C# Regex 深入正则表达式

C# Regex 深入正则表达式

 

 

 

 

正则表达式(Regular expressions)是一套语法匹配规则，各种语言，如Perl， .Net和Java都有其对应的共享的正则表达式类库。在.Net中，这个类库叫做Regex。 简单的说，Regex是从字符窗中查找匹配字符串的应用类。通过Regex，编程人员能够非常方便的从一段数据中提取自己所需要的数据信息。举一个简单的例子，让大家对Regex有个大概的了解： Regex regex = new Regex(@"d+"); Match m = regex.Match("fox 9212gold"); Console.WriteLine(m.Value.ToString()); 结果很明显，regex为我们找到了字符串”fox 9212gold”中的数字字符串，输出结果为”9212” . 对Regex有了一个基本的概念之后，我需要告诉你一个非常好的消息，那就是Regex可以为我们做的远不止这么一点点，他是一套功能非常强大语法匹配规则。当然，这里还有一个坏消息等着我们，那就是强大功能的语法规则自然需要大量纷繁复杂的keyword支持，这也为Regex的学习带来了极大的难度。想要真正掌握正则表达式，可不是几个sample能够全部揭示与说明的。 创建一个Regex对象 Regex的构造函数有三种，在这里就不讨论默认构造函数了。另外两个构造函数中，一个构造函数接收正则表达式字符串作为入参，另一个以正则表达式字符串和RegexOptions作为入参。如： Regex regex = new Regex("w+$"); Regex regex = new Regex("s+", RegexOptions.IgnoreCase | RegexOptions.Multiline); RegexOptions可以为我们提供一些特殊的帮助，比如IgnoreCase能够在匹配是忽略大小写，Multiline能够调整^和$的意义，改为匹配一行的开头和结尾。 上面我们构造了一个正则表达式，只不过我们还没有用它来做任何事情，马上我们就可以通过使用下面的几个方法，实现对字符串对象的操作了。 匹配字符串 Regex有两个获取匹配的方法Match()和Matches()，分别代表匹配一个，匹配多个结果。这里就用Matches来展示一下怎么使用Regex获取匹配字符串，并将其显示出来。 public static void showMatches(string expression, RegexOptions option, string ms) { Regex regex = new Regex(expression, option); MatchCollection matches = regex.Matches(ms); //show matches Console.WriteLine("----------------------------------"); Console.WriteLine(" string: "{0}" expression: "{1}" match result is:", ms, expression); foreach(Match m in matches) { Console.WriteLine("match string is: "{0}", length: {1}",m.Value.ToString(), m.Value.Length); } Console.WriteLine("matched count: {0}", matches.Count); } 方法Matched通过比较入参字符串和正则表达式，找到所有符合的结果，并将结果作为MatchCollection传出来。这样，只要简单的遍历这个collection，就可以很快的获得所有的结果。 组的概念 当你获得这样的一个字符串”最后比分是：19/24”，你肯定希望有一个正则表达式，他不单能够找到形如 data1/data2的字符串，还应该能够直接把data1,data2作为单独的结果传送出来。否则你需要再对形如”19/24”的字符串进行分析，才能够顺利得到双方的比分。显然，正则表达式不会忽略这个问题，所以他增加了组的概念。你可以把一次搜索的结果分别放入不同的组中，并通过组名或者组的所以分别取得这些组的结果。比如上例，我们就可以用@”(\d+)/(\d+)”作为表达式。来看看结果吧： Regex regex = new Regex(@"(d+)/(d+)"); MatchCollection matches = regex.Matches(@"最后比分是：19/24"); //show matches Console.WriteLine("----------------------------------"); foreach(Match m in matches) { //Console.WriteLine("match string is: "{0}", length: {1}", // m.Value.ToString(), m.Value.Length); foreach(string name in regex.GetGroupNames()) { Console.WriteLine(" capture group "{0}" value is:"{1}"" , name, m.Groups[name].Value); } } Console.WriteLine("matched count: {0}", matches.Count); 输出： ---------------------------------- capture group "0" value is:"19/24" capture group "1" value is:"19" capture group "2" value is:"24" matched count: 1 现在清楚了吧，Regex对象把匹配的结果放入组0中。同时，匹配的组信息也放入了对应的组中。组的名称在默认的情况下，是从1开始依次增加的整数。0作为保留名称，专门用于指示匹配的整个字符串。既然有”默认情况”这样的概念，自然也就意味着用户可以自定义组的名称。方法很简单，在组的前面加上：?<name>就可以了。好了，现在把前面的正则表达式修改一下，换成@”(?<score1>\d+)/(?<score1>\d+)”，现在再看看结果： ---------------------------------- capture group "0" value is:"19/24" capture group "score1" value is:"19" capture group "score2" value is:"24" matched count: 1 换成自己定义的名字了吧，哈哈！为了在今后的测试中，能够更加方便的看到所有结果，我们对前面介绍过的showMatches()做一点小小的调整。这样，如果在表达式中包含了组的定义，我们也可以在不需要修改任何代码的情况下，直接看到所有的组信息了，调整后的方法showMatchesPro()如下： public static void showMatchesPro(string expression, RegexOptions option, string ms) { Regex regex = new Regex(expression, option); MatchCollection matches = regex.Matches(ms); //show matches Console.WriteLine("----------------------------------"); Console.WriteLine(" string: "{0}" expression: "{1}" match result is:",ms, expression); foreach(Match m in matches) { foreach(string name in regex.GetGroupNames()) { Console.WriteLine(" capture group "{0}" value is:"{1}"",name, m.Groups[name].Value); } } Console.WriteLine("matched count: {0}", matches.Count); // show group name Console.WriteLine("group name count {0}", regex.GetGroupNames().Length); foreach(string name in regex.GetGroupNames()) { Console.WriteLine("group name :"{0}"", name); } } 替换字符串 Regex也提供了方便的匹配结果替换的功能。为了方便测试，我们也把他写成方法，代码如下： public static string replaceMatch(string expression, RegexOptions option, string ms, string rep) { Regex regex = new Regex(expression, option); string result = regex.Replace(ms, rep); Console.WriteLine("----------------------------------"); Console.WriteLine("string: "{0}", expression:"{1}", replace by : "{2}"", ms, expression, rep); Console.WriteLine("replace result string is: "{0}", length: {1}", result.ToString(), result.Length); return result; } Regex.Replace通常接受两个string作为入参，第一个string为输入字符串。第二个字符串用来替代匹配字符串，它可以包含一些特殊字符串，用来代表特别转换。 特殊字符串 替换结果 $& 匹配的字符串，也可以用$0 $1, $2, . . . 匹配字符串中的对应组，用索引标示 ${name} 匹配字符串中的对应组，用名称标示 $‘ 匹配位置之前的字符串 $’ 匹配位置之后的字符串 $$ 一个‘$’ 字符 $_ 输入字符串 $+ 匹配字符串的所有组中，最后一个组中的数据 是不是看了这么多怪型怪状的特殊字符串，有点头晕了？嗯，那就弄两个sample来看看结果吧！ Sample1: replaceMatch(@"\d+", RegexOptions.None, "fef 12/21 df 33/14 727/1", "<<$&>>"); 输出，所有数字型的数据都被替换成了<<data>>： ---------------------------------- string: "fef 12/21 df 33/14 727/1", expression:"\d+", replace by : "<<$&>>" replace result string is: "fef <<12>>/<<21>> df <<33>>/<<14>> <<727>>/<<1>>", length: 50 Sample2: replaceMatch(@"(\d+)/(\d+)", RegexOptions.None, "fef 12/21 df 33/14 727/1", "$+"); 输出，所有data1/data2匹配的数据，都被替换成了data2： ---------------------------------- string: "fef 12/21 df 33/14 727/1", expression:"(\d+)/(\d+)", replace by : "$+" replace result string is: "fef 21 df 14 1", length: 16 怎么样，Regex的功能够丰富的吧！可是，也许你的需求不光这么简单，比如说，你要把”I have 200 dollars”中间的money加倍，怎么办？我晕倒，好像没有现成的东西可以用。没有关系，Regex还有更好的功能。它允许你自己定义转换公式。 using System.Text.RegularExpressions; class RegularExpressions { static string CapText(Match m) { // Get the matched string. string x = m.ToString(); // double this value string result = (int.Parse(x) * 2).ToString(); return result; } static void Main() { string text = "i have 200 dollars"; string result = Regex.Replace(text, @"d+",new MatchEvaluator(RegularExpressions.CapText)); System.Console.WriteLine("result=[" + result + "]"); } } 看看结果，太好了，我的钱真的变成了两倍！ 但本文的目的是希望提供给大家一个方便好用的测试类，因此我们重载上面的repalceMatch方法，也允许自定义转换公式作为入参： public static string replaceMatch(string expression, RegexOptions option, string ms, MatchEvaluator evaluator) { Regex regex = new Regex(expression, option); string result = regex.Replace(ms, evaluator); Console.WriteLine("----------------------------------"); Console.WriteLine("string: "{0}", expression:"{1}", replace by a evaluator.", ms, expression); Console.WriteLine("replace result string is: "{0}", length: {1}", result.ToString(), result.Length); return result; } 拆分字符串 Regex还提供了从匹配位置将字符串拆分的方法Split。这个方法同样具有多个重载，不过这些都不是重点，大家可以自己看文档。我们继续完成我们用于测试的方法： public static void splitMatch(string expression, RegexOptions option, string ms) { Regex regex = new Regex(expression, option); string[] result = regex.Split(ms); Console.WriteLine("----------------------------------"); Console.WriteLine("string: "{0}", expression: "{1}", split result is:", ms, expression); foreach(string m in result) { Console.WriteLine("splited string is: "{0}", length: {1}",m.ToString(), m.Length); } Console.WriteLine("splited count: {0}", result.Length); } 代码简单，不多做解释。直接来一个smaple看看结果： splitMatch(@"/",RegexOptions.None, "2004/4/25"); 输出： ---------------------------------- string: "2004/4/25", expression: "/", split result is: splited string is: "2004", length: 4 splited string is: "4", length: 1 splited string is: "25", length: 2 splited count: 3 这个文章的目的很简单：介绍Regex的几个主要功能（匹配、替换和拆分），并提供几个简单方便的测试函数。让你能够测试你对正则表达式的理解是否准确。 比如想要确认^$的作用，你可以放入这样的(input, expression)数据: (“123”, “^\d+$”) (“123aaa456”, “^\d+”) (“123aaa456”, “123&”) 确认\d, \s, \w, \W的作用，可以这样测试： (“123abc gc 456”, “\d+”)(“123abc gc 456”, “\s+”) (“123abc gc 456”, “\w+”)(“123abc gc 456”, “\W+”) 比较? + *之间的区别可以用这样的数据： (“a123 abcd”, “a\d?”) (“a123 abcd”, “a\d+”) (“a123 abcd”, “a\d*”)