嵌套的<div>標簽：<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>.
?
?
?
?
還有些什么東西沒提到
?
?
上邊已經描述了構造正則表達式的大量元素，但是還有很多沒有提到的東西。下面是一些未提到的元素的列表，包含語法和簡單的說明。
?
你可以在網上找到更詳細的參考資料來學習它們--當你需要用到它們的時候。
?
如果你安裝了MSDN Library,你也可以在里面找到.net下正則表達式詳細的文檔。這里的介紹很簡略，如果你需要更詳細的信息，而又沒有在電腦上安裝MSDN Library,可以查看關于正則表達式語言元素的MSDN在線文檔。
?
| \a | 報警字符(打印它的效果是電腦嘀一聲) |
| \b | 通常是單詞分界位置，但如果在字符類里使用代表退格 |
| \t | 制表符，Tab |
| \r | 回車 |
| \v | 豎向制表符 |
| \f | 換頁符 |
| \n | 換行符 |
| \e | Escape |
| \0nn | ASCII代碼中八進制代碼為nn的字符 |
| \xnn | ASCII代碼中十六進制代碼為nn的字符 |
| \unnnn | Unicode代碼中十六進制代碼為nnnn的字符 |
| \cN | ASCII控制字符。比如\cC代表Ctrl+C |
| \A | 字符串開頭(類似^，但不受處理多行選項的影響) |
| \Z | 字符串結尾或行尾(不受處理多行選項的影響) |
| \z | 字符串結尾(類似$，但不受處理多行選項的影響) |
| \G | 當前搜索的開頭 |
| \p{name} | Unicode中命名為name的字符類，例如\p{IsGreek} |
| (?>exp) | 貪婪子表達式 |
| (?<x>-<y>exp) | 平衡組 |
| (?im-nsx:exp) | 在子表達式exp中改變處理選項 |
| (?im-nsx) | 為表達式后面的部分改變處理選項 |
| (?(exp)yes|no) | 把exp當作零寬正向先行斷言，如果在這個位置能匹配，使用yes作為此組的表達式；否則使用no |
| (?(exp)yes) | 同上，只是使用空表達式作為no |
| (?(name)yes|no) | 如果命名為name的組捕獲到了內容，使用yes作為表達式；否則使用no |
| (?(name)yes) | 同上，只是使用空表達式作為no |
總結
