.NET正则基础之——.NET正则匹配模式

1 概述

匹配模式指的是一些可以改变正则表达式匹配行为的选项或修饰符。不同的语言支持的匹配模式不同，使用的方式也不同。

一般可分为全局和内联两种。下面主要介绍.NET中的匹配模式，其它语言的匹配模式，后续视情况补充。

2 匹配模式

2.1 全局匹配模式和内联匹配模式概述

.NET中的全局匹配模式是通过RegexOptions 枚举值指定的，可以按位“或”进行组合，全局匹配模式只能作用于整个正则表达式。全局匹配模式提供的模式更多，可以灵活的动态指定匹配模式。

而内联匹配模式是通过在正则表达式中，使用(?imnsx-imnsx:)或(?imnsx-imnsx)的分组构造来改变正则表达式的匹配行为的。内联匹配模式更灵活、简洁，但是提供的模式较少。

下表摘自MSDN，部分说明做了修改。

RegexOption 成员	内联字符	说明
None	N/A	指定不设置任何选项。
IgnoreCase	i	指定不区分大小写的匹配。
Multiline	m	指定多行模式。更改 ^ 和 $ 的含义，以使它们分别与任何行的开头和结尾匹配，而不只是与整个字符串的开头和结尾匹配。
ExplicitCapture	n	指定唯一有效的捕获是显式命名或编号的 (?<name>…) 形式的组。这允许圆括号充当非捕获组，从而避免了由 (?:…) 导致的语法上的笨拙。
Compiled	N/A	指定正则表达式将被编译为程序集。生成该正则表达式的 Microsoft 中间语言 (MSIL) 代码；以较长的启动时间为代价，得到更快的执行速度。
Singleline	s	指定单行模式。更改句点字符 (.) 的含义，以使它与每个字符（而不是除 \n 之外的所有字符）匹配。
IgnorePatternWhitespace	x	指定从模式中排除非转义空白并启用数字符号 (#) 后面的注释。请注意，空白永远不会从字符类中消除。
RightToLeft	N/A	指定搜索是从右向左而不是从左向右进行的。具有此选项的正则表达式将移动到起始位置的左边而不是右边。
ECMAScript	N/A	指定已为表达式启用了符合 ECMAScript 的行为。此选项仅可与 IgnoreCase 和 Multiline 标志一起使用。将 ECMAScript 同任何其他标志一起使用将导致异常。
CultureInvariant	N/A	指定忽略语言中的区域性差异。

2.2 全局匹配模式

下面根据各种模式使用的频率进行讲解。

2.2.1 IgnoreCase 忽略大小写

几乎所有支持正则的语言中都提供了这一模式，是应用最多的模式之一，同时也是被“滥”用最多的模式之一。

开启忽略大小写模式，则字符可以同时匹配大写或小写形式。比如在此模式下，正则表达式“<br>”可同时匹配“<br>”和“<BR>”

但并不是所有的字符都有大小写形式，所以在书写的正则中，如果不存在可区分大小写形式的元字符或是字符序列时，开启这一模式是没有任何意义的。

比如替换一般的html标签的正则表达式

string result = Regex.Replace(srcStr, @"<[^>]*>", "", RegexOptions.IgnoreCase);

因为<[^>]*>没有哪一个元字符或是字符序列具有大小写形式，所以这里的RegexOptions.IgnoreCase是多余的，用在这里虽然不会改变匹配结果，但是会降低匹配效率，同时这也不是一个好的习惯。

只有在正则表达式中，注意是正则表达式中，而不是待匹配的源字符串中，涉及到大小写形式的元字符或是字符序列时，才使用IgnoreCase模式。

2.2.2 Multiline 多行模式

多行模式改变的是“^”和“$”的匹配行为，使“^”和“$”不仅可以匹配整个字符串的开始和结束位置，还可以匹配每行的开始和结束位置。

首先说明一下“行”的范围。虽然我们在程序中习惯用“\r\n”来表示换行，但实际上“\r”和“\n”是不相关的两个字符，一个表示回车，一个表示换行。由于历史原因，“\r”并不是所有系统都支持的，所以“行”是由“\n”来分割的，其中“\n”属于前一“行”，而不属于后一“行”。

举例来说，字符串“a\r\nbc\r\n”共有三行，“a\r\n”为一行，“bc\r\n”为一行，最后还有一个“”空行。

2.2.2.1 在不开启多行模式情况下，“^”和“$”匹配范围

“^”的匹配范围

MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"^");

foreach (Match m in mc)

{

richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";

}

/*--------输出--------

匹配内容： 匹配开始索引：0 匹配长度：0

*/

“$”的匹配范围

MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"$");

foreach (Match m in mc)

{

richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";

}

/*--------输出--------

匹配内容： 匹配开始索引：6 匹配长度：0

匹配内容： 匹配开始索引：7 匹配长度：0

*/

注意：这里需要注意的是，在没有开启多行模式时，字符串结尾如果是“\n”，那么“$”是可以匹配两个位置的，一个是“\n”前的位置，一个是字符串结束位置。字符串结尾如果不是“\n”，那么“$”就只匹配字符串结束位置。

MatchCollection mc = Regex.Matches("a\r\nbc\r", @"$");

foreach (Match m in mc)

{

richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";

}

/*--------输出--------

匹配内容： 匹配开始索引：6 匹配长度：0

*/

2.2.2.2 在开启了多行模式后，“^”和“$”匹配范围

“^”的匹配范围

MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"^", RegexOptions.Multiline);

foreach (Match m in mc)

{

richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";

}

/*--------输出--------

匹配内容： 匹配开始索引：0 匹配长度：0

匹配内容： 匹配开始索引：3 匹配长度：0

匹配内容： 匹配开始索引：7 匹配长度：0

*/

“$”的匹配范围

MatchCollection mc = Regex.Matches("a\r\nbc\r\n", @"$", RegexOptions.Multiline);

foreach (Match m in mc)

{

richTextBox2.Text += "匹配内容：" + m.Value + " 匹配开始索引：" + m.Index + " 匹配长度：" + m.Length + "\n";

}

/*--------输出--------

匹配内容： 匹配开始索引：2 匹配长度：0

匹配内容： 匹配开始索引：6 匹配长度：0

匹配内容： 匹配开始索引：7 匹配长度：0

*/

2.2.2.3 匹配结果分析

“^”匹配结果分析

在不开启多行模式时，“^”只匹配字符串的开始位置，也就是位置0。

在开启了多行模式后，“^”匹配字符串开始位置和每个“\n”之后的行起始位置。

“$”匹配结果分析

在不开启多行模式时，如果字符结尾是“\n”，那么“$”会匹配结尾“\n”之前和结束两个位置。

在开启多行模式后，“$”匹配每行“\n”之前的位置和字符串结束位置。

需要注意的是，在.NET中，无论是否开启多行模式，“^”和“$”匹配的都只是一个位置，是零宽度的。其它语言中“^”和“$”的意义可能会有所不同。

只有在正则表达式中涉及到多行的“^”和“$”的匹配时，才使用Multiline模式。

2.2.2.4 应用举例

典型应用一（参考 正则中加字符的问题）：

需求描述：

fffffffffff

fffffffffff

dfdfdfdf

erererere

ferewfdfds

每行后面加一个“ttt”，即为

fffffffffffttt

fffffffffffttt

dfdfdfdfttt

ererererettt

ferewfdfdsttt

代码实现：

string result = Regex.Replace(yourStr, @"^.*$", "$0ttt", RegexOptions.Multiline);

典型应用二

需求描述：

源字符串

CODE39/CODE93:

A-Z

space,-,.,$,/,+,%

CODE128A:

A-Z

0-9

space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_

CODE128B:

A-Z

a-z

0-9

space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_,{,},|,~

CODE2of5:

0-9

说明：

CODE128A:->条码类别

A-Z

0-9

space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_->表示范围

要求分别匹配出条码类别和表示范围

代码实现：

MatchCollection mc = Regex.Matches(yourStr, @"(?<type>[^\n:]+):\s*(?<range>(^(?!\s*$).*$\n?)*)", RegexOptions.Multiline);

foreach (Match m in mc)

{

richTextBox2.Text += "条码类别： \n" + m.Groups["type"].Value + "\n";

richTextBox2.Text += "表示范围： \n" + m.Groups["range"].Value + "\n";

}

/*--------输出--------

条码类别：

CODE39/CODE93

表示范围：

A-Z

space,-,.,$,/,+,%

条码类别：

CODE128A

表示范围：

A-Z

0-9

space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_

条码类别：

CODE128B

表示范围：

A-Z

a-z

0-9

space,!,",#,$,%,&,…,(,)*,+,逗号,-,.,/, <,=,>,?,@,[,],^,_,{,},|,~

条码类别：

CODE2of5

表示范围：

0-9

*/

2.2.3 Singleline 单行模式

单行模式改变的是小数点“.”的匹配行为，使小数点可以匹配包含换行符“\n”在内的任意一个字符。

这是一个很不幸的命名，总让人误会它与Multiline多行模式是有关联的，而事实上它改变的是小数点的匹配行为，与Multiline多行模式没有任何关联，由于历史原因，这一不幸的命名被保留了下来。使用时需要注意。

单行模式通常在匹配有换行的文本时使用，采用小数点+单行模式的方式匹配任意字符，在.NET中是效率最高的。参考 正则基础之——小数点。

典型应用：

源字符串：

<a>There is one obvious advantage:</a>

<div>

<p>

You've seen it coming!<br/>

Buy now and get nothing for free!<br/>

Well, at least no free beer. Perhaps a bear,<br/>

if you can afford it.

</p>

</div>

<a>Now that you've got...</a>

<div>

<p>

your bear, you have to admit it!<br/>

No, we aren't selling bears.

</p>

</div>

需求：取<div>标签之间的内容

代码实现：

MatchCollection mc = Regex.Matches(yourStr, @"<div[^>]*>(?:(?!</div\b).)*</div>", RegexOptions.Singleline|RegexOptions.IgnoreCase);