【批量编辑】阿里助手使用正则表达式匹配复杂内容

【本章引用微软MSDN内容】

正则表达式语言 - 快速参考

正则表达式是正则表达式引擎尝试匹配输入文本的一种模式。模式由一个或多个字符文本、运算符或构造组成。有关简单介绍，请参见 .NET Framework 正则表达式。

此快速参考中的每一节都列出了可用于定义正则表达式的字符、运算符和构造的一种特定类别。

字符转义
字符类
定位点
分组构造
限定符
反向引用构造
替换构造
替换
正则表达式选项
其他构造

字符转义

正则表达式中的反斜杠字符 (\) 指示其后跟的字符是特殊字符（如下表所示），或应按原义解释该字符。有关更多信息，请参见正则表达式中的字符转义。

转义字符	描述	模式	匹配
\a	与报警 (bell) 符 \u0007 匹配。	\a	“Error!”+“\u0007”中的“\u0007”
\b	在字符类中，与退格键 \u0008 匹配。	[\b]{3,}	“\b\b\b\b”中的“\b\b\b\b”
\t	与制表符 \u0009 匹配。	(\w+)\t	“item1\titem2\t”中的“item1\t”和“item2\t”
\r	与回车符 \u000D 匹配。（\r 与换行符 \n 不是等效的。）	\r\n(\w+)	“\r\nThese are\ntwo lines.”中的“\r\nThese”
\v	与垂直制表符 \u000B 匹配。	[\v]{2,}	“\v\v\v”中的“\v\v\v”
\f	与换页符 \u000C 匹配。	[\f]{2,}	“\f\f\f”中的“\f\f\f”
\n	与换行符 \u000A 匹配。	\r\n(\w+)	“\r\nThese are\ntwo lines.”中的“\r\nThese”
\e	与转义符 \u001B 匹配。	\e	“\x001B”中的“\x001B”
\nnn	指定字符的使用八进制表示形式 (nnn 由两个或三位数字组成)。	\w\040\w	“a bc d”中的 “a b”和“c d”
\xnn	使用十六进制表示形式指定字符（nn 恰好由两位数字组成）。	\w\x20\w	“a bc d”中的 “a b”和“c d”
\c X \c x	匹配 X 或 x 指定的 ASCII 控件字符，其中 X 或 x 是控件字符的字母。	\cC	“\x0003”中的“\x0003”(Ctrl-C)
\unnnn	使用十六进制表示形式匹配 Unicode 字符（由 nnnn 正确表示的四位数）。	\w\u0020\w	“a bc d”中的 “a b”和“c d”
\	在后面带有不识别为本主题的此表和其他表中的转义符的字符时，与该字符匹配。例如，\* 相同。\x2A，并且，\. 相同。\x2E。这允许正则表达式引擎区分语言元素（如 * 或 ?）和字符（用 \* 或\? 表示）。	\d+[\+-x\]\d+\d+[\+-x\\d+	“(2+2) * 39”中的“2+2”和“39”

字符类

字符类与一组字符中的任何一个字符匹配。字符类包括下表中列出的语言元素。有关更多信息，请参见正则表达式中的字符类。

字符类	描述	模式	匹配
[ 字符分组 ]	与 character_group 中的任何单个字符匹配。默认情况下，匹配区分大小写。	[ae]	“gray”中的“a” “lane”中的“a”和“e”
[^ 字符分组 ]	非：与不在 character_group 中的任何单个字符匹配。默认情况下，character_group中的字符区分大小写。	[^aei]	“reign”中的“r”、“g”和“n”
[ 第一个 - 最后一个 ]	字符范围：与从 first 到 last 的范围中的任何单个字符匹配。	[A-Z]	“AB123”中的“A”和“B”
.	通配符：与除 \n 之外的任何单个字符匹配。匹配文本句点字符 (。或 \u002E)，则必须在该字符前面加上转义符 (\.)。	a.e	“nave”中的“ave” “water”中的“ate”
\p{ name }	与 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。	\p{Lu} \p{IsCyrillic}	“City Lights”中的“C”和“L” “ДЖem”中的“Д”和“Ж”
\P{ name }	与不在 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。	\P{Lu} \P{IsCyrillic}	“City”中的“i”、“t”和“y” “ДЖem”中的“e”和“m”
\w	与任何单词字符匹配。	\w	“ID A1.3”中的“I”、“D”、“A”、“1”和“3”
\W	与任何非单词字符匹配。	\W	“ID A1.3”中的“ ”、“.”
\s	与任何空白字符匹配。	\w\s	“ID A1.3”中的“D”
\S	与任何非空白字符匹配。	\s\S	“int __ctr”中的“ _”
\d	与任何十进制数字匹配。	\d	“4 = IV”中的“4”
\D	除了十进制数字外，与任何字符。	\D	“4 = IV”中的“ ”、“=”、“ ”、“I”和“V”

定位点

定位点或原子零宽度断言会使匹配成功或失败，具体取决于字符串中的当前位置，但它们不会使引擎在字符串中前进或使用字符。下表中列出的元字符是定位点。有关更多信息，请参见正则表达式中的定位点。

断言	描述	模式	匹配
^	匹配必须从字符串或一行的开头开始。	^\d{3}	“901” “901-”
$	匹配必须出现在字符串的末尾或出现在行或字符串末尾的 \n 之前。	-\d{3}$	“-901-333”中的 “-333”
\A	匹配必须出现在字符串的开头。	\A\d{3}	“901” “901-”
\Z	匹配必须出现在字符串的末尾或出现在字符串末尾的 \n 之前。	-\d{3}\Z	“-901-333”中的 “-333”
\z	匹配必须出现在字符串的末尾。	-\d{3}\z	“-901-333”中的 “-333”
\G	匹配必须出现在上一个匹配结束的地方。	\G$\d$	“(1)(3)(5)[7](9)”中的“(1)”、“(3)”、“(5)”
\b	匹配必须出现在 \w（字母数字）和 \W（非字母数字）字符之间的边界上。	\b\w+\s\w+\b	“它们主题”，“them them”在“它们 theme them them”
\B	匹配不得出现在 \b 边界上。	\Bend\w*\b	“end sends endure lender”中的“ends”和“ender”

分组构造

分组构造描述了正则表达式的子表达式，通常用于捕获输入字符串的子字符串。分组构造包括下表中列出的语言元素。有关更多信息，请参见正则表达式中的分组构造。

分组构造	描述	模式	匹配
( 子表达式 )	捕获匹配的子表达式并将其分配到一个从零开始的序号中。	(\w)\1	“deep”中的“ee”
(?< 名称 > 子表达式 )	将匹配的子表达式捕获到一个命名组中。	(?<double>\w)\k<double>	“deep”中的“ee”
(?< 名称 1 - 名称 2 > 子表达式 )	定义平衡组定义。有关更多信息，请参见正则表达式中的分组构造中的“平衡组定义”部分。	(((?'Open'$)[^\($])+((?'Close-Open'\))[^])+)*(?(Open)(?!))$	“3+2^((1-3)(3-1))”中的“((1-3)(3-1))”
(?: 子表达式 )	定义非捕获组。	Write(?:Line)?	“Console.WriteLine()”中的“WriteLine”
(?imnsx-imnsx:子表达式 )	应用或禁用子表达式中指定的选项。有关更多信息，请参见正则表达式选项。	A\d{2}(?i:\w+)\b	“A12xl A12XL a12xl”中的“A12xl”和“A12XL”
(?= 子表达式 )	零宽度正预测先行断言。	\w+(?=\.)	“He is. The dog ran. The sun is out.”中的“is”、“ran”和“out”
(?! 子表达式 )	零宽度负预测先行断言。	\b(?!un)\w+\b	“unsure sure unity used”中的“sure”和“used”
(?<= 子表达式 )	零宽度正回顾后发断言。	(?<=19)\d{2}\b	“1851 1999 1950 1905 2003”中的“99”、“50”和“05”
(?<! 子表达式 )	零宽度负回顾后发断言。	(?<!19)\d{2}\b	“1851 1999 1950 1905 2003”中的“51”和“03”
(?> 子表达式 )	非回溯（也称为“贪婪”）子表达式。	[13579](?>A+B+)	“1ABB 3ABBC 5AB 5AC”中的“1ABB”、“3ABB”和“5AB”

限定符

限定符指定在输入字符串中必须存在上一个元素（可以是字符、组或字符类）的多少个实例才能出现匹配项。限定符包括下表中列出的语言元素。有关更多信息，请参见正则表达式中的限定符。

限定符	描述	模式	匹配
*	匹配上一个元素零次或多次。	\d*\. \d	“.0”，“19.9”和“219.9”
+	匹配上一个元素一次或多次。	"be+"	“been”中的“bee”，“bent”中的“be”
?	匹配前面的元素零次或一次。	"rai? n"	“ran”和“rain”
{ n }	匹配上一个元素恰好 n 次。	",\d{3}"	“1,043.6”中的“,043”，“9,876,543,210”中的“,876”、“,543”和“,210”
{ n ,}	匹配上一个元素至少 n 次。	"\d{2,}"	“166”，“29”和“1930”
{ n , m }	匹配上一个元素至少 n 次，但不多于 m 次。	"\d{3,5}"	“166”、“17668” “193024”中的“19302”
*?	匹配上一个元素零次或多次，但次数尽可能少。	\d*? \. \d	“.0”，“19.9”和“219.9”
+?	匹配上一个元素一次或多次，但次数尽可能少。	"be+?"	“been”中的“be”，“bent”中的“be”
??	匹配上一个元素零次或一次，但次数尽可能少。	"rai?? n"	“ran”和“rain”
{ n }?	匹配前导元素恰好 n 次。	",\d{3}?"	“1,043.6”中的“,043”，“9,876,543,210”中的“,876”、“,543”和“,210”
{ n ,}?	匹配上一个元素至少 n 次，但次数尽可能少。	"\d{2,}?"	“166”，“29”和“1930”
{ n , m}?	匹配上一个元素的次数介于 n 和 m 之间，但次数尽可能少。	"\d{3,5}?"	“166”、“17668” “193024”中的“193”、“024”

反向引用构造

反向引用允许在同一正则表达式中随后标识以前匹配的子表达式。下表列出了 .NET Framework 的正则表达式支持的反向引用构造。有关更多信息，请参见正则表达式中的反向引用构造。

反向引用构造	描述	模式	匹配
\ 数值	后向引用。匹配编号子表达式的值。	(\w)\1	“seek”中的“ee”
\k< name >	命名后向引用。匹配命名表达式的值。	(?<char>\w)\k<char>	“seek”中的“ee”

替换构造

替换构造用于修改正则表达式以启用 either/or 匹配。这些构造包括下表中列出的语言元素。有关更多信息，请参见正则表达式中的备用构造。

替换构造	描述	模式	匹配
\|	匹配以竖线 (\|) 字符分隔的任何一个元素。	th(e\|is\|at)	“this is the day.”中的“the”和“this”“
(?( 表达式 )yes \| no )	如果表达式指定的正则表达式模式匹配，与是 ;否则，与可选否部件。表达式被解释为零宽度断言。	(?(A)A\d{2}\b\|\b\d{3}\b)	“A10 C103 910”中的“A10”和“910”
(?( 名称 )yes \| no )	如果名称，一个命名的或编号捕获的组，存在匹配项，与是 ;否则，与可选否。	(?<quoted>")?(?(quoted).+?"\|\S+\s)	“Dogs.jpg "Yiska playing.jpg"”中的 Dogs.jpg 和 "Yiska playing.jpg"

替换

替换是替换模式中支持的正则表达式语言元素。有关更多信息，请参见正则表达式中的替代。下表中列出的元字符是原子零宽度断言。

字符	描述	模式	替换模式	输入字符串	结果字符串
$ 数值	替换按组 number 匹配的子字符串。	\b(\w+)(\s)(\w+)\b	$3$2$1	"one two"	"two one"
${ name }	替换按命名组 name 匹配的子字符串。	\b(?<word1>\w+)(\s)(?<word2>\w+)\b	${word2} ${word1}	"one two"	"two one"
$$	替换字符“$”。	\b(\d+)\s?USD	$$$1	“103 USD”	“$103”
$&	替换整个匹配项的一个副本。	(\$(\d(\.+\d+)?){1})	**$&	“$1.30”	“$1.30”
$`	替换匹配前的输入字符串的所有文本。	B+	$`	“AABBCC”	“AAAACC”
$'	替换匹配后的输入字符串的所有文本。	B+	$'	“AABBCC”	“AACCCC”
$+	替换最后捕获的组。	B+(C+)	$+	“AABBCCDD”	AACCDD
$_	替换整个输入字符串。	B+	$_	“AABBCC”	“AAAABBCCCC”

正则表达式选项

可以指定控件的 tab 正则表达式引擎如何解释正则表达式模式。其中的许多选项可以指定或内联 (在正则表达式模式) 或作为一个或多 RegexOptions 常数。本快速参考列表仅内联选项。有关内联的更多信息和 RegexOptions 选项，请参见这篇报导正则表达式选项。

可以通过以下两种方式指定内联选项：

使用其他构造(?imnsx-imnsx)，一个减号 (-) 在选项前面或设置选项关闭这些选项。例如，(?i-mn) 变为不区分大小写匹配 (i)，关闭多行模式 (m) 和关闭未命名的组捕获 (n)。该选项适用于正则表达式模式从的选项卡中定义的点，并有效的对架构的结尾或自乘另一个构造反转选项卡的点。
使用分组构造(?imnsx-imnsx:子表达式)，定义指定的只有组的选项。

.NET framework 正则表达式引擎支持以下内联选项。

选项	描述	模式	匹配
i	使用不区分大小写的匹配。	\b(?i)a(?-i)a\w+\b	“土豚”，“aaaAuto”中的“土豚 AAAuto aaaAuto ADAM 早餐”
m	使用多行模式。 ^ 和 $ 匹配行的开头和结尾，而不是字符串的开头和结尾。	有关示例，请参见" 正则表达式选项的“多行模式”一节。
n	不捕获未命名的组。	有关示例，请参见" 正则表达式选项的“仅显式捕获”一节。
s	使用单行模式。	有关示例，请参见" 正则表达式选项“单行模式”一节。
x	ignore 非在正则表达式模式的空白。	\b(?x) \d+ \s \w+	“1 土豚”，“2 只猫”中的“1 土豚 2 猫 IV 十方队队长”

返回页首

其他构造

其他构造可修改某个正则表达式模式或提供有关该模式的信息。下表列出了 .NET Framework 支持的其他构造。有关更多信息，请参见正则表达式中的其他构造。

构造	定义	示例
(?imnsx-imnsx)	在模式中间对诸如不区分大小写这样的选项进行设置或禁用。有关更多信息，请参见正则表达式选项。	\bA(?i)b\w+\b 匹配“ABA Able Act”中的“ABA”和“Able”
(?# 注释 )	内联注释。该注释在第一个右括号处终止。	\bA(?#Matches words starting with A)\w+\b
# [至行尾]	X 模式注释。该注释以非转义的 # 开头，并继续到行的结尾。	(?x)\bA\w+\b#Matches words starting with A

<<返回列表

在线帮助