VBA正则表达式

EXCEL本身的替换功能已经带有部分，word的更牛，但也未达到正则表达式的精华部分那种功能。

摘录部分内容共享：来自Henry Spencer
1. 概述
正则表达式原本是形式语言理论中的概念，与编译器的构造有密切的联系。

但是作为一个应用软件的用户，我们没有必要去细究正则表达式的严格定义和处理方法。

本文将从实用的角度出发，阐述引入正则表达式的目的、正则表达式的命令格式，以及如何利用正则表达式完成一些实际的文本处理工作。

我们在处理文本时，经常会遇到一些具有某种特定格式，或者说满足某种规则的文本。

比如，一个无符号的整数由一连串的数字构成，而一个Email地址的格式则是“用户名@主机名”，其中用户名是一串字母或数字，主机名则是由若干个由“.”分隔的字母数字串。

正则表达式就是用来指定这种规则的。

如果某个字符串满足正则表达式指定的规则，则称该字符串为正则表达式的一个“匹配串”。

2. 正则表达式的构成
为了方便理解，让我们先来看看大家比较熟悉的数学表达式，“(x+3)*2+y”是一个典型的数学表达式。

一个数学表达式由若干个“项”组成，“项”与“项”之间用加号或减号相连；这里“(x+3)*2”和“y”分别是两个项。

每个项又由若干个“因子”组成，因子之间用乘号或除号相连；这里第一个项有两个因子“(x+3)”和“2”，而第二个项只有一个因子“y”。

每个因子可以是一个简单的数，一个代数变量，
也可以是放在括号里面的另一个表达式。

对于最后一种情况，括号中的表达式称为“子表达式”；这里“x+3”就是一个子表达式。

正则表达式的结构与数学表达式很相似。

与数学表达式的“项”相对应，正则表达式由若干个“分支”构成，“分支”之间用符号“|”相连。

从逻辑上讲，分支之间是一种“或”的关系，一个字符串只要与正则表达式中的任何一个分支相匹配，这个字符串就与整个正则表达式相匹配。

比如，“第三人称代词”可以用正则表达式表示为“他|她|它|他们|她们|它们”。

与数学表达式的“因子”相对应，构成正则表达式“分支”的部件称为“原子”。

“原子”与“原子”之间没有任何符号相连。

从逻辑上讲，原子之间是串接的关系，一个字符串必须与各个原子依次相匹配，才算与这个分支相匹配。

比如在上面的例子中，分支“他们”由两个原子“他”和“们”组成。

正则表达式的本质是它的“原子”可以有多种不同的形式。

前面的例子是最简单的情形，即每个原子由一个普通字符组成。

除此以外，“原子”还可以是特殊符号、通配符、字符集以及子表达式。

2.1 特殊符号
可以作为特殊符号的原子有：
^ 匹配行首。

例如，“^他”匹配出现在行首的“他” 字。

值得注意的是，这个符号仅仅表示“行首”这个位置，与它相匹配的字符串长度为0；
$ 匹配行末。

与“^”相似，它仅表示“行末”这个位置。

例如，“。

$”匹配出现在行末的句号；
< 匹配词首。

词首的定义是紧接在非字母数字之后的第一个字母数字或下划线(_)，汉字永远是词首。

与“^” 相似，它仅表示“词首”这个位置，匹配长度为0；
> 匹配词尾。

词尾是指紧接在字母数字或下划线之后的第一个非字母数字下划线，任一汉字之后也属于词尾。

词尾的匹配长度也是0；
\t TAB字符；
\e ESC字符；
2.2 通配符
通配符是用一个符号(或几个符号组合)来匹配某一类满足条件的字符。

可以使用通配符来查找字符是正则表达式的一大特点。

通配符(注意大小写的区别)：
半角部分： .(句点) 匹配任何字符；\a 匹配任意英文字母；\~a 匹配除字母外的任意字符；\d 匹配任意数字；\~d 匹配除数字外的任意字符；\h 匹配任意词首字符(字母及下划线)；\~h 匹配除字母及下划线以外的任意字符；\l 匹配任意小写字母；\~l 匹配除小写字母外的任意字符；\o 匹配任意八进制数字相匹配(0-7)；\~o 匹配除八进制数字外的任意字符；\p 匹配任意半角标点符号；\~p 匹配除半角标点以外的任意字符；\s 匹配任意空白字符（空格、TAB）；\~s 匹配任意非空白字符；\u 匹配任意大写字母；\~u 匹配除大写字母外的任意字符；\w 匹配可成词的字符(字母、数字及下划线)；\~w 匹配成词字符外的任意字符；\x 匹配任意十六进制数字(0-9，a-f, A-F)；\~x 匹配除十六进制数字外的任意字符；
全角部分：\f 匹配任意双字节字符（汉字或全角符号）；\~f 匹配任意单字节字符；\A 匹配任意全角ASCII字符；\b 匹配任意收录在BIG5码集中的双字节字符；\~b 匹配未收录在BIG5码集中的双字节字符；\c 匹配任意汉字(不包括符号)；\~c 匹配非汉字的双字节字符；\D 匹配地支字符(子丑寅卯……)；\g 匹配收录在GB码集中的双字节字符；\~g 匹配非收录在GB码集中的双字节字符；\k 匹配日文片假名；\K 匹配日文平假名；\m 匹配小写希腊字母；\M 匹配大写希腊字母；\n 匹配中文数字(一二三四……)；\N 匹配大写中文数字(壹贰叁肆……)；\P 匹配全角标点符号；\r 匹配小写俄文字母；\R 匹配大写俄文字母；\s 匹配数学符号；\S 匹配中文序号(⒈⒉⒊⒋……)；\T 匹配天干字符(甲乙丙丁……)；\V 匹配竖排标点符号；\y 匹配拼音字符；\ Y 匹配注音字符；\Z 匹配制表字符；
2.3 字符集
字符集是用一对方括号[]括起来的字符串，用以匹配字符集中的任何一个字符。

比如“[他她它]”匹配单数第三人称代词。

如果方括号中的第一个字符是"^"，则匹配除指定字符外的任何其它字符。

在字符集中，还可以用"-"表示字符的范围，例如“[a-z]”匹配任何小写字母。

注意尽量不要用“-”表示汉字的范围，因为汉字并没有公认的次序，目前是依据汉字内码来确定范围的。

如果两个汉字的内码相差很大，将消耗大量的内存，运算也将非常缓慢。

为了避免这种现象，限制表示范围的起始与终止汉字必须位于同一区。

如果字符集要包括字符“]”、“^”、“-”或“\”，可以在这些字符前加“\”。

例如“[\^xyz]”匹配"^", "x","y"或"z"。

另外需要特别指出的是，前面所述的特殊字符及通配符，除了"\t"和"\e"外，在字符集中均作为普通字符处理。

字符集的匹配速度比通配符慢，所以应该尽可能地使用通配符。

例如要查找半角数字时，应该使用\d，而不要使用[0-9]，虽然后者也是正确的。

2.4 子表达式
子表达式是指用一对括弧()括起来的另外一个正则表达式。

使用子表达式有两种主要的目的。

一是改变匹配的优先级，例如“中|西文软件”匹配的是“中”或“西文软件”，但是“(中|西)文软件”匹配的是“中文软件”或“西文软件”。

使用子表达式的另一个目的，是引用前面匹配到的内容。

例如要查找形如“哈哈”、“嘻嘻”的叠字词，可以写“(\c)\1”。

这里“(\c)”匹配任意汉字，而“\1”则引用匹配到的内容。

允许在一个查找串包含最多9个子表达式，它们的匹配内容可以分别用“\1”，“\2”...“\9”来加以引用。

子表达式也可以嵌套另一个子表达式，子表达式左括号出现的序号为这个表达式的编号。

另外需要注意的是，只能引用已经匹配了的子表达式，象上面的例子不可以写成“\1(\c)”，同理，也不应该引用不同分支中的子表达式，因为一个正则表达式中只可能有一个分支被匹配。

2.5 重复指示符
正则表达式的另外一个强大的功能是重复匹配的能力。

前述的任何一种“原子”之后，都可以指定一个重复指示符。

下面列出各种重复指示符：
? 表示前一“原子”可有可无(重复0或1次)。

例如“我们?”匹配“我”或“我们”；
+ 表示前一“原子”至少匹配一次。

例如“\d+”匹配任何一个无符号整数；
* 表示前一“前子”重复匹配0或多次。

例如“\h\w*” 表示许多高级语言对“变量”的定义：以字母或下划线开头，后接任意多个字母数字或下划线；
{n} 表示前一“原子”重复匹配n次。

例如“\c啦{3}”匹配“哗啦啦啦”或“呼啦啦啦”等；
{n,m} 表示前一“原子”重复匹配n至m次，其中n<=m。

如果n>m，将自动交换m与n的值；
{n,} 至少重复匹配n次，相当于{n,无穷大}；
{,m} 至多重复匹配m次，相当于{0,m}；
{} 重复任意多次，相当于*。

在前面所述的各种重复指示符中，如果重复的次数不定，将匹配尽可能长的目标串(但最多不超过32767次，这是内设的上限)。

例如有一字符串“你好，我好，大家好”，表达式“你.*好”将匹配整个字符串，而不是“你好”或“你好，我好”。

如果需要匹配尽可能短的目标串，可以采用前述的最后四种形式，并在“{”之后加上“-”号。

上例中的表达式如改为“你.{-}好”，则匹配串为“你好”。

{-n,m} 重复匹配m至n次，匹配次数尽可能少；
{-n,} 至少重复匹配n次，匹配次数尽可能少；
{-,m} 至多重复匹配m次，匹配次数尽可能少，相当于{-0,m}；
{-} 重复任意多次，类似于*，但匹配次数尽可能少。

重复指示符只对紧邻在其前的“原子”起作用，例如“你好+”将匹配“你好”，“你好好”……。

但是不会匹配“你好你好”。

如果要重复匹配一组原子，可以使用括号(子表达式)，如“(你好)+”就会匹配“你好你好”。

需要指出的是，重复指示符与引用子表达式具有不同的含义。

重复指示符是重复“匹配”，至于匹配的内容则可以不同；而引用子表达式则是重复匹配的内容。

例如，“\d{2}”可以匹配任何一个两位数的整数，但是“(\d)\1”只能匹配“11”、“22”、“33”等数字相同两位数。

当然，也可以重复引用子表达式，如“(\d)\1*”可以匹配“2”，“33”、“111”等各位数全同的整数。

如前所述，在正则表达式中，以下字符“*?+.()[]{}\”具有特殊的含义。

如果需要查找这些字符本身，可以在该字符前加一个反斜杠“\”。

例如查“\def”可以输入“\\def”。