C#整理——正则表达式和C#中的Regex

1. 正则表达式

什么是正则表达式，在本篇不再赘述。

https://github.com/ziishaned/learn-regex

推荐上述地址，个人认为是一篇很好的介绍和学习正则表达式的文章，简练清楚。

2. C#中的正则表达式 

不严格的说，大概涉及到四个类：

• Regex类
• Match类 / MatchCollection类
• Group类 / GroupCollection类
• Capture类 / CaptureCollection 类

需要说明的是：

• 第一，它们都在命名空间 System.Text.RegularExpressions 里
• 第二，Match类 / MatchCollection类，后者只是以前者为元素的容器。
  • 后者继承了接口 IEnumerable 和 IList，这意味后者可以用foreach和LINQ，也可以使用下标访问
  • Group类 / GroupCollection类 和 Capture类 / CaptureCollection 类 同理
• 第三，Match类、Group类、Capture类是继承-派生关系

接下来依次介绍

2.1 Regex类

官方文档：https://docs.microsoft.com/en-us/dotnet/api/system.text.regularexpressions.regex

如下，传入一个string参数，正常new对象就可以（这是一个匹配邮箱的模式，形如 xxx@xxx.com）

string pattern = @"\w+@\w+.com";
Regex r = new Regex(pattern);

需要注意的是：

• Regex对象是不可变的
• 每一次new实例都需要编译。所以为了减少开销，别在循环里new。其实为了避免每次都编译，默认缓存最近使用的15个正则表达式，但超过了还是得重新编译
• 默认是区分大小写的
• 可以设置匹配时间，超时了还没匹配到，就会抛异常

常用方法：

• IsMatch()
  • 返回值 bool，是否成功匹配
• Match()
  • 返回一个 Match类 的对象，而且是第一个。
  • 比如：如下代码，按照逻辑可以匹配到两个子串（分别是 lai_yizhou@163.com 和 yizhou_lai@qq.com），但是只会返回第一个的匹配信息

string pattern = @"\w+@\w+.com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";
Match match = r.Match(text);

• Matches()
  • 返回一个 MatchCollection类 的对象。因为返回的是一个容器，所以当匹配失败时，则该容器 .Count == 0

关于方法，值得一提的是：类的静态方法和实例方法，在功能层面上几乎等效。（使用类的静态方法不需要new对象）

string pattern = @"w+@\w+.com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";

// 使用new出来的对象的实例方法
Match match1 = r.Match(text);
// 使用Regex类的静态方法
Match match2 = Regex.Match(text, pattern);

2.2 Match类

官方文档：https://docs.microsoft.com/en-us/dotnet/api/system.text.regularexpressions.match

是一个描述匹配信息的类

需要注意的是：

• Match对象也是不可变的，并且没有公共构造函数。
• 大多数情况下，靠 Regex.Match() 方法返回
• 有一个属性 .Success ，可以用来判断匹配是否成功

string pattern = @"\w+@\w+.com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";
Match match = r.Match(text);
if (match.Success)
{
    // Match Successfully
}

• 有一个属性 .Groups ，是一个 GroupCollection类 的对象【详见 2.5 GroupCollection类】

2.3 MatchCollection类

官方文档：https://docs.microsoft.com/en-us/dotnet/api/system.text.regularexpressions.matchcollection

需要注意的：

• 该集合也是不可变的，而且是只读的，没有公共构造函数
• 大多数情况下，靠 Regex.Matches() 方法返回

2.4 Group类

官方文档：https://docs.microsoft.com/en-us/dotnet/api/system.text.regularexpressions.group

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";

按照前面这个例子，说明一次匹配可以产生多个Match对象。那么同理，一个Match对象里可以包含多个Group对象。

只需要在构建Regex类时，传入的字符串带一些括号，就可以把匹配到的子字符串分组（既然叫分组，那么这个类取名叫Group就比较合情合理了），便于匹配到了再取出来。

// 传入的字符串跟之前比，加了括号
string pattern = @"(\w+)@(\w+).com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";
Match match = r.Match(text);
if (match.Success)
{
    // Match Successfully
}

根据前文描述，match 是匹配到了第一个（即 lai_yizhou@163.com），那么，“第一个” Group对象就是针对 lai_yizhou，“第二个” Group对象就是针对 163 的。

那么，怎么获取到这个Group对象？

请继续阅读。

2.5 GroupCollection类

官方文档：https://docs.microsoft.com/en-us/dotnet/api/system.text.regularexpressions.capturecollection

前面说到：Match对象 有一个属性 .Groups ，是一个 GroupCollection类 的对象

那么，针对这个 match对象

Match match = ... ;
GroupCollection gCollect = match.Groups;

拿到了这个 GroupCollection类 的对象，遍历也好，下标访问也好，就可以拿到 Group类 的对象了。

需要注意的是：

按照下面的例子：

string pattern = @"(\w+)@(\w+).com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";
MatchCollection matchCollection = r.Matches(text);

虽然加了两个括号，但是 matchCollection.Count == 3

如果用下标访问，matchCollection[0] 是整个字符串，matchCollection[1] 是描述 lai_yizhou，matchCollection[2] 是描述 163 的。

（这也就是为什么在前文描述的时候，“第一个” “第二个” 这两个词笔者打了引号）

2.6 Capture类 / CaptureCollection 类

这部分本文不再赘述，推荐如下：

• https://stackoverflow.com/questions/3320823/whats-the-difference-between-groups-and-captures-in-net-regular-expression
• https://stackoverflow.com/questions/27444640/how-to-read-regex-captures-in-c-sharp

3. 示意代码

代码如下：

string pattern = @"(\w+)@(\w+).com";
Regex r = new Regex(pattern);

string text = "lai_yizhou@163.com; yizhou_lai@qq.com";
MatchCollection matchCollection = r.Matches(text);

int matchCount = matchCollection.Count;
if (matchCount != 0)
{
    Console.WriteLine("matchCount = " + matchCount);
    for (int matchIndex = 0; matchIndex < matchCount; ++matchIndex)
    {
        Console.WriteLine("\tmatchIndex = " + matchIndex);
        Match match = matchCollection[matchIndex];
        Console.WriteLine("\tmatchValue = " + match.Value);

        int groupCount = match.Groups.Count;
        Console.WriteLine("\tmatchGroupCount = " + groupCount);
        for (int groupIndex = 0; groupIndex < groupCount; groupIndex++)
        {
            Group group = match.Groups[groupIndex];
            Console.WriteLine("\t\tgroupIndex = " + groupIndex);
            Console.WriteLine("\t\tgroupValue = " + group.Value);
        }
    }
}

输出如下：