正则表达式语言 - 快速参考

发布时间:2020-02-02 阅读 323

Stata 连享会   主页 || 视频 || 推文

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

课程详情 https://gitee.com/arlionn/Course   |   lianxh.cn

课程主页 https://gitee.com/arlionn/Course


目录


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。 有关简要介绍,请参阅 .NET 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。

此外,我们还以两种格式提供此信息,供你下载和打印以便参考:

  • 以 Word (.docx) 格式下载,Link
  • 以 PDF (.pdf) 格式下载,Link

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。 有关详细信息,请参阅 字符转义

转义字符 说明 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""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 使用八进制表示形式指定字符(nnn 由二位或三位数字组成)。 \w\040\w "a bc d" 中的 "a b""c d"
\x nn 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""c d"
\c X \c x 匹配 Xx指定的 ASCII 控制字符,其中 Xx 是控制字符的字母。 \cC "\x0003" 中的 "\x0003" (Ctrl-C)
\u nnnn 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""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, \*\x2A相同,而 \.\x2E相同。 这样一来,正则表达式引擎可以区分语言元素(如 * 或 ?)和字符文本(由 \*\? 表示)。 \d+[\+-x\*]\d+ "(2+2) * 3*9" 中的 "2+2""3*9"

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 字符类

字符类 说明 模式 匹配
[ character_group ] 匹配 character_group中的任何单个字符。 默认情况下,匹配区分大小写。 [ae] "gray" 中的 "a" "lane" 中的 "a""e"
[^ character_group ] 求反:与不在 character_group 中的任意单个字符匹配。 默认情况下, character_group 中的字符区分大小写。 [^aei] "reign" 中的 "r""g""n"
[ first - last ] 字符范围:与从 firstlast的范围中的任意单个字符匹配。 [A-Z] "AB123" 中的 "A""B"
. 通配符:与除 \n 之外的任意单个字符匹配。 若要匹配文本句点字符(. 或 \u002E),你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 } 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""L" "ДЖem" 中的 "Д""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""y" "ДЖem" 中的 "e""m"
\w 与任何单词字符匹配。 \w "ID A1.3" 中的 "I""D""A""1""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 匹配不是十进制数的任意字符。 \D "4 = IV" 中的 " ""="" ""I""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。 有关详细信息,请参阅 定位点

断言 说明 模式 匹配
^ 默认情况下,必须从字符串的开头开始匹配;
在多行模式中,必须从该行的开头开始。
^\d{3} "901-333-" 中的 "901"
$ 默认情况下,匹配必须出现在字符串的末尾,
或在字符串末尾的 \n 之前;
在多行模式中,必须出现在该行的末尾之前,
或在该行末尾的 \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} "901-333-" 中的 "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 "them theme them them" 中的 "them 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""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。 有关详细信息,请参阅 分组构造

分组构造 说明 模式 匹配
( subexpression ) 捕获匹配的子表达式并将其分配到一个从 1 开始的序号中。 (\w)\1 "deep" 中的 "ee"
(?< name > subexpression ) 将匹配的子表达式捕获到一个命名组中。 (?\w)\k "deep" 中的 "ee"
(?< name1 - name2 > subexpression ) 定义平衡组定义。 有关详细信息,请参阅 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))"
(?: subexpression ) 定义非捕获组。 Write(?:Line)? "Console.WriteLine()" 中的 "WriteLine" "Console.Write(value)" 中的 "Write"
(?imnsx-imnsx: subexpression ) 应用或禁用 子表达式中指定的选项。 有关详细信息,请参阅 正则表达式选项 A\d{2}(?i:\w+)\b "A12xl A12XL a12xl" 中的 "A12xl""A12XL"
(?= subexpression ) 零宽度正预测先行断言。 \w+(?=\.) "He is. The dog ran. The sun is out." 中的 "is""ran""out"
(?! subexpression ) 零宽度负预测先行断言。 \b(?!un)\w+\b "unsure sure unity used" 中的 "sure""used"
(?<= subexpression ) 零宽度正回顾后发断言。 (?<=19)\d{2}\b "1851 1999 1950 1905 2003" 中的 "99""50""05"
(? subexpression)| 零宽度负回顾后发断言。 |(? "1851 1999 1950 1905 2003" 中的 "51""03"
(?> subexpression ) 原子组。 [13579](?>A+B+) "1ABB 3ABBC 5AB 5AC" 中的 "1ABB""3ABB""5AB"

数量词

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 数量词

限定符 说明 模式 匹配
* 匹配上一个元素零次或多次。 \d*\.\d ".0", "19.9", "219.9"
+ 匹配上一个元素一次或多次。 "be+" "been" 中的 "bee""bent" 中的 "be"
? 匹配上一个元素零次或一次。 "rai?n" "ran""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"",210"
{ n ,} 匹配上一个元素至少 n 次。 "\d{2,}" "166""29""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""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""rain"
{ n }? 匹配前面的元素恰好 n 次。 ",\d{3}?" "1,043.6" 中的 ",043""9,876,543,210" 中的 ",876"",543"",210"
{ n ,}? 匹配上一个元素至少 n 次,但次数尽可能少。 "\d{2,}?" "166""29""1930"
{ n , m }? 匹配上一个元素的次数介于 nm 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 正则表达式支持的反向引用构造。 有关详细信息,请参阅 反向引用构造

反向引用构造 说明 模式 匹配
\ number 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。 (?\w)\k "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。 有关详细信息,请参阅 替换构造

替换构造表达式 说明 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""this"
(?( expression ) yes | no ) 如果由 expression指定的正则表达式模式匹配,则匹配 yes ;否则,匹配可的 no 部分。 expression 解释为零宽度的断言。 (?(A)A\d{2}\b|\b\d{3}\b) "A10 C103 910" 中的 "A10""910"
(?( name ) yes | no ) 如果 name (已命名或已编号的捕获组)具有匹项,则匹配 yes;否则,匹配可的 no (?")?(?(quoted).+?"|\S+\s) "Dogs.jpg \"Yiska playing.jpg\"" 中的 "Dogs.jpg ""\"Yiska playing.jpg\""

替代

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 替代。 下表中列出的元字符是原子零宽度断言。

字符 说明 模式 替换模式 输入字符串 结果字符串
$ number 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(?\w+)(\s)(?\w+)\b ${word2} ${word1} "one two" "two one"
$$ 替换字符"$"。 \b(\d+)\s?USD $$$1 "103 USD" "$103"
$& 替换整个匹配项的一个副本。 \$?\d*\.?\d+ **$&** "$1.30" "**$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

可以指定控制正则表达式引擎如何解释正则表达式模式的选项。 其中的许多选项可以指定为内联(在正则表达式模式中)或指定为一个或多个 RegexOptions 常量。 本快速参考仅列出内联选项。 有关内联和 RegexOptions 选项的详细信息,请参阅文章 正则表达式选项

可通过两种方式指定内联选项:

  • 通过使用其他构造(?imnsx-imnsx),可用选项或选项组前的减号 (-) 关闭这些选项。 例如, (?i-mn) 启用不区分大小写的匹配 (i),关闭多行模式 (m) 并关闭未命名的组捕获 (n)。 该选项自定义选项的点开始应用于此正则表达式,且持续有效直到模式结束或者到另一构造反转此选项的点。
  • 通过使用 分组构造(?imnsx-imnsx:子表达式)(只定义指定组的选项)。

.NET 正则表达式引擎支持以下内联选项:

选项 说明 模式 匹配
i 使用不区分大小写的匹配。 \b(?i)a(?-i)a\w+\b "aardvark AAAuto aaaAuto Adam breakfast" 中的 "aardvark""aaaAuto"
m 使用多行模式。 ^$ 匹配行的开头和结尾,但不匹配字符串的开头和结尾。 有关示例,请参阅 正则表达式选项中的"多行模式"部分。
n 不捕获未命名的组。 有关示例,请参阅 正则表达式选项中的"仅显式捕获"部分。
s 使用单行模式。 有关示例,请参阅 正则表达式选项中的"单行模式"部分。
x 忽略正则表达式模式中的非转义空白。 \b(?x) \d+ \s \w+ "1 aardvark 2 cats IV centurions" 中的 "1 aardvark""2 cats"

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 支持的其他构造。 有关详细信息,请参阅 其他构造

构造表达式 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。有关详细信息,请参阅正则表达式选项 \bA(?i)b\w+\b 匹配 "ABA Able Act" 中的 "ABA""Able"
(?# comment ) 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

另请参阅

相关课程

连享会-直播课 上线了!
http://lianxh.duanshu.com

免费公开课:


课程一览

支持回看,所有课程可以随时购买观看。

专题 嘉宾 直播/回看视频
最新专题 DSGE, 因果推断, 空间计量等
Stata数据清洗 游万海 直播, 2 小时,已上线
研究设计 连玉君 我的特斯拉-实证研究设计-幻灯片-
面板模型 连玉君 动态面板模型-幻灯片-
面板模型 连玉君 直击面板数据模型 [免费公开课,2小时]

Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。


关于我们

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词:课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法

连享会主页  lianxh.cn
连享会主页 lianxh.cn

连享会小程序:扫一扫,看推文,看视频……

扫码加入连享会微信群,提问交流更方便

✏ 连享会学习群-常见问题解答汇总:
https://gitee.com/arlionn/WD