正則表達是到底是什麼東西？
在編寫處理字符串的程序或網頁時，經常會有查找符合某些複雜規則的字符串的需要。正則表達式就是用於描述這些規則的工具。換句話說，正則表達式就是記錄文本規則的代碼。
很可能你使用過Windows/Dos下用於文件查找的通配符(wildcard)，也就是*和?。如果你想查找某個目錄下的所有的Word文檔的話，你會搜索*.doc。在這裏，*會被解釋成任意的字符串。和通配符類似，正則表達式也是用來進行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求——當然，代價就是更復雜——比如你可以編寫一個正則表達式，用來查找所有以0開頭，後面跟着2-3個數字，然後是一個連字號“-”，最後是7或8位數字的字符串(像010-12345678或0376-7654321)。
簡單的例子：
假如我們想搜索hi，如果忽略大小寫，那麼可能會出現hi，HI，Hi和hI；另外很多單詞裏包含hi這兩個連續的字符，比如him,history,high等等，如果要精確地查找hi這個單詞的話，我們應該使用\bhi\b
\b是正則表達式規定的一個特殊代碼（好吧，某些人叫它元字符，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，標點符號或者換行來分隔的，但是\b並不匹配這些單詞分隔字符中的任何一個，它只匹配一個位置。
假如你要找的是hi後面不遠處跟着一個Lucy，你應該用\bhi\b.*\bLucy\b。
這裏的點號.是另一個元字符，匹配除了換行符以外的任意字符。*同樣是元字符，不過它代表的不是字符，也不是位置，而是數量——它指定*前邊的內容可以連續重複出現任意次以使整個表達式得到匹配。因此，.*連在一起就意味着任意數量的不包含換行的字符。現在\bhi\b.*\bLucy\b的意思就很明顯了：先是一個單詞hi,然後是任意個任意字符(但不能是換行)，最後是Lucy這個單詞。
0\d\d-\d\d\d\d\d\d\d\d，這裏的\d是個新的元字符，匹配一位數字(0，或1，或2，或……)。-不是元字符，只匹配它本身——連字符或者減號。
爲了避免那麼多煩人的重複，我們也可以這樣寫這個表達式：0\d{2}-\d{8}。 這裏\d後面的{2}({8})的意思是前面\d必須連續重複匹配2次(8次)。
注意：
我們可以使用一個綠色軟件：.Net下的工具Regex Tester。首先你確保已經安裝了.Net Framework 2.0，然後下載Regex Tester。下載完後打開壓縮包,直接運行RegexTester.exe就可以了。
元字符
現在你已經知道幾個很有用的元字符了，如\b，.，*，還有\d.正則表達式裏還有更多的元字符，比如\s匹配任意的空白符，包括空格，製表符(Tab)，換行符，中文全角空格等。\w匹配字母或數字或下劃線或漢字等。
\ba\w*\b匹配以字母a開頭的單詞——先是某個單詞開始處(\b)，然後是字母a,然後是任意數量的字母或數字(\w*)，最後是單詞結束處(\b)
\d+匹配1個或更多連續的數字。這裏的+是和*類似的元字符，不同的是*匹配重複任意次(可能是0次)，而+則匹配重複1次或更多次。
\b\w{6}\b 匹配剛好6個字母/數字/下劃線的單詞。【本來\w表示字符，數字，下劃線，漢字，但\b匹配單詞的開始或結束，所以除了漢字以外的這幾種組合都可以~】
元字符^（和數字6在同一個鍵位上的符號）和$都匹配一個位置，這和\b有點類似。^匹配你要用來查找的字符串的開頭，$匹配結尾。這兩個代碼在驗證輸入的內容時非常有用，比如一個網站如果要求你填寫的QQ號必須爲5位到12位數字時，可以使用：^\d{5,12}$。^和$還有匹配行的開始處和結束處~
表1.常用的元字符
| 代碼 | 說明 |
| . | 匹配除換行符以外的任意字符【.和*的區別，*代表的不是字符和位置，而是數量】 |
| \w | 匹配字母或數字或下劃線或漢字 |
| \s | 匹配任意的空白符【空格，製表符(Tab)，換行符，中文全角空格】 |
| \d | 匹配數字 |
| \b | 匹配單詞的開始或結束【匹配一個位置】 |
| ^ | 匹配字符串的開始 |
| $ | 匹配字符串的結束 |
字符轉義
如果你想查找元字符本身的話，比如你查找.,或者*,就出現了問題：你沒辦法指定它們，因爲它們會被解釋成別的意思。這時你就得使用\來取消這些字符的特殊意義。因此，你應該使用\.和\*。當然，要查找\本身，你也得用\\.
例如：unibetter\.com匹配unibetter.com，如果不加轉義符，則.匹配除換行符以外的任意字符
C:\\Windows匹配C:\Windows。
重複
你已經看過了前面的*,+,{2},{5,12}這幾個匹配重複的方式了。下面是正則表達式中所有的限定符(指定數量的代碼，例如*,{5,12}等)：
表2.常用的限定符
| 代碼/語法 | 說明 |
| * | 重複零次或更多次 |
| + | 重複一次或更多次 |
| ？ | 重複零次或一次 |
| {n} | 重複n次 |
| {n,} | 重複n次或更多次 |
| {n,m} | 重複n到m次 |
Windows\d+匹配Windows後面跟1個或更多數字
^\w+匹配一行的第一個單詞(或整個字符串的第一個單詞，具體匹配哪個意思得看選項設置)
字符類
如果你想匹配沒有預定義元字符的字符集合(比如元音字母a,e,i,o,u)應該怎麼辦？
很簡單，你只需要在方括號裏列出它們就行了，像[aeiou]就匹配任何一個英文元音字母，[.?!]匹配標點符號(.或?或!)。
[0-9]代表的含意與\d就是完全一致的：一位數字，同理[a-z0-9A-Z_]也完全等同於\w（如果只考慮英文的話）。
下面是一個更復雜的表達式：\(?0\d{2}[) -]?\d{8}
這個表達式可以匹配幾種格式的電話號碼，像(010)88886666，或022-22334455，或02912345678等。我們對它進行一些分析吧：首先是一個轉義字符\(,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})。
分枝條件
不幸的是，剛纔那個表達式也能匹配010)12345678或(022-87654321或021 58771255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。正則表達式裏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？沒關係，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}這個表達式用於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爲它能說明一個問題：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，那麼就只會匹配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
我們已經提到了怎麼重複單個字符（直接在字符後面加上限定符就行了）；但如果想要重複多個字符又該怎麼辦？你可以用小括號來指定子表達式(也叫做分組)，然後你就可以指定這個子表達式的重複次數了，你也可以對子表達式進行其它一些操作(後面會有介紹)。
(\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)重複3次，最後再加上一個一到三位的數字(\d{1,3})。
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，但是正則表達式中並不提供關於數學的任何功能，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?，這裏我就不細說了，你自己應該能分析得出來它的意義。
