.NET正则表达式使用高级技巧之反向引用

反向引用，指把匹配出来的组引用到表达式本身其它地方，比如，在匹配HTML的标记时，我们匹配出一个＜a＞,我们要把匹配出来的a引用出来，用来找到＜/a＞，这个时候就要用到反向引用。

语法

a、反向引用编号的组，语法为\number

b、反向引用命名的组，语法为\k＜name＞

举例

a、匹配成对的HTML标签

@"＜(?＜tag＞[^\s＞]+)[^＞]*＞.*＜/\k＜tag＞＞"

b、匹配两个两个重叠出现的字符

public static void Main()
{
string s = "aabbc11asd";
Regex reg = new Regex(@"(\w)\1");
MatchCollection matches = reg.Matches(s);
foreach(Match m in matches)
Console.WriteLine(m.Value);
Console.ReadLine();
} 

返回结果为aa bb 11

辅助匹配组

以下几种组结构，括号中的Pattern都不作为匹配结果的一部分进行保存

1、正声明(?=)

涵义：括号中的模式必须出现在声明右侧，但不作为匹配的一部分

public static void Main()
{
string s = "C#.net,VB.net,php,java,JScript.net";
Regex reg = new Regex(@"[\w\#]+(?=\.net)",RegexOptions.Compiled);
MatchCollection mc = reg.Matches(s);
foreach(Match m in mc)
Console.WriteLine(m.Value);
Console.ReadLine();
//输出 C# VB JScript
} 

可以看到匹配引擎要求匹配.net，但却不把.net放到匹配结果中

2、负声明(?!)

涵义：括号中的模式必须不出现在声明右侧

下例演示如何取得一个＜a＞标签对中的全部内容，即使其中包含别的HTML tag。

public static void Main()
{
string newsContent = @"url:＜a href=""1.html""＞＜img src=""http://www.cncms.com/1.gif""＞test＜span style=""color:red;""＞Regex＜/span＞＜/a＞.";
Regex regEnd = new Regex(@"＜\s*a[^＞]*＞([^＜]|＜(?!/a))*＜\s*/a\s*＞",RegexOptions.Multiline);

Console.WriteLine(regEnd.Match(newsContent).Value);
//Result: ＜a href="1.html"＞＜img src="http://www.cncms.com/1.gif"＞test＜span style="color:red;"＞Regex＜/span＞＜/a＞
Console.ReadLine();
} 

3、反向正声明(?＜=)

涵义：括号中的模式必须出现在声明左侧，但不作为匹配的一部分

4、反向负声明(?＜!)

涵义：括号中的模式必须不出现在声明左侧

非回溯匹配

语法：(?＞)

涵义：该组匹配后，其匹配的字符不能通过回溯用于后面的表达式的匹配。呵呵，光看这句话肯定搞不懂，我当初为了搞懂这个也花了不少的时间，还是通过实例来说明吧：
"www.csdn.net" 可以通过@"\w+\.(.*)\.\w+"来匹配，却不能通过@"\w+\.(?＞.*)\.\w+"来匹配！为什么呢？

原因是正则匹配是贪婪的，匹配时它会尽可能多的匹配最多的结果，所以，上例两个正则式中的.*都会把csdn.net匹配完， 这个时候，第一个表达式在开始匹配时发现\.\w+没得字符给它匹配了，所以它会进行回溯，所谓回溯，就是把.*匹配的结果往回推，回推留出来的字符再用来匹配\.\w+,直到\.\w+匹配成功，整个表达式返回成功的匹配结果。而第二个表达式，因使用的是非回溯匹配，所以，.*匹配完后，不允许通过回溯来匹配\.\w+，所以整个表达式匹配失败。

请注意，回溯匹配是很浪费资源的一种匹配方式，所以，请尽量避免您的正则式要通过回溯来成功匹配，如上例，可以换成@"\w+\.([^\.]+\.)+\w+"+"。