模式匹配和文本处理

模式匹配和文本处理

字符串的处理主要包括寻找字符中的模式（模式匹配），以及通过称为正则表达式的特殊语言来执行

正则表达式：

正则表达式是一种用于描述字符串格式的语言，它提供了对应于重复字符、替换字符以及分组字符的描述符。其既可进行字符串的搜索，也可以用于字符串的替换。它也是一种字符串。

正则表达式中包含的元字符可以进行大范围的搜索等操作。

C#使用正则表达式：

首先需引入RegEx类，存在于System.Text.RegularExpression名字域中。

匹配：Match类（只能存储一个匹配）

匹配s：Matches类（存储多个匹配），然后可以把找到的匹配存储到MatchCollection对象中。

实例：

  static void Main( string [] args)

        {

#if false

            Regex reg = new Regex("the");//创建一个RegEx对象，并把要匹配的正则表达式传递给构造器。

            string str1 = "The quick brown fox jumped over the lazy dog";

            Match matchset;//match类为存储用来与正则表达式进行匹配的数据提供方法。

            int matchpos;

            matchset = reg.Match(str1);

            string matchStr = matchset.Value;

            Console.WriteLine(matchStr);

            if (matchset.Success)

            {

                matchpos = matchset.Index;

                Console.WriteLine("found match at position:" + matchpos);

            }

            //if (Regex.IsMatch(str1, "the"))

            //{

            //    Match aMatch;

            //    aMatch = reg.Match(str1);

            //}

#endif

            string str2 = "the quick brown fox jumped over the lazy dog" ;

            Console .WriteLine(str2);

            Console .Write( "你想找啥？" );

            string regEx = Console .ReadLine();

            Regex reg = new Regex (regEx);

            MatchCollection matchSet;

            matchSet = reg.Matches(str2);

            if (matchSet.Count > 0)

            {

                foreach ( Match aMatch in matchSet)

                {

                    Console .WriteLine( "found a match at:" + aMatch.Index);

                }

            }

        }

替换：Replace类

参数：目标字符串、要替换的子串、用作替换的子串。

示例代码：

            str2 = Regex .Replace(str2, "brown" , "black" );

            Console .WriteLine(str2);

用数量词精确匹配次数

加号（+）：说明正则表达式应该匹配一个或多个紧接其前的字符。

星号（*）：说明正则表达式应该匹配零个或多个紧接其前的字符。但是这个数量词较为难用，常会匹配出全部字符串，起不到作用。

问号（？）：精确匹配零次或一次的数量词。代表可选项。把它加在一个字符的后面，就表示此处容许出现这个字符，不过它的出现并非匹配成功的必要条件。

例如：“color colour”使用正则表达式“colou?r”进行匹配，可以匹配到color和colour；

         “bad baaad”使用正则表达式“baa?d”匹配，可以匹配到bad，而匹配不到baaad，因为？之前紧接的字符“a”可以匹配也可以不匹配，也就是可以匹配到bad和baad；

           “bad baaaad”使用“baaa?d”只能匹配到baad和baaad，依次结果一个也匹配不到。

{n}：指定此符号之前紧接的字符出现的次数。

代码：

//使用{}

            string [] words4 = new string [] { "baaad" , "baad" , "boy" , "bad" , "bear" , "bend" };

            Console .WriteLine( "使用“{}”的匹配结果" );

            foreach ( string word in words4)        

            {

                if ( Regex .IsMatch(word, "ba{2}d" )) //

                {

                    Console .WriteLine(word);

                }

            }

结果：

{n,m}：指定匹配的最大值（m）和最小值（n）。

//使用{n,m}

            string [] words5 = new string [] { "baaad" , "baad" , "boy" , "bad" , "bear" , "bend" };

            Console .WriteLine( "使用“{n,m}”的匹配结果" );

            foreach ( string word in words4)

            {

                if ( Regex .IsMatch(word, "ba{1,3}d" )) //

                {

                    Console .WriteLine(word);

                }

            }

结果：

{n,}：指定最少匹配的数量。

代码：

//使用{n,}

            string [] words6 = new string [] { "baaad" , "baad" , "boy" , "bad" , "bear" , "bend" };

            Console .WriteLine( "使用“{n,m}”的匹配结果" );

            foreach ( string word in words6)

            {

                if ( Regex .IsMatch(word, "ba{2,}d" )) //

                {

                    Console .WriteLine(word);

                }

            }

结果：

以上则是所谓的 贪心行为，即是尽可能多的匹配，但会导致不可预期的匹配。

字符类 ：使用主要元素来构成正则表达式

句点（.）:句点与字符串中的每一个单独字符匹配。

代码：

            string str1 = "The quick brown fox jumped over the lazy dog." ;

            MatchCollection matchSet;

            matchSet = Regex .Matches(str1, "." );

            foreach ( Match match in matchSet)

            {

                Console .WriteLine( "Matches at: " + match.Index);

            }

较好地利用句点的方法：用它在字符串内部定义字符范围，也就是用来限制字符串的开始（或/和）结束字符。

代码：

            string str1 = "The quick brown fox jumped over the lazy dog." ;

            MatchCollection matchSet;

            matchSet = Regex .Matches(str1, "j....d" );

            foreach ( Match match in matchSet)

            {

                Console .WriteLine( "Matches at: " + match.Index);

            }