前言：
授人以魚不如授人以漁，大家在程式設計的時候總會遇到要查找某些複雜規則的字元串，例如在 linux 系統中，需要對多個檔案裡的某段代碼進行替換，你是不是還在每個檔案打開逐一目标替換？如果你也有這樣的困惑那麼正規表達式就是你必須會的技能。
程式員必備資源，值得收藏！點選下載下傳
1、什麼是正規表達式
正規表達式是對字元串操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個 “規則字元串” ，這個 “規則字元串” 用來表達對字元串的一種過濾邏輯。換句話說，正規表達式就是記錄文本規則的代碼。
很可能你使用過 Windows 下用于檔案查找的通配符(wildcard)，也就是 * 和 ?。如果你想查找某個目錄下的所有的 pdf 文檔的話，可以直接搜尋 *.pdf，如下：
在這裡，* 會被解釋成任意的字元串。和通配符類似，正規表達式也是用來進行文本比對的工具，隻不過比起通配符，它能更精确地描述你的需求。當然，代價就是更複雜，比如你可以編寫一個正規表達式，用來查找所有以 0 開頭，後面跟着 2-3 個數字，然後是一個連字号 “-” ，最後是 7 或 8 位數字的字元串(像 011-12345678 或 0856-7654321)。
程式員相關的海量資料，點選免費擷取
2、入門
學習正規表達式的最好方法是從例子開始。
假如你在一篇英文期刊裡查找 me，你可以使用正規表達式 me。
這幾乎是最簡單的正規表達式了，它可以精确比對這樣的字元串：由兩個字元組成，前一個字元是 m, 後一個是 e。通常，處理正規表達式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以比對 me, ME, Me, mE 這四種情況中的任意一種。
不幸的是，很多單詞裡包含 hi 這兩個連續的字元，比如 me, mean, measure等等。用 me 來查找的話，這裡邊的 me 也會被找出來。如果要精确地查找 me 這個單詞的話，我們應該使用 \bme\b。
\b 是正規表達式規定的一個特殊代碼（有些人叫它元字元，metacharacter），代表着單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，标點符号或者換行來分隔的，但是 \b 并不比對這些單詞分隔字元中的任何一個，它隻比對一個位置。
假如你要找的是 me 後面不遠處跟着一個 james，你應該用 \bme\b.*\bjames\b。
這裡 . 是另一個元字元，比對除了換行符以外的任意字元。* 同樣是元字元，不過它代表的不是字元，也不是位置，而是數量——它指定 * 前邊的内容可以連續重複使用任意次以使整個表達式得到比對。
是以 .* 連在一起就意味着任意數量的不包含換行的字元。現在\bme\b.*\bjames\b的意思就很明顯了：先是一個單詞 me 然後是任意個任意字元(但不能是換行)，最後是 james 這個單詞。
3、元字元
正規表達式由一些普通字元和一些元字元（metacharacters）組成。普通字元包括大小寫的字母和數字，而元字元則具有特殊的含義，要想真正的用好正規表達式，正确的了解元字元是最重要的事情。下表列出了常用的元字元
元字元 描述
. 比對除 “\n” 和 "\r" 之外的任何單個字元。要比對包括 “\n” 和 "\r" 在内的任何字元，請使用像 “[\s\S]” 的模式
\w 比對包括下劃線的任何單詞字元。類似但不等價于 “[A-Za-z0-9_]” ，這裡的 "單詞" 字元使用 Unicode 字元集
\s 比對任何不可見字元，包括空格、制表符、換頁符等等。等價于[ \f\n\r\t\v]
\d 比對一個數字字元。等價于 [0-9] 。grep 要加上 -P， perl 正則支援
\b 比對一個單詞的邊界，也就是指單詞和空格間的位置（即正規表達式的 “比對” 有兩種概念，一種是比對字元，一種是比對位置，這裡的 \b 就是比對位置的）。例如， “er\b” 可以比對 “never” 中的 “er” ，但不能比對 “verb” 中的 “er”； “\b1_” 可以比對 “1_23” 中的 “1_”，但不能比對 “21_3” 中的 “1_”
^ 比對輸入字行首。如果設定了 RegExp 對象的 Multiline 屬性， ^ 也比對 “\n” 或 “\r” 之後的位置。
$ 比對輸入行尾。如果設定了 RegExp 對象的 Multiline 屬性，$ 也比對 “\n” 或 “\r” 之前的位置。
4、字元轉義
如果想查找元字元本身的話，比如查找 . ,或者 * ,就出現了問題：你沒辦法指定它們，因為它們會被解釋成别的意思。這時就得使用 \ 來取消這些字元的特殊意義。是以，應該使用 . 和 *。當然，要查找 \ 本身，也得用 \。
例如：mayday\.net 比對 mayday.net ，C:\\Windows比對C:\Windows。
5、重複
已經看過了前面的 * , + 幾個比對重複的方式了。下面是正規表達式中所有的限定符(指定數量的代碼：
* 比對前面的子表達式任意次。例如，zo* 能比對 “z” ，也能比對 “zo” 以及 “zoo” 。* 等價于{0,}。
+ 比對前面的子表達式一次或多次(大于等于1次）。例如，“zo+” 能比對 “zo” 以及 “zoo”，但不能比對 “z” 。+ 等價于 {1,}。
? 比對前面的子表達式零次或一次。例如，“do(es)?” 可以比對 “do” 或 “does” 。 ? 等價于 {0,1}。
{n} n 是一個非負整數。比對确定的 n 次。例如， “o{2}” 不能比對 “Bob” 中的 “o”，但是能比對 “food” 中的兩個 o。
{n,} n 是一個非負整數。至少比對 n 次。例如， “o{2,}” 不能比對 “Bob” 中的 “o”，但能比對 “foooood” 中的所有 o。 “o{1,}” 等價于 “o+” 。 “o{0,}” 則等價于 “o*”。
{n,m} m 和 n 均為非負整數，其中 n<=m。最少比對 n 次且最多比對 m 次。例如， “o{1,3}” 将比對 “fooooood” 中的前三個 o 為一組，後三個 o 為一組。 “o{0,1}” 等價于 “o?”。請注意在逗号和兩個數之間不能有空格。
6、字元類
要想查找數字、字母、數字、空白已經很簡單，因為已經有了對應這些字元集合的元字元，但是如果你想比對沒有預定義元字元的字元集合(比如元音字母 a,e,i,o,u ),應該怎麼辦？
很簡單，你隻需要在方括号裡列出它們就行了，像 [aeiou] 就比對任何一個英文元音字母， [.?!] 比對标點符号( . 或 ? 或 !)。
我們也可以輕松地指定一個字元範圍，像 [0-9] 代表的含意與 \d 就是完全一緻的：一位數字；同理 [a-z0-9A-Z_] 也完全等同于 \w （如果隻考慮英文的話）。
下面是一個更複雜的表達式：\(?0\d{2}[) -]?\d{8}。
這個表達式可以比對幾種格式的電話号碼，像 011-22884499 ，或 0845652452 等。我們對它進行一些分析吧：首先是一個轉義字元 (,它能出現 0 次或 1 次 (?),然後是一個 0，後面跟着 2 個數字 (\d{2})，然後是)或-或空格中的一個，它出現 1 次或不出現(?)，最後是 8 個數字(\d{8})。
7、反義
有時需要查找不屬于某個能簡單定義的字元類的字元。比如想查找除了數字以外，其它任意字元都行的情況，這時需要用到反義
\w 比對任意不是字母，數字，下劃線，漢字的字元
\s 比對任意不是空白符的字元
\D 比對任意非數字的字元
\B 比對不是單詞開頭或結束的位置
[^x] 比對除了 x 以外的任意字元
[^aeiou] 比對除了 aeiou 這幾個字母以外的任意字元
例子：
\S+ 比對不包含空白符的字元串。 <a[^>]+> 比對用尖括号括起來的以 a 開頭的字元串
8、分組
我們已經提到了怎麼重複單個字元（直接在字元後面加上限定符就行了）；但如果想要重複多個字元又該怎麼辦？可以用小括号來指定子表達式(也叫做分組)，然後就可以指定這個子表達式的重複次數了，也可以對子表達式進行其它一些操作。
(\d{1,3}\.){3}\d{1,3} 是一個簡單的 IP 位址比對表達式。要了解這個表達式，請按下列順序分析它：\d{1,3} 比對 1 到 3 位的數字，(\d{1,3}\.){3} 比對三位數字加上一個英文句号(這個整體也就是這個分組)重複 3 次，最後再加上一個一到三位的數字(\d{1,3})。
可是也将比對256.300.777.888這種不可能存在的 IP 位址。如果能使用算術比較的話，或許能簡單地解決這個問題，但是正規表達式中并不提供關于數學的任何功能，是以隻能使用冗長的分組，選擇，字元類來描述一個正确的 IP 位址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。
了解這個表達式的關鍵是了解2[0-4]\d|25[0-5]|[01]?\d\d?，這裡就不細說了，大家應該能分析得出來它的意義。
9、貪婪與懶惰
當正規表達式中包含能接受重複的限定符時，通常的行為是比對盡可能多的字元。以這個表達式為例： b.*c ，它将會比對最長的以 b 開始，以 c 結束的字元串。如果用它來搜尋 babac 的話，它會比對整個字元串 babac 。這被稱為貪婪比對。
有時，我們更需要懶惰比對，也就是比對盡可能少的字元。前面給出的限定符都可以被轉化為懶惰比對模式，隻要在它後面加上一個問号 ? 。這樣 .*? 就意味着比對任意數量的重複，但是在能使整個比對成功的前提下使用最少的重複。現在看看懶惰版的例子吧：
a.*?b 比對最短的，以 a 開始，以 b 結束的字元串。如果把它應用于 aabab 的話，它會比對 aab（第一到第三個字元）和 ab（ 第四到第五個字元）。
限定符 描述
*? 重複任意次，但盡可能少重複
+? 重複 1 次或更多次，但盡可能少重複
?? 重複 0 次或 1 次，但盡可能少重複
{n,m}? 重複 n 到 m 次，但盡可能少重複
{n,}? 重複 n 次以上，但盡可能少重複
10、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規表達式的方式。下面是 .Net 中常用的正規表達式選項：
IgnoreCase 比對時不區分大小寫。
Multiline 更改 ^ 和 的精确含意是:比對 \n 之前的位置以及字元串結束前的位置.)
Singleline 更改 . 的含義，使它與每一個字元比對（包括換行符 \n）
IgnorePatternWhitespace 更改 . 的含義，使它與每一個字元比對（包括換行符 \n ）
ExplicitCapture 僅捕獲已被顯式命名的組。
一個經常被問到的問題是：是不是隻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。
11、提示
正規表達式内容還有很多，筆者這裡隻列舉常用部分，讀者若想進一步學習，可在微軟專業正規表達式學習網站學習：
https://docs.microsoft.com/zh-cn/dotnet/standard/base-types/regular-expressions?redirectedfrom=MSDN正規表達式文法支援情況如下圖：
