Vb.net 正規表示式 Regular Expression [Regex]

正規語法 (Regular Grammar) 是一種相當簡單的語法，這種語法被 Perl 語言成功的用於字串比對，接著成為重要的程式設計工具。此種標準的正規語法後來被稱為正則表達式 (Regular Expression)。目前，大部分的語言都已納入正則表達式的函式庫，正則表達是可以說是程式設計師必定要瞭解的工具，也就是常識的一部分。系統程式 設計師更應該要瞭解正則表達式，因為正規語法是程式語言當中，用來描述基本詞彙 (Vocabulary)，並據以建構詞彙掃描器 (Lexer) 的基礎語法，Lexer 是編譯器的基本元件之一。
假如我們要用正則表達式描述整數數字，那麼，可以用 [0123456789]+ 這個表達式，其中的中括號 [ 與 ] 會框住一群字元，用來代表字元群，加號 + 所代表的是重複 1 次或以上，因此，該表達式就可以描述像 3702451 這樣的數字。然而，在正則表達式中，為了更方便撰寫，於是允許用 [0-9]+ 這樣的式子表達同樣的概念，其中的 0-9 其實就代表了 0123456789 等字元，這是一種簡便的縮寫法。甚至，可以再度縮短後以 [\d]+ 代表，其中的 \d 就代表數字所成的字元集合。
利用範例學習是理解正則表達式的有效方法，表格 1 就顯示了一些具有代表性的正則表達式範例。

表格 1. 正則表達式的範例

語法	正則表達式	範例
整數	[0-9]+	3704
有小數點的實數	[0-9]+\.[0-9]+	7.93
英文詞彙	[A-Za-z]+	Code
變數名稱	[A-Za-z_][A-Za-z0-9_]*	_counter
Email	[a-zA-Z0-9_]+@[a-zA-Z0-9\._]+	smallgcok@smallgcok.com
URL	http://[a-zA-Z0-9\./_]+	https://long-ay.blogspot.com/

為了協助讀者理解這些範例，我們有必要對範例中的一些正則表達式符號進行說明。
在實數的範例中，使用 \. 代表小數點符號 .，不熟悉正則表達式的讀者一定覺得奇怪，為何要加上斜線符號 \ 呢？這是因為在正則表達式當中，有許多符號具有特殊意義，例如點符號 . 是用來表示任意字元的，星號 * 是代表 0 次或以上，加號 + 代表一次或以上，在正則表達式當中，有許多這類的特殊字元，因此用斜線 \ 代表跳出字元，就像 C 語言當中 printf 函數內的用途一樣。因此，當我們看到 \ 符號時，必須繼續向後看，才能知道其所代表的意義。表格 2 列出了正則表達式當中大部份的重要符號之意義，以供讀者參考。

表格 2. 正則表達式當中的符號之意義

字元	描述
\	將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進制轉義符。例如，“n”匹配字元“n”。“\n”匹 配一個分行符號。序列“\\”匹配“\”而“\(”則匹配“(”。
^	匹配輸入字串的開始位置。如果設置了RegExp物件的Multiline屬性，^也匹配“\n”或“\r”之後的位置。
$	匹配輸入字串的結束位置。如果設置了RegExp物件的Multiline屬性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子運算式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等價於{0,}。
+	匹配前面的子運算式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價於{1,}。
?	匹配前面的子運算式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等價於{0,1}。
{n}	n是一個非負整數。匹配確定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等價於“o+”。“o{0,}”則等價於“o*”。
{n,m}	m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o。“o{0,1}”等價於“o?”。請注意在逗號和兩個數之間不能有空格。
?	當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的 字串，而預設的貪婪模式則盡可能多的匹配所搜索的字串。例如，對於字串“oooo”，“o+?”將匹配單個“o”，而“o+”將匹配所有“o”。
.	匹配除“\n”之外的任何單個字元。要匹配包括“\n”在內的任何字元，請使用像“[.\n]”的模式。
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用“\(”或“\)”。
(?:pattern)	匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用“或”字元(|)來組合一個模式的各個部分是很有用。例如，“industr(?:y|ies)就是一個比”industry|industries'更簡略的運算式。
(?=pattern)	正向預查，在任何匹配pattern的字串開始處匹配查找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例 如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配 “Windows3.1”中的“Windows”。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從 包含預查的字元之後開始。
(?!pattern)	負向預查，在任何不匹配pattern的字串開始處匹配查找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如 “Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中 的“Windows”。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”則匹配“zood”或“food”。
[xyz]	字元集合。匹配所包含的任意一個字元。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	負值字元集合。匹配未包含的任意字元。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]	字元範圍。匹配指定範圍內的任意字元。例如，“[a-z]”可以匹配“a”到“z”範圍內的任意小寫字母字元。
[^a-z]	負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，“[^a-z]”可以匹配任何不在“a”到“z”範圍內的任意字元。
\b
\B	匹配非單詞邊界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字元。
\d	匹配一個數位字元。等價於[0-9]。
\D	匹配一個非數位字元。等價於[^0-9]。
\f	匹配一個換頁符。等價於\x0c和\cL。
\n	匹配一個分行符號。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\s	匹配任何空白字元，包括空格、定位字元、換頁符等等。等價於[\f\n\r\t\v]。
\S	匹配任何非空白字元。等價於[^\f\n\r\t\v]。
\t	匹配一個定位字元。等價於\x09和\cI。
\v	匹配一個垂直定位字元。等價於\x0b和\cK。
\w	匹配包括底線的任何單詞字元。等價於“[A-Za-z0-9_]”。
\W	匹配任何非單詞字元。等價於“[^A-Za-z0-9_]”。
\xn	匹配n，其中n為十六進位轉義值。十六進位轉義值必須為確定的兩個數位長。例如，“\x41”匹配“A”。“\x041”則等價於“\x04”&“1”。規則運算式中可以使用ASCII編碼。
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，“(.)\1”匹配兩個連續的相同字元。
\n	標識一個八進制轉義值或一個向後引用。如果\n之前至少n個獲取的子運算式，則n為向後引用。否則，如果n為八進位數字(0-7)，則n為一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向後引用。如果\nm之前至少有nm個獲得子運算式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進位數字(0-7)，則\nm將匹配八進制轉義值nm。
\nml	如果n為八進位數字(0-3)，且m和l均為八進位數字(0-7)，則匹配八進制轉義值nml。
\un	匹配n，其中n是一個用四個十六進位數位表示的Unicode字元。例如，\u00A9匹配版權符號（©）。

正則表達式在許多語言當中 (像是 Java, C#, Ruby, Python 等) 都已經有支援良好的函式庫，然而，在標準 C 語言的函式庫當中卻沒有這方面的函數，因此，我們使用 C# 這個語言說明正則表達式的用法。
範例 1. 在 C# 語言當中使用正則表達式進行樣式抽取的程式範例

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53

using System; using System.Collections.Generic; using System.Text.RegularExpressions; public class Regexp { // 測試主程式 static void Main(string[] args) { List<String> list = Regexp.matches(@" 32.4 + 56.7 is 89.1 ", @"[0-9]+\.[0-9]+", 0); foreach (String token in list) Console.WriteLine(token); } // 傳回text 中符合正規表示式pattern 的所有段落。 public static List<String> matches(String text, String pattern, int groupId) { List<String> rzList = new List<String>(); Match match = Regex.Match(text, pattern); for (int i = 0; match.Success; i++) { rzList.Add(match.Groups[groupId].Value); match = match.NextMatch(); } return rzList; } }

執行結果

D:\ExampleCode>csc Regexp.cs

Microsoft (R) Visual C# 2008 Compiler version 3.5.21022.8

for Microsoft (R) .NET Framework version 3.5

Copyright (C) Microsoft Corporation. All rights reserved.

D:\ExampleCode>Regexp

32.4

56.7

89.1

參考文獻

資料來源：張智星的網站 - 正規表示式

正規表示式     說明及範例     比對不成立之字串

/a/     含字母 “a” 的字串，例如 “ab”, “bac”, “cba”     “xyz”

/a./     含字母 “a” 以及其後任一個字元的字串，例如 “ab”, “bac”（若要比對.，請使用 \.）     “a”, “ba”

/^xy/     以 “xy” 開始的字串，例如 “xyz”, “xyab”（若要比對 ^，請使用 \^）     “axy”, “bxy”

/xy$/     以 “xy” 結尾的字串，例如 “axy”, “abxy”以 “xy” 結尾的字串，例如 “axy”, “abxy” （若要比對 $，請使用 \$）     “xya”, “xyb”

[13579]     包含 “1〃 或 “3〃 或 “5〃 或 “7〃 或 “9〃 的字串，例如：”a3b”, “1xy”     “y2k”

[0-9]     含數字之字串     不含數字之字串

[a-z0-9]     含數字或小寫字母之字串     不含數字及小寫字母之字串

[a-zA-Z0-9]     含數字或字母之字串     不含數字及字母之字串

b[aeiou]t     “bat”, “bet”, “bit”, “bot”, “but”     “bxt”, “bzt”

[^0-9]     不含數字之字串（若要比對 ^，請使用 \^）     含數字之字串

[^aeiouAEIOU]     不含母音之字串（若要比對 ^，請使用 \^）     含母音之字串

[^\^]     不含 “^” 之字串，例如 “xyz”, “abc”     “xy^”, “a^bc”

.

正規表示式的特定字元     說明     等效的正規表示式

\d     數字     [0-9]

\D     非數字     [^0-9]

\w     數字、字母、底線     [a-zA-Z0-9_]

\W     非 \w     [^a-zA-Z0-9_]

\s     空白字元     [ \r\t\n\f]

\S     非空白字元     [^ \r\t\n\f]

.

正規表示式     說明

/a?/     零或一個 a（若要比對? 字元，請使用 \?）

/a+/     一或多個 a（若要比對+ 字元，請使用 \+）

/a*/     零或多個 a（若要比對* 字元，請使用 \*）

/a{4}/     四個 a

/a{5,10}/     五至十個 a

/a{5,}/     至少五個 a

/a{,3}/     至多三個 a

/a.{5}b/     a 和 b中間夾五個（非換行）字元

.

字元     說明     簡單範例

\     避開特殊字元     /A\*/ 可用於比對 “A*”，其中 * 是一個特殊字元，為避開其特殊意義，所以必須加上 “\”

^     比對輸入列的啟始位置     /^A/ 可比對 “Abcd” 中的 “A”，但不可比對 “aAb”

$     比對輸入列的結束位置     /A$/ 可比對 “bcdA” 中的 “A”，但不可比對 “aAb”

*     比對前一個字元零次或更多次     /bo*/ 可比對 “Good boook” 中的 “booo”，亦可比對 “Good bk” 中的 “b”

+     比對前一個字元一次或更多次，等效於 {1,}     /a+/ 可比對 “caaandy” 中的 “aaa”，但不可比對 “cndy”

?     比對前一個字元零次或一次     /e?l/ 可比對 “angel” 中的 “el”，也可以比對 “angle” 中的 “l”

.     比對任何一個字元（但換行符號不算）     /.n/ 可比對 “nay, an apple is on the tree” 中的 “an” 和 “on”，但不可比對 “nay”

(x)     比對 x 並將符合的部分存入一個變數     /(a*) and (b*)/ 可比對 “aaa and bb” 中的 “aaa” 和 “bb”，並將這兩個比對得到的字串設定至變數 RegExp.$1 和 RegExp.$2。

xy     比對 x 或 y     /a*b*/g 可比對 “aaa and bb” 中的 “aaa” 和 “bb”

{n}     比對前一個字元 n 次，n 為一個正整數     /a{3}/ 可比對 “lllaaalaa” 其中的 “aaa”，但不可比對 “aa”

{n,}     比對前一個字元至少 n 次，n 為一個正整數     /a{3,}/ 可比對 “aa aaa aaaa” 其中的 “aaa” 及 “aaaa”，但不可比對 “aa”

{n,m}     比對前一個字元至少 n 次，至多 m 次，m、n 均為正整數     /a{3,4}/ 可比對 “aa aaa aaaa aaaaa” 其中的 “aaa” 及 “aaaa”，但不可比對 “aa” 及 “aaaaa”

[xyz]     比對中括弧內的任一個字元     /[ecm]/ 可比對 “welcome” 中的 “e” 或 “c” 或 “m”

[^xyz]     比對不在中括弧內出現的任一個字元     /[^ecm]/ 可比對 “welcome” 中的 “w”、”l”、”o”，可見出其與 [xyz] 功能相反。（同時請注意 /^/ 與 [^] 之間功能的不同。）

[\b]     比對退位字元（Backspace character）     可以比對一個 backspace ，也請注意 [\b] 與 \b 之間的差別

\b     比對英文字的邊界，例如空格     例如 /\bn\w/ 可以比對 “noonday” 中的 ‘no’ ;

/\wy\b/ 可比對 “possibly yesterday.” 中的 ‘ly’

\B     比對非「英文字的邊界」     例如, /\w\Bn/ 可以比對 “noonday” 中的 ‘on’ ,

另外 /y\B\w/ 可以比對 “possibly yesterday.” 中的 ‘ye’

\cX     比對控制字元（Control character），其中 X 是一個控制字元     /\cM/ 可以比對 一個字串中的 control-M

\d     比對任一個數字，等效於 [0-9]     /[\d]/ 可比對 由 “0〃 至 “9〃 的任一數字 但其餘如字母等就不可比對

\D     比對任一個非數字，等效於 [^0-9]     /[\D]/ 可比對 “w” “a”⋯ 但不可比對如 “7〃 “1〃 等數字

\f     比對 form-feed     若是在文字中有發生 “換頁” 的行為 則可以比對成功

\n     比對換行符號     若是在文字中有發生 “換行” 的行為 則可以比對成功

\r     比對 carriage return     

\s     比對任一個空白字元（White space character），等效於 [ \f\n\r\t\v]     /\s\w*/ 可比對 “A b” 中的 “b”

\S     比對任一個非空白字元，等效於 [^ \f\n\r\t\v]     /\S/\w* 可比對 “A b” 中的 “A”

\t     比對定位字元（Tab）     

\v     比對垂直定位字元（Vertical tab）     

\w     比對數字字母字元（Alphanumerical characters）或底線字母（”_”），等效於 [A-Za-z0-9_]     /\w/ 可比對 “.A _!9〃 中的 “A”、”_”、”9〃。

\W     比對非「數字字母字元或底線字母」，等效於 [^A-Za-z0-9_]     /\W/ 可比對 “.A _!9〃 中的 “.”、” “、”!”，可見其功能與 /\w/ 恰好相反。

\ooctal     比對八進位，其中octal是八進位數目     /\oocetal123/ 可比對 與 八進位的ASCII中 “123〃 所相對應的字元值。

\xhex     比對十六進位，其中hex是十六進位數目     /\xhex38/ 可比對 與 16進位的ASCII中 “38〃 所相對應的字元。

1. "." 代表任何一個字元
ex: "f.x" 代表任何f開頭,x結尾, 共3個字的字串
"T...y" 代表T開頭,y結尾, 共5個字的字串

2. "w" 代表任何一個英文字元
ex: "w.w" 代表英文字開頭, 英文字結尾, 中間夾著任何一個字元的3個字長度字串

3. "{n}" 代表前面的運算式重複n次
ex: "a[3}." 代表找出所有前面有3個a,後面接任何一個字的字串
ex: "T.{3}y" 同上面的 "T...y"

4. "[]" 可以括起某些範圍內的東西
ex: "[aeiou].A" 代表任何由a,e,i,o,u開頭, 中間夾任何一個字, A結尾的字串
ex: "[0-9]" 代表0-9之間的某個數字都合於所求

5. "" 可用來處理逸脫字元
ex:搭配上面的功能 "[0-9]{2}-[0-9]{7}" 代表找出所有類似 02-2815637 這樣格式的字串
ex:"*.*.." 代表找出所有前面三個字是*.* , 後面接兩個任意字元的字串

6. "d"的意思和"[0-9]" 一樣

7. "^" 是不包含的意思
ex: "[^0-9a-z]..Z" 代表搜尋所有前面不是數字和小寫英文字, 中間夾著兩個任意字元 ,
最後接著大寫Z的字串

8. 計算數量用的中繼字元
"?" 代表前面的項目重複0次或1次
"*" 代表前面的項目重複0~無限次
"+" 代表前面的項目重複1~無限次

所以搭配上面已經會的
ex : Email搜尋條件 "w+@w+.w+" 可找出 xxx@xxx.xxx這種格式的email
(其他格式的就自己研究囉)

ex: 過濾網址 "" 這是簡單版, 可濾出被.... 包住的網址,
再用字串處理指令去做
或是寫更複雜的regex直接濾出所要的(比較不建議, 因為那樣其實比較浪費cpu和記憶體)

9. 特殊: "^" 和 "$" 搭配運用 , 用來找出某字開始, 某字結束的字串
ex: "^d+" 會找出所有以數字開頭的"整行文字"
ex: "^d?." 會找出數字開頭, 跟著句點的字串 , 類似 "1.xxxxxx" 這樣的字串
ex: ".$" 會找出以句號當結束的整行字

10. 多重判斷 ( | ) 中間那個符號是OR
ex: "[0-9]{2}(a | bc | ff)." 找尋所有前面是兩個數字, 中間是a或是bc或是ff, 後面句號結尾的字串