.NET把Windows开发者引入到正则表达式的世界

正则表达式（regular expression，即Regex）是说明大块文本的一种模式（pattern）。正则表达式引擎把这种模式运用到源文件文本中去。最初的源文本是不相关的——它可以是文本文件、网页的HTML源代码、甚至是数据库表格中的一个栏。

只需要使用几种记号（token），你就可以描述出复杂的模式，而且你还可以对这些模式作些很酷的事，如算术运算（也就是说，计算该模式出现的次数）。

正则表达式应用程序

用到正则表达式的应用程序太多了，以至于不能在本文全部列出，但我们还是列出了一部分让你大概看看正则表达式有些什么作用：

• 验证用户数据的有效性，用户数据（如电话号码、信用卡号码、电子邮件地址等等）可以来自网站或者本地应用程序。
• 在文本文件中搜索诸如“莎士比亚全集”（字数不得少于10个字符或者任意指定的字符数）这样的字句，或者搜索“love”以及“horse”（忽略大小写）并报告它们出现的位置和次数。
• 把重要的数据，如各个网站给出的足球比赛日程表，保存到我自己的数据库中去。
• 对网站搜索引擎来说，为正则表达式保持一个智能的前端并写出模式；然后所有其它工作交由.NET处理。

模式识别

模式是一个字符序列的代数表达式，它满足递加性（也就是说模式可以包含一系列其它模式）和递归性（也就是说模式可以包含子模式）。表A列出了正则表达式中常见的标记。

 
表A

标记	含义
.	匹配任何单个字符（也就是说，“w.e”匹配“Brawley”，这里“.”匹配单字符“l”）。
	用来指明不用考虑前后字符的单词（也就是说，定界符是空格、制表符或者逗号都不要紧）。
w	匹配任何单词字符（即A～Z、a～z，以及0～9）。
W	匹配任何非单词字符（即除A～Z、a～z，以及0～9之外的字符。
d	匹配任何数字。
D	匹配任何非数字。
.	表示你实际上搜索点号的换码序列（因为点号有其它意义，所以需要用换码的方式表示它）。
s	表示任何白空格（可以是制表符也可以是空格，我们并不关心它具体是什么）。
S	表示任何非白空格。
^	字符串或者行的起始标记。
$	字符串或者行的结束标记。
*	用于指示零或者大于零发生了。
?	指示任意字符（也就是说，零或者一发生了。
+	前一标记出现一次或者多次（也就是说“w+”表示匹配任何字）。
[]	表示一个范围，如[A-Z]表明匹配任何大写字母。
|	OR（或）运算符，用来指示感兴趣的匹配的集合 （也就是说，“ABC|BCD|DEF”匹配任何含有这三个序列中任意一个或者多个的字符串。
()	与“|”相同。

常见正则表达式标记

例如，模式“M[aeiouy]”表示以字符“M”开头，后面跟着任何元音字母（a、e、i、o、u或者y）的字符组合，而模式“M[^aeiouy]”表示字符“M”后没有跟着元音字母的字符组合。