韩国在德国办“韩国是印刷术的起源国”展览

在石墓林中走读“1377年，世界上发生过什麽惊天动地的大事珐”韩国方面的答案是：人类历史上最古老的金属活字本——《白云和尚抄录佛祖直指心体要节》（简称《直指》）诞生了，这比德国人古登堡的四十二行圣经还要早78年。

自认为一直站在日本、中国文化阴影＿的韩国，此次便是高举着“活字印刷术起源国”的尚方宝剑，一路劈开路障，顺利登上全球最大书展主宾国的舞台，在数万观众的集体记忆＿刻上烙印。

然而，“金属活字印刷”一直是中韩两国之间共同争夺的古代科学专利。北宋时期，平民毕升发明活字印刷术，但在韩国学者看来，毕升只有奇思妙想，所造活字并不适用，很快便被束之高阁。中方专家引用《梦溪笔谈》、《造活字印书法》等历史文献中的相关资料反唇相讥，要求韩国学界匡正视听、还历史本来面目。近年来，韩国go-vern-ment对《直指》表现出异乎寻常的重视，进行了超大规模的宣传，并争取到了联合国教科文组织的承认，确立了《直指》的世界元老地位，并将之编入小学课本以传后世。

不止如此，其他三大发明他们也说是他们的！！

2、抢注端午节为韩国文化遗产，也成功了；

由韩国申报的江陵端午祭巴黎时间2006年7月24日被联合国教科文组织正式确定为“人类传说及无形遗产着作”。一度沸沸扬扬的中韩端午节“申遗”之争以韩国的胜利而告终。

3、正在酝酿把孔子纳入韩国的遗产，不久就要出手了；

9月28日，是孔子诞辰2557周年，大陆与台湾同时举行了祭孔大典。而在此前的9月26日，一组韩国祭孔大典的图片也成为各大门户网站的头条。抢在中国之前大规模宣传自己的祭孔活动，韩国人的用意又何在呢？韩国人的目的很明确，就是要让人觉得只有他们才是祭孔的正统，只有他们才最有资格祭祀孔子。然后就可以拿他们几百年历史的祭孔大典去申请世界文化遗产！韩国人论证孔子是韩国人还有这样的论据：朝鲜半岛最早建立政权的是商朝贵族箕子。箕子是商朝纣王的亲戚，西周武王伐纣。箕子不愿意接受西周统治。于是率领5000名商朝人逃跑到朝鲜半岛和辽东半岛，建立了政治难民国家—箕子朝鲜。而商朝大部分人都留在了中国，分布在西周封建的宋卫等多个国家。宋国的第一个国君就是箕子的亲戚—微子。孔子是宋国贵族后代，当然也就是韩国祖宗箕子的后代了。

除了孔子，古代美女西施，撰写了《本草纲目》的李时珍也早已是韩国人了！！

4、官民学大联合，进占中国东海苏岩礁，把我东海大陆架暗礁俨然视为韩国的最南端，指鹿为马的说它是“岛“，以在中国东海捞取最大的好处；

当代，科学技术发达，航海航空手段先进，大海不再是制约人类的天堑了，韩国开始向东拓展领域，在日本海上与日本争夺竹岛（韩称独岛），采取先占原则，日方居下风，韩国成功开辟了东疆。这回，韩国又开始扩张南疆的领土了，照搬在日本海的方式来中国东海，强硬迅速地先占为主，中国go-vern-ment已经两次交涉此问题，韩方没当回事儿。韩国想将苏岩礁筑成一个人工岛，然后根据国际海洋法，在我国东海、黄海圈出一块相当于法国大小的大片海域来，属于韩国私有，欲鲸吞东中国海。去年底，中国飞机在苏岩岛上空侦察飞行，韩国传媒立即群情汹涌，指摘中国侵犯韩国领土，韩国go-vern-ment也向中国抗出抗议。

5、把中医、本草纲目、人参、针灸据为己有，说成是韩国发明的，或韩国的文化遗产；

6、汉城pol.ice对中国外交官进行迫害，联合媒体教唆记者仗着“本地人“的优势，对孤立无援的“外地人“进行围攻，在欺侮中国外交官的同时，中方捍卫着国格，保卫着外交官的尊严，pol.ice强迫有外交豁免权的外交官下车，其实是以检查是否酒后驾车为名，欲剥夺中国外交官豁免权之目的，双方僵持不下，韩国媒体次日狠狠地大大的曝光这一事件，“中外交人员酒驾，拒我pol.ice取缔“、“中使馆蛮横无理，在我地界闹事“，目的就是丑化中国形象，替韩国加分。

7、今年长春冬季奥运会上，众多韩国运动员在领奖台上联手打出“长白山是我们的领土“的韩文标语，在中国的地盘上如此嚣张，不是背后有韩go-vern-ment撑腰，就是长期以来的歪曲历史教育所导致的恶劣影响；

8、韩国有六千年历史，日前韩国教育部着手修订历史教科书，把韩国青铜器出现的时间提前了一千年，超过传授他此项技术的中国；

世界杯足球赛韩国总统的讲话还比较客气的,说有5000年历史,后来媒体进一步说他们的历史有6000年比中国还长。另据韩国媒体称，韩国教育人力资源部23日表示，从今年新学期开始将采用新编初中、高中教科书，新教科书将青铜器时代的开始时间从“公元前10世纪(公元前1000年)”修改为“公元前20世纪(公元前2000年)-公元前15世纪(公元前1500年)”。照韩国人的思维方式，估计过不了多久他们的历史起始就和恐龙同时代了！！

9、把今年新版的10000圆钞票（韩面额最大纸币，相当于人民币80元左右）的背面，印上了中国古代天文学家张衡发明的“浑天仪“图案，这意味着浑天仪是韩国人发明的，是韩国的东西；

10、黄禹锡“第一”科学家

韩国的民族英雄黄禹锡造假事件，如今可以说已经真相大白，只剩下残局留待韩国各界的处理。如果硬要说中国人要有什么启发的话，那就是要学一下韩国人的敢于无耻，那就是以后中国人对于韩国人的吹牛无耻一定要小心。

11、哺育黄河文明

韩国没有自己的炫耀的文明，先是中国为宗主国，是中国的附属国；近代受日本欺负，造成他们偏执狭隘的心理。最为典型的要算韩国92年出版的教科书了.

这部共分5章:一开头宣示韩民族的祖先在公元前8000年从帕米尔高原远涉迁移到了半岛,途中催醒了满洲的”红山文明”,哺育了中原的”黄河文明”,韩人并在公元前7000东渡日本,创造了日本文明…...不过后来见了韩国人的“考古”，我倒觉得至少日本人还想着去做假证据，韩国人甚至把这一步都省了，还把成果出来大肆宣传。

12、去汉化

就是“韩民族”割断文化和中华文化的联系。汉城改“汉城”的闹剧刚刚过去，这不，几个韩国议员又开始张罗把“汉江”改为“韩江”了。在韩国，“中医”被改名成“韩医”，并被作为高丽医学而拼命向世界宣传推广。大长今中针灸也被认为是韩国人发明的。但朝鲜日报分明是报道了这个“发现”，并找到了个法国人作证，宣称要纠正世界人民的错误认识，把针灸还给韩国。怎么不把八卦图国旗也改了？八卦图可是正宗中国文化。什么时候韩国不用有中国八卦图的国旗,再来和中国谈尊严吧!日本人很自豪地说，我们的文化学习自中国，但是我们发扬光大了。所以，有这种意识的日本终究还是个强国。可是今天的韩国人否认了历史，忘记了中国文明对自己的教化.

13、台湾不属中国

韩国是先和台湾建交的，后来才和大陆建交的，我的同学说如果她不来中国，根本不知道台湾是中国的领土，可见韩国媒体对中国的妖魔化宣传。认识很多韩国同学.但确实他们国家的媒体会经常丑化中国，夸张中国的落后与贫穷.我曾遇到过这样的事：韩国人如果比较喜欢你，会对你说：“你长得像韩国人”，他们认为这是赞扬你。但我认识的一位朋友为表示友好，对一个韩国人说,”你长得像中国人“，结果那人非常不高兴，认为是污辱它。

14、蒙古人是朝鲜族分支

韩国人没有过征服别人的纪录（韩国人似乎很看重这一点），可以说韩国（朝鲜）的历史就是一部窝囊废的历史。他们就迂回出击——和那些能征善战的民族“攀亲戚”。曾经征服过中原的北方的蒙古族和满族理所当然的是首选，于是上述两个民族全部变成了韩民族的“分支”。

“爱新觉罗”去掉“爱”和“觉”就是“新罗”，因此“爱新觉罗”的意思就是“勿忘新罗”或者“爱新罗”。说努尔哈赤的父亲来自朝鲜半岛，可稍具历史常识的人都知道，“爱新觉罗”出自满语，意思是“金”。韩国人籍此说“金”是韩国大姓，因此满族是朝鲜族分支！！！而韩国人论证自己与蒙古人关系的依据就更可笑——韩国人新生婴儿屁股上有个青斑，和蒙古人一样。因此蒙古人是朝鲜族分支！！！可惜，这个蒙古斑是所有东亚人种共有的标记！

近日网上很多朝鲜人去满族的论坛“认亲”，其谄媚、下贱（被对方迎头痛骂之后，或是装作不知、或是说人家不是真正满族），让人“五体投地”。更好笑的是,某些韩国人认为孔子是韩国人，连西施都是韩国人。

15、教大禹治水

为了突出他们文明的优越，韩国学者做了篇文章，乖乖，连大禹治水用的“神书”都是朝鲜半岛传过来的，对韩国学者的学术能力找不到语言形容了，惊如天人。他们说他们的祖先檀宗，是我们祖先大禹的老师，是他教大禹治水的——呵呵，后来甚至进一步说他们的历史有6000年比中国还长(世界杯足球赛韩国总统的讲话还是比较客气的，说有5000年，汗呀～～～世界杯靠黑哨拿第四名)韩国新歌剧《啊，高句丽！广大土好太王》。。”。结尾是高句丽征服了燕国，燕国将高句丽的好太王供奉为主君。是一部典型的历史胡说剧！辽东在七雄时期是燕国，秦始皇灭六国而统一中国是世界公认的历史，还反咬一口说是中国人歪曲历史。秦始皇灭燕怎会突然之间变为高句丽王灭燕又突发奇想地出现在韩国的历史舞台上？庆幸的是，多数人还是有着清醒的头脑和良知，如果都按照韩国方式诠释历史，世界从此多事矣。

16、剽窃高句丽

请注意，高句丽和韩国的高丽完全是两码事情，高句丽是中国古代少数民族的一支。唐朝名将薛仁贵在高句丽的最后一个首都平壤（高句丽前后有过三个首都）接受了高句丽王的无条件投降书后，大唐军接收了高句丽全部的领土，自然继承了高句丽文化。而此时韩国的前身王氏高丽还没有诞生。在高句丽灭亡了二百多年以后，也就是公元9世纪初，由原高句丽旁边的新罗合并百济组成了高丽王朝。2004年9月17日，在被韩国命名为“高句丽在韩国的历史作用”的有多国学者参与的国际学术研讨会上，中国学者，沈阳东亚研究所研究员孙进已发言重申：“高句丽是中国的历史因为高句丽的主体发生在中国，直至今天，原高句丽2/3的领土都在中国，而在当时3/4的高句丽居民都归顺了中国”.“在高句丽的大部分历史里，高句丽一直归属中原。看看韩国忠南大学考古学教授朴洋震论证“满洲历史上属于高丽”。拿出两个据他说是在满洲和韩半岛出土的青铜器，说这两件文物相似，又举出一件据说是中原出土的文物，说与前两件不同。于是得出结论：满洲和韩半岛属于一个文化共同体，满洲历史上韩民族的舞台。这是笔者平生所看见过的最荒唐最无耻的历史论证了。还扬言“把满洲归纳与韩国古代领域不仅合乎情理，而且也是必要的”甚至想把中国东北境内的高句丽历史剽窃为己有。2004年，中国把高句丽成功向联合国申请为中国的人类文化遗产，就是为了挫败韩国对历史的篡改。灭国先灭其史，韩国在赤裸裸的伪造历史！谈到满洲和朝鲜半岛的关系，还有一个朴洋震极力回避的突出的例子就是满清建立了满洲国后，为什么不是马上去合并朝鲜，以实现今天朴洋震等领土扩张野心家的梦想，去组成由满洲加半岛所谓韩民族的大统一？而要舍近求远，舍易攻难地入关攻克北京直捣中原？就是因为满洲人认为自己是中国人要入关统一中国。而对近在咫尺的朝鲜半岛，在满族人看来？是一个无关重要的边隧小邻国。

绑着写有“还我河山”四个鲜红大字布条的韩国人时常会成群结队出现在吉林吉安，延边，或者长白山。朝鲜日报做的调查，居然过半的韩国年轻人赞成“夺回”“满洲（东北）和间岛（吉林延边）”。韩国在高句丽问题上已经完成了发动群众的工作，而中国人大概很少有人知道这个争端关系到了东北的归属。

17、将中国领土划入版图百济曾统治西藏

根据史书记载，古代朝鲜半岛南部地区存在着两个古代王朝：新罗、百济。而北部则是领土跨越鸭绿江两岸的高勾丽。后来百济和高勾丽相继灭亡，新罗基本上完成了朝鲜半岛的统一。但在林均泽所着的《韩国史》标记的地图内容却与历史相差甚大，书中中国地图竟然用三种颜色分为三个国家：百济、新罗和唐朝。其中的百济除了统治整个朝鲜半岛外，还统治中国华北和西藏，而上海、江苏、浙江在内长江以南的中国区域则标记着“新罗”，表示这是新罗的统治区。而云南、四川部分地区，地图中用红颜色在这块小小地区标着“唐”。另外，该书的作者在描述三国割据结束后，统一的新罗王朝甚至还成立了安西都护府、安东都护府这样的government机构。

18、韩国已向联合国提交汉服申遗书。

据称，朝鲜族民族服装襦裙就是明朝汉族女性平常爱穿的服装，韩国已向联国提交汉服申遗书。

韩国还斥巨资对汉服拍摄电视剧《朱蒙》，为汉服申遗造势。剧中汉服飘飘，文化鲜明，韩国自信此剧定能为申遗加分。《朱蒙》被一些网民所指责，认为此剧歪曲历史，亦有人指剧集丑化了中国人。例如：剧中指汉武帝消灭了卫满朝鲜之后，把古朝鲜的遗民用作试验钢兵器的材料。这种说法都欠缺历史根据，有污蔑之嫌。韩国自古以来崇拜中国文化，而今就以为中国的历史是他们创造的了。还记得韩国2005年将首都的中文名称从汉城改名为汉城，虽然不可谓之不妥，却是民族主义空前高涨的一个表现。

Hitwise称，在截至今年1月10之前，YouTube在美国市场的流量排名一直稳居第十位，但进入2月份以来，这种情况发生了变化。到3月7日的前两周中，Gmail网站已取代了YouTube第十位置。Hitwise表示，由于此前美国十大网站流量排名一直非常稳定，这次Gmail取代YouTube，说明美国网民使用Gmail的频率已大幅提高。

如果以谷歌旗下各项资产为标准，则Gmail流量已位居第二，仅位于谷歌搜索之后，YouTube退居第三。Hitwise称，与去年同期相比，Gmail网站3月7日的前两周中流量增长了70%。尽管YouTube流量与去年同期相比也有所提高(同比增长19%)，但增速已不如Gmail。(编译/中涛)

附：Hitwise所统计今年3月7日前两周美国前12大网站排名(以流量为标准)：

1、谷歌搜索

2、雅虎邮箱

3、雅虎网站

4、新闻集团旗下社交网站Myspace

5、美国社交网站Facebook

6、美国网上拍卖网站eBay

7、微软Windows Live邮箱

8、雅虎搜索

9、微软MSN网站

10、谷歌Gmail邮箱

11、谷歌旗下视频共享网站YouTube

12、谷歌图片搜索

　　1、利用人体皮肤细胞“仿制”出胚胎干细胞.美国和日本两个独立研究小组分别宣布,他们成功地将人体皮肤细胞改造成了几乎可以和胚胎干细胞相媲美的干细胞.这一成果有望使胚胎干细胞研究避开一直以来面临的伦理争议,从而大大推动与干细胞有关的疾病疗法研究.

　　2、发现类似地球的太阳系外行星.欧洲天文学家宣布,他们首次发现了一颗大小和表面温度与地球相似的太阳系外行星.这为探索地外生命提供了新参考.这一代号为“581C”的行星距离地球约190万亿公里,正围绕一颗比太阳小、温度比太阳低的红矮星运行.

　　3、全球气候变暖已是不争事实.这是联合国政府间气候变化专门委员会发表的第四份气候变化评估报告梗概得出的主要结论.专家们预测说,从现在开始到 2100年,全球平均气温的“最可能升高幅度”是1.8摄氏度至4摄氏度,海平面升高幅度是18厘米至59厘米,而造成这一趋势的原因至少有90%可能是人类活动.

　　4、为宇宙暗物质绘图.欧洲和美国的科学家在《自然》杂志上发表了首次为宇宙暗物质绘出的三维图.三维图显示,正如科学家原先所料,暗物质在可见物质聚集的基础上形成了一种丝状的“骨骼”,最终产生了天体.

　　5、成功追踪到光子活动.法国科学家宣布,他们已经上百次地成功追踪到光子从产生到消失的整个过程,最长时间甚至达到半秒钟.这项成果是一个新的飞跃,它向实现依靠光子进行信息存储和运动迈进了一步.

　　6、发现多种疾病的致病基因.一个国际研究小组在一项人类基因组研究计划中,又发现了约120种基因的变异与癌症有关.这一发现使已知的与癌症相关的基因从350种增加到约470种.

　　7、首次对活有机体实施“基因组移植”.美国马里兰州克雷格·文特尔研究所的科学家在实验室中将一种细菌的基因组成功移植入另一种关系密切的细菌内,而且新植入的基因组开始取代原基因组运作.科学家计划利用人工合成基因组进行类似试验.如果试验成功,将标志着一种人工合成生物的诞生.

　　8、发明DNA制动器.欧洲科学家开发出一种基于脱氧核糖核酸(DNA)的转换器,名为DNA制动器或分子发电机.科学家认为,作为世界上第一个生物纳米技术制动器,它的研制成功为在活的生物有机体和计算机之间建立联系架设了桥梁.

　　9、能源新技术研发获新进展.美国卡内基-梅隆大学化学工程专家设计出一种新工艺,可以大幅提高以玉米为原料生产乙醇的效率.这一成果将有助于推广使用新型燃料乙醇汽油. 美国弗吉尼亚理工大学、橡树岭国家实验室和佐治亚大学的科学家开发出一种用多糖制取氢的新技术,以这项技术为基础,未来的氢动力汽车将携带易于存储的碳水化合物,如淀粉.碳水化合物和水在特殊的酶作用下分解产生氢气,然后通过燃料电池产生电力,驱动汽车前进.

　　10、量子通信距离创下新纪录.一个由奥地利、英国、德国研究人员组成的小组在量子通信研究中创下了通信距离达144公里的最新纪录,并认为利用这种方法有望在未来通过卫星网络实现信息的太空绝密传输.此次实验朝未来的卫星量子通信和量子物理的太空实验迈出了重要的一步.

　　不论你是大网站，还是小网站，友情链接都少不了。友情链接除了带来流量，提 高网站PR，优化网站排名，还有更重要的作用就是“互通有无”。网站就像一座岛，外来的链接就像是航线和桥，只有把一座座孤岛连(link)起来，网站的 价值才能最大化地体现。否则，孤立的岛屿是永远聚集不了人气的。

　　交换友情链接更是一门艺术——做人的艺术。要掌握这门艺术，以下几点是作为站长的你必修课：

　　1 先做好自己的网站，再找友情链接。

　　一个空荡荡的，没有原创内容的网站就好像一只烂苹果，想用这只烂苹果去换新鲜的水果可能么?

　　2 从自己周边的朋友开始找友情链接。

　　现在网络发达了，朋友就算不自己做网站，至少也有自己的博客吧。现在流行的是，“得罪谁别得罪博客，否则让你满世界的走光”。可见博客的水有多深。

　　3 把放置友情链接的页面做得漂亮些，别马虎。

　　请朋友到自己的家来做客，总得先把自己的家打扫干净吧。

　　4 经常点击这些友情链接去朋友的网站看看。

　　这不仅是流量，也是一种关怀，朋友会在网站统计数据中看到你光顾的身影。

　　5 对于友情链接联盟，要适可而止。

　　于其让自己的网站出现在一些高流量的垃圾网站中，还不如放在朋友的博客中来得放心，安稳。

　　做站是一门艺术，交换友情链接更是一门艺术。让我们这些站长通过自己的努力，把这门艺术发扬光大吧。

据来自市场研究公司comScore的数字显示，包括它的主要网站（不计其非美国网站和诸如 YouTube等被收购来的网站）在内，谷歌今年的总流量增长了22.42%。除了谷歌的个性化主页服务iGoogle，业绩表现较好者还有“谷歌图书搜 索”（Google Book Search）、Gmail和“谷歌地图”（Google Maps），它们的流量分别增长了54.66%的、53.6%和51.57%。

从研究数字来看，用户好象并不怎么使用谷歌来进行购物。谷歌2007年流量业绩表现最差的服 务是“谷歌产品搜索（购物）”（Google Product Search），其流量下降了73.26%。“谷歌学术”（Google Scholar）下降了32.14%，或许是因为谷歌有了YouTube视频服务，它的“谷歌视频”（Google Video）搜索下降了11.82%。

谷歌的核心搜索引擎仍然是谷歌各项业务中流量最高的，而其它的业务流量则远远地落在后面。就流量排序而言，谷歌2007年最受欢迎的产品业务依次是：搜索、图片搜索、Gmail、谷歌地图和谷歌新闻（Google News）。

2008年科技行业25大预言：

　　1、Facebook继续保持独立和私有化的状态，达成一项令其商业计划合法化的重要交易，并收购一家创业公司。

　　2、至少将有一个“Funny or Die”类型的网站吸引业界的高度关注，甚至可能被收购，但该网站没有能力再制作出与《Funny or Die》或《Super Deluxe》质量相当的视频。

　　3、谷歌将推出新版语音搜索服务，股价将突破800美元大关。

　　4、Digg以至少2亿美元的价格出售给一家主流媒体公司，其创始人凯文·罗斯(Kevin Rose)将创建一家非网络公司。

　　5、YouTube宣布将支持高清晰视频，但这项功能要到2009年推出。

　　6、Valleywag的发行商Gawker Media创建一家男人网站，并举办一次网络展。

　　7、雅虎进行大规模裁员，导致很多媒体称其为“下一个AOL”。

　　8、尽管AOL被分拆和重组，但到2008年底，这家公司的未来仍不确定。

　　9、苹果发布第二代iPhone。

　　10、随着阿曼达·康多恩(Amanda Congdon)和泽·弗兰克(Ze Frank)大获成功，将有新的热门视频博客浮出水面。

　　11、微博客服务Tumblr将迅速发展壮大，就像Twitter在2007年那样。

　　12、Twitter将继续保持独立，并分拆出一项新服务。

　　13、互联网仍然没能帮助一名总统候选人获得成功。

　　14、人工搜索服务Mahalo的创始人贾森·卡拉坎尼斯(Jason Calacanis)将启动一个新项目。

　　15、随着互联网逐步渗透到普通人的日常生活，将会引发新的“meme”热潮，甚至比LOLcats更为深入。

　　16、又一个电子图书阅读器推出，但没人关注。

　　17、博客搜索引擎Technorati因未能获得足够资金而关闭。

　　18、《华尔街日报》网络版免费对外开放。

　　19、博客平台提供商Six Apart被收购。

　　20、戴尔再度爆发客户服务或配件损坏方面的丑闻；

　　21、美国国会出台一项对电信行业有利的法案，“网络中立”再遭重创。

　　22、《第二人生》艰难前行。

　　23、博客网络出现在电视上。

　　24、美国人对那些“因为出名而有名”的名人感到厌倦，八卦博客佩雷斯·希尔顿(Perez Hilton)的电视节目被取消。

　　25、一次小规模医疗事件再度引发“苹果能否离开乔布斯”的争论。

1.      什么是正则表达式

基本说来，正则表达式是一种用来描述一定数量文本的模式。Regex代表Regular Express。本文将用<<regex>>来表示一段具体的正则表达式。

一段文本就是最基本的模式，简单的匹配相同的文本。

2.      不同的正则表达式引擎

正则表达式引擎是一种可以处理正则表达式的软件。通常，引擎是更大的应用程序的一部分。在软件世界，不同的正则表达式并不互相兼容。本教程会集中讨论Perl 5 类型的引擎，因为这种引擎是应用最广泛的引擎。同时我们也会提到一些和其他引擎的区别。许多近代的引擎都很类似，但不完全一样。例如.NET正则库，JDK正则包。

3.      文字符号

最基本的正则表达式由单个文字符号组成。如<<a>>，它将匹配字符串中第一次出现的字符“a”。如对字符串“Jack is a boy”。“J”后的“a”将被匹配。而第二个“a”将不会被匹配。

正则表达式也可以匹配第二个“a”，这必须是你告诉正则表达式引擎从第一次匹配的地方开始搜索。在文本编辑器中，你可以使用“查找下一个”。在编程语言中，会有一个函数可以使你从前一次匹配的位置开始继续向后搜索。

类似的，<<cat>>会匹配“About cats and dogs”中的“cat”。这等于是告诉正则表达式引擎，找到一个<<c>>，紧跟一个<<a>>，再跟一个<<t>>。

要注意，正则表达式引擎缺省是大小写敏感的。除非你告诉引擎忽略大小写，否则<<cat>>不会匹配“Cat”。

·        特殊字符

对于文字字符，有11个字符被保留作特殊用途。他们是：

[ ] \ ^ $ . | ? * + ( )

这些特殊字符也被称作元字符。

如果你想在正则表达式中将这些字符用作文本字符，你需要用反斜杠“\”对其进行换码 (escape)。例如你想匹配“1+1=2”，正确的表达式为<<1\+1=2>>.

需要注意的是，<<1+1=2>>也是有效的正则表达式。但它不会匹配“1+1=2”，而会匹配“123+111=234”中的“111=2”。因为“+”在这里表示特殊含义（重复1次到多次）。

在编程语言中，要注意，一些特殊的字符会先被编译器处理，然后再传递给正则引擎。因此正则表达式<<1\+2=2>>在C++中要写成“1\\+1=2”。为了匹配“C:\temp”，你要用正则表达式<<C:\\temp>>。而在C++中，正则表达式则变成了“C:\\\\temp”。

·        不可显示字符

可以使用特殊字符序列来代表某些不可显示字符：

<<\t>>代表Tab(0x09)

<<\r>>代表回车符(0x0D)

<<\n>>代表换行符(0x0A)

要注意的是Windows中文本文件使用“\r\n”来结束一行而Unix使用“\n”。

4.      正则表达式引擎的内部工作机制

知道正则表达式引擎是如何工作的有助于你很快理解为何某个正则表达式不像你期望的那样工作。

有两种类型的引擎：文本导向(text-directed)的引擎和正则导向(regex-directed)的引擎。Jeffrey Friedl把他们称作DFA和NFA引擎。本文谈到的是正则导向的引擎。这是因为一些非常有用的特性，如“惰性”量词(lazy quantifiers)和反向引用(backreferences)，只能在正则导向的引擎中实现。所以毫不意外这种引擎是目前最流行的引擎。

你可以轻易分辨出所使用的引擎是文本导向还是正则导向。如果反向引用或“惰性”量词被实现，则可以肯定你使用的引擎是正则导向的。你可以作如下测试：将正则表达式<<regex|regex not>>应用到字符串“regex not”。如果匹配的结果是regex，则引擎是正则导向的。如果结果是regex not，则是文本导向的。因为正则导向的引擎是“猴急”的，它会很急切的进行表功，报告它找到的第一个匹配 。

·        正则导向的引擎总是返回最左边的匹配

这是需要你理解的很重要的一点：即使以后有可能发现一个“更好”的匹配，正则导向的引擎也总是返回最左边的匹配。

当把<<cat>>应用到“He captured a catfish for his cat”，引擎先比较<<c>>和“H”，结果失败了。于是引擎再比较<<c>>和“e”，也失败了。直到第四个字符，<<c>>匹配了“c”。<<a>>匹配了第五个字符。到第六个字符<<t>>没能匹配“p”，也失败了。引擎再继续从第五个字符重新检查匹配性。直到第十五个字符开始，<<cat>>匹配上了“catfish”中的“cat”，正则表达式引擎急切的返回第一个匹配的结果，而不会再继续查找是否有其他更好的匹配。

5.      字符集

字符集是由一对方括号“[]”括起来的字符集合。使用字符集，你可以告诉正则表达式引擎仅仅匹配多个字符中的一个。如果你想匹配一个“a”或一个“e”，使用<<[ae]>>。你可以使用<<gr[ae]y>>匹配gray或grey。这在你不确定你要搜索的字符是采用美国英语还是英国英语时特别有用。相反，<<gr[ae]y>>将不会匹配graay或graey。字符集中的字符顺序并没有什么关系，结果都是相同的。

你可以使用连字符“-”定义一个字符范围作为字符集。<<[0-9]>>匹配0到9之间的单个数字。你可以使用不止一个范围。<<[0-9a-fA-F] >>匹配单个的十六进制数字，并且大小写不敏感。你也可以结合范围定义与单个字符定义。<<[0-9a-fxA-FX]>>匹配一个十六进制数字或字母X。再次强调一下，字符和范围定义的先后顺序对结果没有影响。

·        字符集的一些应用

查找一个可能有拼写错误的单词，比如<<sep[ae]r[ae]te>> 或 <<li[cs]en[cs]e>>。

查找程序语言的标识符，<<A-Za-z_][A-Za-z_0-9]*>>。(*表示重复0或多次)

查找C风格的十六进制数<<0[xX][A-Fa-f0-9]+>>。(+表示重复一次或多次)

·        取反字符集

在左方括号“[”后面紧跟一个尖括号“^”，将会对字符集取反。结果是字符集将匹配任何不在方括号中的字符。不像“.”，取反字符集是可以匹配回车换行符的。

需要记住的很重要的一点是，取反字符集必须要匹配一个字符。<<q[^u]>>并不意味着：匹配一个q，后面没有u跟着。它意味着：匹配一个q，后面跟着一个不是u的字符。所以它不会匹配“Iraq”中的q，而会匹配“Iraq is a country”中的q和一个空格符。事实上，空格符是匹配中的一部分，因为它是一个“不是u的字符”。

如果你只想匹配一个q，条件是q后面有一个不是u的字符，我们可以用后面将讲到的向前查看来解决。

·        字符集中的元字符

需要注意的是，在字符集中只有4个 字符具有特殊含义。它们是：“] \ ^ -”。“]”代表字符集定义的结束；“\”代表转义；“^”代表取反；“-”代表范围定义。其他常见的元字符在字符集定义内部都是正常字符，不需要转义。例如，要搜索星号*或加号+，你可以用<<[+*]>>。当然，如果你对那些通常的元字符进行转义，你的正则表达式一样会工作得很好，但是这会降低可读性。

在字符集定义中为了将反斜杠“\”作为一个文字字符而非特殊含义的字符，你需要用另一个反斜杠对它进行转义。<<[\\x]>>将会匹配一个反斜杠和一个X。“]^-”都可以用反斜杠进行转义，或者将他们放在一个不可能使用到他们特殊含义的位置。我们推荐后者，因为这样可以增加可读性。比如对于字符“^”，将它放在除了左括号“[”后面的位置，使用的都是文字字符含义而非取反含义。如<<[x^]>>会匹配一个x或^。<<[]x]>>会匹配一个“]”或“x”。<<[-x]>>或<<[x-]>>都会匹配一个“-”或“x”。

·        字符集的简写

因为一些字符集非常常用，所以有一些简写方式。

<<\d>>代表<<[0-9]>>;

<<\w>>代表单词字符。这个是随正则表达式实现的不同而有些差异。绝大多数的正则表达式实现的单词字符集都包含了<<A-Za-z0-9_]>>。

<<\s>>代表“白字符”。这个也是和不同的实现有关的。在绝大多数的实现中，都包含了空格符和Tab符，以及回车换行符<<\r\n>>。

字符集的缩写形式可以用在方括号之内或之外。<<\s\d>>匹配一个白字符后面紧跟一个数字。<<[\s\d]>>匹配单个白字符或数字。<<[\da-fA-F]>>将匹配一个十六进制数字。

取反字符集的简写

<<[\S]>> = <<[^\s]>>

<<[\W]>> = <<[^\w]>>

<<[\D]>> = <<[^\d]>>

·        字符集的重复

如果你用“?*+”操作符来重复一个字符集，你将会重复整个字符集。而不仅是它匹配的那个字符。正则表达式<<[0-9]+>>会匹配837以及222。

如果你仅仅想重复被匹配的那个字符，可以用向后引用达到目的。我们以后将讲到向后引用。

6.      使用?*或+ 进行重复

?：告诉引擎匹配前导字符0次或一次。事实上是表示前导字符是可选的。

+：告诉引擎匹配前导字符1次或多次

*：告诉引擎匹配前导字符0次或多次

<[A-Za-z][A-Za-z0-9]*>匹配没有属性的HTML标签，“<”以及“>”是文字符号。第一个字符集匹配一个字母，第二个字符集匹配一个字母或数字。

我们似乎也可以用<[A-Za-z0-9]+>。但是它会匹配<1>。但是这个正则表达式在你知道你要搜索的字符串不包含类似的无效标签时还是足够有效的。

·        限制性重复

许多现代的正则表达式实现，都允许你定义对一个字符重复多少次。词法是：{min,max}。min和max都是非负整数。如果逗号有而max被忽略了，则max没有限制。如果逗号和max都被忽略了，则重复min次。

因此{0,}和*一样，{1，}和+ 的作用一样。

你可以用<<\b[1-9][0-9]{3}\b>>匹配1000~9999之间的数字(“\b”表示单词边界)。<<\b[1-9][0-9]{2,4}\b>>匹配一个在100~99999之间的数字。

·        注意贪婪性

假设你想用一个正则表达式匹配一个HTML标签。你知道输入将会是一个有效的HTML文件，因此正则表达式不需要排除那些无效的标签。所以如果是在两个尖括号之间的内容，就应该是一个HTML标签。

许多正则表达式的新手会首先想到用正则表达式<< <.+> >>，他们会很惊讶的发现，对于测试字符串，“This is a <EM>first</EM> test”，你可能期望会返回<EM>，然后继续进行匹配的时候，返回</EM>。

但事实是不会。正则表达式将会匹配“<EM>first</EM>”。很显然这不是我们想要的结果。原因在于“+”是贪婪的。也就是说，“+”会导致正则表达式引擎试图尽可能的重复前导字符。只有当这种重复会引起整个正则表达式匹配失败的情况下，引擎会进行回溯。也就是说，它会放弃最后一次的“重复”，然后处理正则表达式余下的部分。

和“+”类似，“?*”的重复也是贪婪的。

·        深入正则表达式引擎内部

让我们来看看正则引擎如何匹配前面的例子。第一个记号是“<”，这是一个文字符号。第二个符号是“.”，匹配了字符“E”，然后“+”一直可以匹配其余的字符，直到一行的结束。然后到了换行符，匹配失败(“.”不匹配换行符)。于是引擎开始对下一个正则表达式符号进行匹配。也即试图匹配“>”。到目前为止，“<.+”已经匹配了“<EM>first</EM> test”。引擎会试图将“>”与换行符进行匹配，结果失败了。于是引擎进行回溯。结果是现在“<.+”匹配“<EM>first</EM> tes”。于是引擎将“>”与“t”进行匹配。显然还是会失败。这个过程继续，直到“<.+”匹配“<EM>first</EM”，“>”与“>”匹配。于是引擎找到了一个匹配“<EM>first</EM>”。记住，正则导向的引擎是“急切的”，所以它会急着报告它找到的第一个匹配。而不是继续回溯，即使可能会有更好的匹配，例如“<EM>”。所以我们可以看到，由于“+”的贪婪性，使得正则表达式引擎返回了一个最左边的最长的匹配。

·        用懒惰性取代贪婪性

一个用于修正以上问题的可能方案是用“+”的惰性代替贪婪性。你可以在“+”后面紧跟一个问号“?”来达到这一点。“*”，“{}”和“?”表示的重复也可以用这个方案。因此在上面的例子中我们可以使用“<.+?>”。让我们再来看看正则表达式引擎的处理过程。

再一次，正则表达式记号“<”会匹配字符串的第一个“<”。下一个正则记号是“.”。这次是一个懒惰的“+”来重复上一个字符。这告诉正则引擎，尽可能少的重复上一个字符。因此引擎匹配“.”和字符“E”，然后用“>”匹配“M”，结果失败了。引擎会进行回溯，和上一个例子不同，因为是惰性重复，所以引擎是扩展惰性重复而不是减少，于是“<.+”现在被扩展为“<EM”。引擎继续匹配下一个记号“>”。这次得到了一个成功匹配。引擎于是报告“<EM>”是一个成功的匹配。整个过程大致如此。

·        惰性扩展的一个替代方案

我们还有一个更好的替代方案。可以用一个贪婪重复与一个取反字符集：“<[^>]+>”。之所以说这是一个更好的方案在于使用惰性重复时，引擎会在找到一个成功匹配前对每一个字符进行回溯。而使用取反字符集则不需要进行回溯。

最后要记住的是，本教程仅仅谈到的是正则导向的引擎。文本导向的引擎是不回溯的。但是同时他们也不支持惰性重复操作。

7.      使用“.”匹配几乎任意字符

在正则表达式中，“.”是最常用的符号之一。不幸的是，它也是最容易被误用的符号之一。

“.”匹配一个单个的字符而不用关心被匹配的字符是什么。唯一的例外是新行符。在本教程中谈到的引擎，缺省情况下都是不匹配新行符的。因此在缺省情况下，“.”等于是字符集[^\n\r](Window)或[^\n]( Unix)的简写。

这个例外是因为历史的原因。因为早期使用正则表达式的工具是基于行的。它们都是一行一行的读入一个文件，将正则表达式分别应用到每一行上去。在这些工具中，字符串是不包含新行符的。因此“.”也就从不匹配新行符。

现代的工具和语言能够将正则表达式应用到很大的字符串甚至整个文件上去。本教程讨论的所有正则表达式实现都提供一个选项，可以使“.”匹配所有的字符，包括新行符。在RegexBuddy, EditPad Pro或PowerGREP等工具中，你可以简单的选中“点号匹配新行符”。在Perl中，“.”可以匹配新行符的模式被称作“单行模式”。很不幸，这是一个很容易混淆的名词。因为还有所谓“多行模式”。多行模式只影响行首行尾的锚定(anchor)，而单行模式只影响“.”。

其他语言和正则表达式库也采用了Perl的术语定义。当在.NET Framework中使用正则表达式类时，你可以用类似下面的语句来激活单行模式：Regex.Match(“string”,”regex”,RegexOptions.SingleLine)

·        保守的使用点号“.”

点号可以说是最强大的元字符。它允许你偷懒：用一个点号，就能匹配几乎所有的字符。但是问题在于，它也常常会匹配不该匹配的字符。

我会以一个简单的例子来说明。让我们看看如何匹配一个具有“mm/dd/yy”格式的日期，但是我们想允许用户来选择分隔符。很快能想到的一个方案是<<\d\d.\d\d.\d\d>>。看上去它能匹配日期“02/12/03”。问题在于02512703也会被认为是一个有效的日期。

<<\d\d[-/.]\d\d[-/.]\d\d>>看上去是一个好一点的解决方案。记住点号在一个字符集里不是元字符。这个方案远不够完善，它会匹配“99/99/99”。而<<[0-1]\d[-/.][0-3]\d[-/.]\d\d>>又更进一步。尽管他也会匹配“19/39/99”。你想要你的正则表达式达到如何完美的程度取决于你想达到什么样的目的。如果你想校验用户输入，则需要尽可能的完美。如果你只是想分析一个已知的源，并且我们知道没有错误的数据，用一个比较好的正则表达式来匹配你想要搜寻的字符就已经足够。

8.      字符串开始和结束的锚定

锚定和一般的正则表达式符号不同，它不匹配任何字符。相反，他们匹配的是字符之前或之后的位置。“^”匹配一行字符串第一个字符前的位置。<<^a>>将会匹配字符串“abc”中的a。<<^b>>将不会匹配“abc”中的任何字符。

类似的，$匹配字符串中最后一个字符的后面的位置。所以<<c$>>匹配“abc”中的c。

·        锚定的应用

在编程语言中校验用户输入时，使用锚定是非常重要的。如果你想校验用户的输入为整数，用<<^\d+$>>。

用户输入中，常常会有多余的前导空格或结束空格。你可以用<<^\s*>>和<<\s*$>>来匹配前导空格或结束空格。

·        使用“^”和“$”作为行的开始和结束锚定

如果你有一个包含了多行的字符串。例如：“first line\n\rsecond line”(其中\n\r表示一个新行符)。常常需要对每行分别处理而不是整个字符串。因此，几乎所有的正则表达式引擎都提供一个选项，可以扩展这两种锚定的含义。“^”可以匹配字串的开始位置(在f之前)，以及每一个新行符的后面位置(在\n\r和s之间)。类似的，$会匹配字串的结束位置(最后一个e之后)，以及每个新行符的前面(在e与\n\r之间)。

在.NET中，当你使用如下代码时，将会定义锚定匹配每一个新行符的前面和后面位置：Regex.Match("string", "regex", RegexOptions.Multiline)

应用：string str = Regex.Replace(Original, "^", "> ", RegexOptions.Multiline)--将会在每行的行首插入“> ”。

·        绝对锚定

<<\A>>只匹配整个字符串的开始位置，<<\Z>>只匹配整个字符串的结束位置。即使你使用了“多行模式”，<<\A>>和<<\Z>>也从不匹配新行符。

即使\Z和$只匹配字符串的结束位置，仍然有一个例外的情况。如果字符串以新行符结束，则\Z和$将会匹配新行符前面的位置，而不是整个字符串的最后面。这个“改进”是由Perl引进的，然后被许多的正则表达式实现所遵循，包括Java，.NET等。如果应用<<^[a-z]+$>>到“joe\n”，则匹配结果是“joe”而不是“joe\n”。
9.      单词边界

元字符<<\b>>也是一种对位置进行匹配的“锚”。这种匹配是0长度匹配。

有4种位置被认为是“单词边界”：

1)        在字符串的第一个字符前的位置(如果字符串的第一个字符是一个“单词字符”)

2)        在字符串的最后一个字符后的位置(如果字符串的最后一个字符是一个“单词字符”)

3)        在一个“单词字符”和“非单词字符”之间，其中“非单词字符”紧跟在“单词字符”之后

4)        在一个“非单词字符”和“单词字符”之间，其中“单词字符”紧跟在“非单词字符”后面

 “单词字符”是可以用“\w”匹配的字符，“非单词字符”是可以用“\W”匹配的字符。在大多数的正则表达式实现中，“单词字符”通常包括<<[a-zA-Z0-9_]>>。

例如：<<\b4\b>>能够匹配单个的4而不是一个更大数的一部分。这个正则表达式不会匹配“44”中的4。

换种说法，几乎可以说<<\b>>匹配一个“字母数字序列”的开始和结束的位置。

“单词边界”的取反集为<<\B>>，他要匹配的位置是两个“单词字符”之间或者两个“非单词字符”之间的位置。

·        深入正则表达式引擎内部

让我们看看把正则表达式<<\bis\b>>应用到字符串“This island is beautiful”。引擎先处理符号<<\b>>。因为\b是0长度 ，所以第一个字符T前面的位置会被考察。因为T是一个“单词字符”，而它前面的字符是一个空字符(void)，所以\b匹配了单词边界。接着<<i>>和第一个字符“T”匹配失败。匹配过程继续进行，直到第五个空格符，和第四个字符“s”之间又匹配了<<\b>>。然而空格符和<<i>>不匹配。继续向后，到了第六个字符“i”，和第五个空格字符之间匹配了<<\b>>，然后<<is>>和第六、第七个字符都匹配了。然而第八个字符和第二个“单词边界”不匹配，所以匹配又失败了。到了第13个字符i，因为和前面一个空格符形成“单词边界”，同时<<is>>和“is”匹配。引擎接着尝试匹配第二个<<\b>>。因为第15个空格符和“s”形成单词边界，所以匹配成功。引擎“急着”返回成功匹配的结果。

10.  选择符

正则表达式中“|”表示选择。你可以用选择符匹配多个可能的正则表达式中的一个。

如果你想搜索文字“cat”或“dog”，你可以用<<cat|dog>>。如果你想有更多的选择，你只要扩展列表<<cat|dog|mouse|fish>>。

选择符在正则表达式中具有最低的优先级，也就是说，它告诉引擎要么匹配选择符左边的所有表达式，要么匹配右边的所有表达式。你也可以用圆括号来限制选择符的作用范围。如<<\b(cat|dog)\b>>，这样告诉正则引擎把(cat|dog)当成一个正则表达式单位来处理。

·        注意正则引擎的“急于表功”性

正则引擎是急切的，当它找到一个有效的匹配时，它会停止搜索。因此在一定条件下，选择符两边的表达式的顺序对结果会有影响。假设你想用正则表达式搜索一个编程语言的函数列表：Get，GetValue，Set或SetValue。一个明显的解决方案是<<Get|GetValue|Set|SetValue>>。让我们看看当搜索SetValue时的结果。

因为<<Get>>和<<GetValue>>都失败了，而<<Set>>匹配成功。因为正则导向的引擎都是“急切”的，所以它会返回第一个成功的匹配，就是“Set”，而不去继续搜索是否有其他更好的匹配。

和我们期望的相反，正则表达式并没有匹配整个字符串。有几种可能的解决办法。一是考虑到正则引擎的“急切”性，改变选项的顺序，例如我们使用<<GetValue|Get|SetValue|Set>>，这样我们就可以优先搜索最长的匹配。我们也可以把四个选项结合起来成两个选项：<<Get(Value)?|Set(Value)?>>。因为问号重复符是贪婪的，所以SetValue总会在Set之前被匹配。

一个更好的方案是使用单词边界：<<\b(Get|GetValue|Set|SetValue)\b>>或<<\b(Get(Value)?|Set(Value)?\b>>。更进一步，既然所有的选择都有相同的结尾，我们可以把正则表达式优化为<<\b(Get|Set)(Value)?\b>>。

11.  组与向后引用

把正则表达式的一部分放在圆括号内，你可以将它们形成组。然后你可以对整个组使用一些正则操作，例如重复操作符。

要注意的是，只有圆括号“()”才能用于形成组。“[]”用于定义字符集。“{}”用于定义重复操作。

当用“()”定义了一个正则表达式组后，正则引擎则会把被匹配的组按照顺序编号，存入缓存。当对被匹配的组进行向后引用的时候，可以用“\数字”的方式进行引用。<<\1>>引用第一个匹配的后向引用组，<<\2>>引用第二个组，以此类推，<<\n>>引用第n个组。而<<\0>>则引用整个被匹配的正则表达式本身。我们看一个例子。

假设你想匹配一个HTML标签的开始标签和结束标签，以及标签中间的文本。比如<B>This is a test</B>，我们要匹配<B>和</B>以及中间的文字。我们可以用如下正则表达式：“<([A-Z][A-Z0-9]*)[^>]*>.*?</\1>”

首先，“<”将会匹配“<B>”的第一个字符“<”。然后[A-Z]匹配B，[A-Z0-9]*将会匹配0到多次字母数字，后面紧接着0到多个非“>”的字符。最后正则表达式的“>”将会匹配“<B>”的“>”。接下来正则引擎将对结束标签之前的字符进行惰性匹配，直到遇到一个“</”符号。然后正则表达式中的“\1”表示对前面匹配的组“([A-Z][A-Z0-9]*)”进行引用，在本例中，被引用的是标签名“B”。所以需要被匹配的结尾标签为“</B>”

你可以对相同的后向引用组进行多次引用，<<([a-c])x\1x\1>>将匹配“axaxa”、“bxbxb”以及“cxcxc”。如果用数字形式引用的组没有有效的匹配，则引用到的内容简单的为空。

一个后向引用不能用于它自身。<<([abc]\1)>>是错误的。因此你不能将<<\0>>用于一个正则表达式匹配本身，它只能用于替换操作中。

后向引用不能用于字符集内部。<<(a)[\1b]>>中的<<\1>>并不表示后向引用。在字符集内部，<<\1>>可以被解释为八进制形式的转码。

向后引用会降低引擎的速度，因为它需要存储匹配的组。如果你不需要向后引用，你可以告诉引擎对某个组不存储。例如：<<Get(?:Value)>>。其中“(”后面紧跟的“?:”会告诉引擎对于组(Value)，不存储匹配的值以供后向引用。

·        重复操作与后向引用

当对组使用重复操作符时，缓存里后向引用内容会被不断刷新，只保留最后匹配的内容。例如：<<([abc]+)=\1>>将匹配“cab=cab”，但是<<([abc])+=\1>>却不会。因为([abc])第一次匹配“c”时，“\1”代表“c”；然后([abc])会继续匹配“a”和“b”。最后“\1”代表“b”，所以它会匹配“cab=b”。

应用：检查重复单词--当编辑文字时，很容易就会输入重复单词，例如“the the”。使用<<\b(\w+)\s+\1\b>>可以检测到这些重复单词。要删除第二个单词，只要简单的利用替换功能替换掉“\1”就可以了。

·        组的命名和引用

在PHP，Python中，可以用<<(?P<name>group)>>来对组进行命名。在本例中，词法?P<name>就是对组(group)进行了命名。其中name是你对组的起的名字。你可以用(?P=name)进行引用。

.NET的命名组

.NET framework也支持命名组。不幸的是，微软的程序员们决定发明他们自己的语法，而不是沿用Perl、Python的规则。目前为止，还没有任何其他的正则表达式实现支持微软发明的语法。

下面是.NET中的例子：

(?<first>group)(?’second’group)

正如你所看到的，.NET提供两种词法来创建命名组：一是用尖括号“<>”，或者用单引号“’’”。尖括号在字符串中使用更方便，单引号在ASP代码中更有用，因为ASP代码中“<>”被用作HTML标签。

要引用一个命名组，使用\k<name>或\k’name’.

当进行搜索替换时，你可以用“${name}”来引用一个命名组。

12.  正则表达式的匹配模式

本教程所讨论的正则表达式引擎都支持三种匹配模式：

<</i>>使正则表达式对大小写不敏感，

<</s>>开启“单行模式”，即点号“.”匹配新行符

<</m>>开启“多行模式”，即“^”和“$”匹配新行符的前面和后面的位置。

·        在正则表达式内部打开或关闭模式

如果你在正则表达式内部插入修饰符(?ism)，则该修饰符只对其右边的正则表达式起作用。(?-i)是关闭大小写不敏感。你可以很快的进行测试。<<(?i)te(?-i)st>>应该匹配TEst，但是不能匹配teST或TEST.

13.  原子组与防止回溯

在一些特殊情况下，因为回溯会使得引擎的效率极其低下。

让我们看一个例子：要匹配这样的字串，字串中的每个字段间用逗号做分隔符，第12个字段由P开头。

我们容易想到这样的正则表达式<<^(.*?,){11}P>>。这个正则表达式在正常情况下工作的很好。但是在极端情况下，如果第12个字段不是由P开头，则会发生灾难性的回溯。如要搜索的字串为“1,2,3,4,5,6,7,8,9,10,11,12,13”。首先，正则表达式一直成功匹配直到第12个字符。这时，前面的正则表达式消耗的字串为“1,2,3,4,5,6,7,8,9,10,11,”，到了下一个字符，<<P>>并不匹配“12”。所以引擎进行回溯，这时正则表达式消耗的字串为“1,2,3,4,5,6,7,8,9,10,11”。继续下一次匹配过程，下一个正则符号为点号<<.>>，可以匹配下一个逗号“,”。然而<<，>>并不匹配字符“12”中的“1”。匹配失败，继续回溯。大家可以想象，这样的回溯组合是个非常大的数量。因此可能会造成引擎崩溃。

用于阻止这样巨大的回溯有几种方案：

一种简单的方案是尽可能的使匹配精确。用取反字符集代替点号。例如我们用如下正则表达式<<^([^,\r\n]*,){11}P>>，这样可以使失败回溯的次数下降到11次。

另一种方案是使用原子组。

原子组的目的是使正则引擎失败的更快一点。因此可以有效的阻止海量回溯。原子组的语法是<<(?>正则表达式)>>。位于(?>)之间的所有正则表达式都会被认为是一个单一的正则符号。一旦匹配失败，引擎将会回溯到原子组前面的正则表达式部分。前面的例子用原子组可以表达成<<^(?>(.*?,){11})P>>。一旦第十二个字段匹配失败，引擎回溯到原子组前面的<<^>>。

14.  向前查看与向后查看

Perl 5 引入了两个强大的正则语法：“向前查看”和“向后查看”。他们也被称作“零长度断言”。他们和锚定一样都是零长度的（所谓零长度即指该正则表达式不消耗被匹配的字符串）。不同之处在于“前后查看”会实际匹配字符，只是他们会抛弃匹配只返回匹配结果：匹配或不匹配。这就是为什么他们被称作“断言”。他们并不实际消耗字符串中的字符，而只是断言一个匹配是否可能。

几乎本文讨论的所有正则表达式的实现都支持“向前向后查看”。唯一的一个例外是Javascript只支持向前查看。

·        肯定和否定式的向前查看

如我们前面提过的一个例子：要查找一个q，后面没有紧跟一个u。也就是说，要么q后面没有字符，要么后面的字符不是u。采用否定式向前查看后的一个解决方案为<<q(?!u)>>。否定式向前查看的语法是<<(?!查看的内容)>>。

肯定式向前查看和否定式向前查看很类似：<<(?=查看的内容)>>。

如果在“查看的内容”部分有组，也会产生一个向后引用。但是向前查看本身并不会产生向后引用，也不会被计入向后引用的编号中。这是因为向前查看本身是会被抛弃掉的，只保留匹配与否的判断结果。如果你想保留匹配的结果作为向后引用，你可以用<<(?=(regex))>>来产生一个向后引用。

·        肯定和否定式的先后查看

向后查看和向前查看有相同的效果，只是方向相反

否定式向后查看的语法是：<<(?<!查看内容)>>

肯定式向后查看的语法是：<<(?<=查看内容)>>

我们可以看到，和向前查看相比，多了一个表示方向的左尖括号。

例：<<(?<!a)b>>将会匹配一个没有“a”作前导字符的“b”。

值得注意的是：向前查看从当前字符串位置开始对“查看”正则表达式进行匹配；向后查看则从当前字符串位置开始先后回溯一个字符，然后再开始对“查看”正则表达式进行匹配。

·        深入正则表达式引擎内部

让我们看一个简单例子。

把正则表达式<<q(?!u)>>应用到字符串“Iraq”。正则表达式的第一个符号是<<q>>。正如我们知道的，引擎在匹配<<q>>以前会扫过整个字符串。当第四个字符“q”被匹配后，“q”后面是空字符(void)。而下一个正则符号是向前查看。引擎注意到已经进入了一个向前查看正则表达式部分。下一个正则符号是<<u>>，和空字符不匹配，从而导致向前查看里的正则表达式匹配失败。因为是一个否定式的向前查看，意味着整个向前查看结果是成功的。于是匹配结果“q”被返回了。

我们在把相同的正则表达式应用到“quit”。<<q>>匹配了“q”。下一个正则符号是向前查看部分的<<u>>，它匹配了字符串中的第二个字符“i”。引擎继续走到下个字符“i”。然而引擎这时注意到向前查看部分已经处理完了，并且向前查看已经成功。于是引擎抛弃被匹配的字符串部分，这将导致引擎回退到字符“u”。

因为向前查看是否定式的，意味着查看部分的成功匹配导致了整个向前查看的失败，因此引擎不得不进行回溯。最后因为再没有其他的“q”和<<q>>匹配，所以整个匹配失败了。

为了确保你能清楚地理解向前查看的实现，让我们把<<q(?=u)i>>应用到“quit”。<<q>>首先匹配“q”。然后向前查看成功匹配“u”，匹配的部分被抛弃，只返回可以匹配的判断结果。引擎从字符“i”回退到“u”。由于向前查看成功了，引擎继续处理下一个正则符号<<i>>。结果发现<<i>>和“u”不匹配。因此匹配失败了。由于后面没有其他的“q”，整个正则表达式的匹配失败了。

·        更进一步理解正则表达式引擎内部机制

让我们把<<(?<=a)b>>应用到“thingamabob”。引擎开始处理向后查看部分的正则符号和字符串中的第一个字符。在这个例子中，向后查看告诉正则表达式引擎回退一个字符，然后查看是否有一个“a”被匹配。因为在“t”前面没有字符，所以引擎不能回退。因此向后查看失败了。引擎继续走到下一个字符“h”。再一次，引擎暂时回退一个字符并检查是否有个“a”被匹配。结果发现了一个“t”。向后查看又失败了。

向后查看继续失败，直到正则表达式到达了字符串中的“m”，于是肯定式的向后查看被匹配了。因为它是零长度的，字符串的当前位置仍然是“m”。下一个正则符号是<<b>>，和“m”匹配失败。下一个字符是字符串中的第二个“a”。引擎向后暂时回退一个字符，并且发现<<a>>不匹配“m”。

在下一个字符是字符串中的第一个“b”。引擎暂时性的向后退一个字符发现向后查看被满足了，同时<<b>>匹配了“b”。因此整个正则表达式被匹配了。作为结果，正则表达式返回字符串中的第一个“b”。

·        向前向后查看的应用

我们来看这样一个例子：查找一个具有6位字符的，含有“cat”的单词。

首先，我们可以不用向前向后查看来解决问题，例如：

<< cat\w{3}|\wcat\w{2}|\w{2}cat\w|\w{3}cat>>

足够简单吧！但是当需求变成查找一个具有6-12位字符，含有“cat”，“dog”或“mouse”的单词时，这种方法就变得有些笨拙了。

我们来看看使用向前查看的方案。在这个例子中，我们有两个基本需求要满足：一是我们需要一个6位的字符，二是单词含有“cat”。

满足第一个需求的正则表达式为<<\b\w{6}\b>>。满足第二个需求的正则表达式为<<\b\w*cat\w*\b>>。

把两者结合起来，我们可以得到如下的正则表达式：

     <<(?=\b\w{6}\b)\b\w*cat\w*\b>>

具体的匹配过程留给读者。但是要注意的一点是，向前查看是不消耗字符的，因此当判断单词满足具有6个字符的条件后，引擎会从开始判断前的位置继续对后面的正则表达式进行匹配。

最后作些优化，可以得到下面的正则表达式：

<<\b(?=\w{6}\b)\w{0,3}cat\w*>>

15.  正则表达式中的条件测试

条件测试的语法为<<(?ifthen|else)>>。“if”部分可以是向前向后查看表达式。如果用向前查看，则语法变为：<<(?(?=regex)then|else)>>，其中else部分是可选的。

如果if部分为true，则正则引擎会试图匹配then部分，否则引擎会试图匹配else部分。

需要记住的是，向前先后查看并不实际消耗任何字符，因此后面的then与else部分的匹配时从if测试前的部分开始进行尝试。

16.  为正则表达式添加注释

在正则表达式中添加注释的语法是：<<(?#comment)>>

例：为用于匹配有效日期的正则表达式添加注释：

 (?#year)(19|20)\d\d[- /.](?#month)(0[1-9]|1[012])[- /.](?#day)(0[1-9]|[12][0-9]|3[01])

表达式 语法 说明 任一字符 . 匹配除换行符外的任何一个字符。 最多 0 项或更多 * 匹配前面表达式的 0 个或更多搜索项。 最多一项或更多 + 匹配前面表达式的至少一个搜索项。 最少 0 项或更多 @ 匹配前面表达式的 0 个或更多搜索项，匹配尽可能少的字符。 最少一项或更多 # 匹配前面表达式的一个或更多搜索项，匹配尽可能少的字符。 重复 n 次 ^n 匹配前面表达式的 n 个搜索项。例如，[0-9]^4 匹配任意 4 位数字的序列。 字符集 [] 匹配 [] 内的任何一个字符。要指定字符的范围，请列出由短划线 (-) 分隔的起始字符和结束字符，如 [a-z] 中所示。 不在字符集中的字符 [^...] 匹配跟在 ^ 之后的不在字符集中的任何字符。 行首 ^ 将匹配定位到行首。 行尾 $ 将匹配定位到行尾。 词首 <  仅当词在文本中的此位置开始时才匹配。 词尾 >  仅当词在文本中的此位置结束时才匹配。 分组 () 将子表达式分组。 或 | 匹配 OR 符号 (|) 之前或之后的表达式。). 最常用在分组中。例如，(sponge|mud) bath 匹配“sponge bath”和“mud bath”。 转义符 \ 匹配跟在反斜杠 (\) 后的字符。这使您可以查找在正则表达式表示法中使用的字符，如 { 和 ^。例如，\^ 搜索 ^ 字符。 带标记的表达式 {} 标记括号内的表达式所匹配的文本。 第 n 个带标记的文本 \n 在“查找”或“替换”表达式中，指示第 n 个带标记的表达式所匹配的文本，其中 n 是从 1 至 9 的数字。 在“替换”表达式中，\0 插入整个匹配的文本。 右对齐字段 \(w,n) 在“替换”表达式中，将字段中第 n 个带标记的表达式右对齐至少 w 字符宽。 左对齐字段 \(-w,n) 在“替换”表达式中，将字段中第 n 个带标记的表达式左对齐至少 w 字符宽。 禁止匹配 ~(X) 当 X 出现在表达式中的此位置时禁止匹配。例如，real~(ity)    匹配“realty”和“really”中的“real”，而不匹配“reality”中的“real”。 字母数字字符 :a 匹配表达式 ([a-zA-Z0-9])。 字母字符 :c 匹配表达式 ([a-zA-Z])。 十进制数 :d 匹配表达式 ([0-9])。 十六进制数 :h 匹配表达式 ([0-9a-fA-F]+)。 标识符 :i 匹配表达式 ([a-zA-Z_$][a-zA-Z0-9_$]*)。 有理数 :n 匹配表达式 (([0-9]+.[0-9]*)| ([0-9]*.[0-9]+)| ([0-9]+)). 带引号的字符串 :q 匹配表达式 (("[^"]*")| ('[^']*')) 字母字符串 :w 匹配表达式 ([a-zA-Z]+) 十进制整数 :z 匹配表达式 ([0-9]+)。 转义符 \e Unicode U+001B。 Bell \g Unicode U+0007。 退格符 \h Unicode U+0008。 换行符 \n 匹配与平台无关的换行符。在“替换”表达式中，插入换行符。 制表符 \t 匹配制表符，Unicode U+0009。 Unicode 字符 \x#### 或 \u#### 匹配 Unicode 值给定的字符，其中 #### 是十六进制数。可以用 ISO 10646 代码点或两个提供代理项对的值的 Unicode 代码点指定基本多语种平面（即一个代理项）外的字符。   下表列出按标准 Unicode 字符属性进行匹配的语法。两个字母的缩写词与 Unicode 字符属性数据库中所列的一样。可将这些指定为字符集的一部分。例如，表达式 [:Nd:Nl:No] 匹配任何种类的数字。 表达式 语法 说明 大写字母 :Lu 匹配任何一个大写字母。例如，:Luhe 匹配“The”但不匹配“the”。 小写字母 :Ll 匹配任何一个小写字母。例如，:Llhe 匹配“the”但不匹配“The”。 词首大写字母 :Lt 匹配将大写字母和小写字母结合的字符，例如，Nj 和 Dz。 修饰符字母 :Lm 匹配字母或标点符号，例如逗号、交叉重音符和双撇号，用于表示对前一字母的修饰。 其他字母 :Lo 匹配其他字母，如哥特体字母 ahsa。 十进制数 :Nd 匹配十进制数（如 0-9）和它们的双字节等效数。 字母数字 :Nl 匹配字母数字，例如罗马数字和表意数字零。 其他数字 :No 匹配其他数字，如旧斜体数字一。 开始标点符号 :Ps 匹配开始标点符号，例如左方括号和左大括号。 结束标点符号 :Pe 匹配结束标点符号，例如右方括号和右大括号。 左引号 :Pi 匹配左双引号。 右引号 :Pf 匹配单引号和右双引号。 破折号 :Pd 匹配破折号标记。 连接符号 :Pc 匹配下划线标记。 其他标点符号 :Po 匹配逗号 (,)、?、"、!、@、#、%、&、*、\、冒号 (:)、分号 (;)、' 和 /。 空白分隔符 :Zs 匹配空白。 行分隔符 :Zl 匹配 Unicode 字符 U+2028。 段落分隔符 :Zp 匹配 Unicode 字符 U+2029。 无间隔标记 :Mn 匹配无间隔标记。 组合标记 :Mc 匹配组合标记。 封闭标记 :Me 匹配封闭标记。 数学符号 :Sm 匹配 +、=、~、| 、< 和 >。 货币符号 :Sc 匹配 $ 和其他货币符号。 修饰符号 :Sk 匹配修饰符号，如抑扬音、抑音符号和长音符号。 其他符号 :So 匹配其他符号，如版权符号、段落标记和度数符号。 其他控制 :Cc 匹配行尾。 其他格式 :Cf 格式化控制字符，例如双向控制字符。 代理项 :Cs 匹配代理项对的一半。 其他私用 :Co 匹配私用区域的任何字符。 其他未分配的字符 :Cn 匹配未映射到 Unicode 字符的字符。 除标准 Unicode 字符属性外，还可以指定下列附加属性。可将这些属性指定为字符集的一部分。 表达式 语法 说明 Alpha :Al 匹配任何一个字符。例如，:Alhe 匹配“The”、“then”、“reached”等单词。 数字 :Nu 匹配任何一个数或数字。 标点符号 :Pu 匹配任何一个标点符号，如 ?、@、' 等等。 空白 :Wh 匹配所有类型的空格，包括印刷和表意文字的空格。 Bidi :Bi 匹配诸如阿拉伯文和希伯来文这类从右向左书写的字符。 朝鲜文 :Ha 匹配朝鲜文和组合朝鲜文字母。 平假名 :Hi 匹配平假名字符。 片假名 :Ka 匹配片假名字符。 表意文字/汉字/日文汉字 :Id 匹配表意文字字符，如汉字和日文汉字

基本语法

模式	说明
.	匹配除换行符(\n)之外的任何单个字符. 要匹配包括 '\n' 在内的任何字符, 可以使用 [.\n] 模式.
\	转义字符, 用于转义紧跟的字符. 详情请参考转义字符表.
[...]	定义一个字符类, 匹配方括号内的任意一个字符. 例: [abc] 可以匹配单个字符 a, b 或 c.
[^...]	定义一个非匹配字符类的开始处, 它表示否定该字符类, 即匹配不在方括号中出现的任何字符. 例: [^abc] 可以匹配 e, 7, z 等除 a, b 和 c 之外的字符.
^	如果 ^ 出现在正则表达式最前边, 它匹配输入字符串的开头. 例: ^[abc] 匹配输入字符串开头的 a, b 或 c , 如 about us, be it, can you?.
$	放在正则表达式的最后, 匹配输入字符串的末端. 例: [0-9]$ 匹配输入字符串末端的一个数字字符, 如 last 9, add 1.
|	"或"分隔符, 分隔多个表达式, 只须匹配其中一个. 例: th(is|at|ese|ose) 可以匹配 this, that, these 或 those.
-	在字符类中, 指定一个字符范围. 例: [0-9] 匹配 0 到 9 的数字.
?	匹配前面的子表达式零次或一次. ? 等价于 {0,1} . 例: do(es)? 可以匹配 do 或 does.
+	匹配前面的子表达式一次或多次. + 等价于 {1,} . 例: zo+ 能匹配 zo 以及 zoo 或者 zoooo, 但不能匹配 z .
*	匹配前面的子表达式零次或多次. * 等价于 {0,} . 例: zo* 能匹配 z 以及 zoo .
{n}	匹配前面的子表达式确定的 n 次. n 是一个非负整数. 例: o{2} 不能匹配 Bob 中的 o , 但是能匹配 food 中的 oo .
{n,}	匹配前面的子表达式至少 n 次. n 是一个非负整数. e{1,} 等价于 e+ , e{0,} 则等价于 e* . 例: e{2,} 不能匹配 Bed 中的 e , 但是能匹配 feel 和 feeeeel 中所有的 e .
{n,m}	匹配前面的子表达式最少 n 次且最多 m 次. n<=m, m 和 n 均为非负整数. 在逗号和两个数字之间不能有空格. o{0,1} 等价于 o? . 例: o{1,3} 可以匹配 fooooood 中的前三个 o .
?? +? *? {n}? {n,}? {n,m}?	?, +, *, {n}, {n,}, {n,m} 的非贪婪匹配版本, 非贪婪匹配在匹配时会尽可能匹配较少的字符. 例: 输入字符串为 <abc><def> 使用非贪婪匹配 <.*?> 会匹配 <abc> . 使用贪婪匹配 <.*> 会匹配整个 <abc><def> .
(pattern)	表达式分组操作符. 用于分隔子表达式和返回部分匹配结果. 返回的结果可以在替换操作的时候用 $1 - $10 表示. 例: (\d+,)*\d+ 可以匹配逗号分隔的数字字符串, 如 41 或 1,23,456 .
(?:pattern)	非获取匹配分组, 匹配 pattern 但不返回匹配结果, 这样可以节省资源, 也不容易与获取匹配的结果混淆.
(?=pattern)	肯定正查(Positive Lookahead). 作用类似 $, 匹配任何后缀有符合 pattern 字符串的之前的位置, 这是一个非获取匹配. 例: Windows (?=95|98|NT|2000) 匹配 Windows 2000 中的 Windows, 而不匹配 Windows 3.1 中的 Windows. 最终返回的是 Windows 而不包含 pattern 匹配的 2000 部分.
(?<=pattern)	肯定反查(Positive Lookbehind). 作用类似 ^, 匹配任何前缀有符合 pattern 的字符串之后的位置, 这是一个非获取匹配. 例: (?<=Windows|MacOS|Linux|Unix) Now 匹配 Windows Now 中的 Now, 而不匹配 PalmOS Now 中的 Now. 最终返回的是 Now 而不包含 pattern 匹配的 Windows 部分.
(?!pattern)	否定正查(Negative Lookahead). 作用类似否定的 $, 匹配任何后缀不符合 pattern 字符串的之前的位置, 这是一个非获取匹配. 例: Windows(?!95|98|NT|2000) 匹配 Windows 3.1 中的 Windows, 但不匹配 Windows 2000 中的 Windows. 最终返回的是 Windows 而不包含 pattern 匹配的 3.1 部分.
(?<!pattern)	否定反查(Negative Lookbehind). 作用类似否定的 ^, 匹配任何前缀不符合 pattern 的字符串之后的位置, 这是一个非获取匹配. 例: (?<!Windows|MacOS|Linux|Unix) Now 匹配 PalmOS Now 中的 Now, 而不匹配 Windows Now 中的 Now. 最终返回的是 Now 而不包含 pattern 匹配的 PalmOS 部分.

转义字符表

范例	说明
\w	表示任意字母和数字, 等价于 [a-zA-Z0-9]
\W	表示任意非字母和数字字符, 等价于[^a-zA-Z0-9]
\s	表示任何空白字符, 包括空格, 制表符, 换页符等等, 等价于 [ \f\n\r\t\v]
\S	表示任何非空白字符, 等价于 [^ \f\n\r\t\v]
\d	表示任意数字, 等价于 [0-9]
\D	表示任意非数字字符, 等价于 [^0-9]
\b	表示单词边界, 即字母和空格之间的位置. 也可能表示退格键.
\B	表示非单词边界
\1 - \10	表示前面用 () 包含的第 n 个子表达式. 例: <t(.*?)>caption<\/\1> 可以匹配 <title>caption</title>, 注意里面的 \1 .
\t	表示制表符
\n	表示换行符
\r	表示回车符
\x##	表示十六进制值为 ## 的字符, ## 必须为两个字符. 正则表达式中使用 ASCII 编码. 例: \x41 等价于 A , \x041 则等价于 \x04 后面带一个字符 1 .
\u####	表示十六进制值为 #### 的 Unicode 字符. 例: \u00A9 等价于版权符号 © .