.net正则表达式 用法(匹配引擎的细节)

 

　　现在，我们通过一个组结构来理解一个稍微复杂的例子。看下面的例子：

string text = "abracadabra1abracadabra2abracadabra3";

　　string pat = @"

　　　　( # 第一个组的开始

　　　　 abra # 匹配字符串abra

　　　　 ( # 第二个组的开始

　　　　 cad # 匹配字符串cad

　　　　 )? # 第二个组结束（可选）

　　　　) # 第一个组结束

　　　　+ # 匹配一次或多次

　　　　";

　　//利用x修饰符忽略注释

　　Regex r = new Regex(pat, "x");

　　//获得组号码的清单

　　int[] gnums = r.GetGroupNumbers();

　　//首次匹配

　　Match m = r.Match(text);

　　while (m.Success)

　　 {

　　//从组1开始

　　 for (int i = 1; i < gnums.Length; i++)

　　　　{

　　　　Group g = m.Group(gnums[i]);

　　//获得这次匹配的组

　　　　Console.WriteLine("Group"+gnums[i]+"=["+g.ToString()+"]");

　　//计算这个组的起始位置和长度

　　　　CaptureCollection cc = g.Captures;

　　　　for (int j = 0; j < cc.Count; j++)

　　　　 {

　　　　 Capture c = cc[j];

　　　　 Console.WriteLine(" Capture" + j + "=["+c.ToString()

　　　　　　 + "] Index=" + c.Index + " Length=" + c.Length);

　　　　 }

　　　　}

　　//下一个匹配

　　 m = m.NextMatch();

　　 }

这个例子的输出如下所示：
　　　　　
　　Group1=[abra]

　　　　　　Capture0=[abracad] Index=0 Length=7

　　　　　　Capture1=[abra] Index=7 Length=4

　　Group2=[cad]

　　　　　　Capture0=[cad] Index=4 Length=3

　　Group1=[abra]

　　　　　　Capture0=[abracad] Index=12 Length=7

　　　　　　Capture1=[abra] Index=19 Length=4

　　Group2=[cad]

　　　　　　Capture0=[cad] Index=16 Length=3

　　Group1=[abra]

　　　　　　Capture0=[abracad] Index=24 Length=7

　　　　　　Capture1=[abra] Index=31 Length=4

　　Group2=[cad]

　　　　　　Capture0=[cad] Index=28 Length=3

我们首先从考查字符串pat开始，pat中包含有表达式。第一个capture是从第一个圆括号开始的，然后表达式将匹配到一个abra。第二个capture组从第二个圆括号开始，但第一个capture组还没有结束，这意味着第一个组匹配的结果是abracad ，而第二个组的匹配结果仅仅是cad。因此如果通过使用？符号而使cad成为一项可选的匹配，匹配的结果就可能是abra或abracad。然后，第一个组就会结束，通过指定+符号要求表达式进行多次匹配。

　　现在我们来看看匹配过程中发生的情况。首先，通过调用Regex的constructor方法建立表达式的一个实例，并在其中指定各种选项。在这个例子中，由于在表达式中有注释，因此选用了x选项，另外还使用了一些空格。打开x选项，表达式将会忽略注释和其中没有转义的空格。

　　然后，取得表达式中定义的组的编号的清单。你当然可以显性地使用这些编号，在这里使用的是编程的方法。如果使用了命名的组，作为一种建立快速索引的途径这种方法也十分有效。

　　接下来是完成第一次匹配。通过一个循环测试当前的匹配是否成功，接下来是从group 1开始重复对组清单执行这一操作。在这个例子中没有使用group 0的原因是group 0是一个完全匹配的字符串，如果要通过收集全部匹配的字符串作为一个单一的字符串，就会用到group 0了。

　　我们跟踪每个group中的CaptureCollection。通常情况下每次匹配、每个group中只能有一个capture，但本例中的Group1则有两个capture：Capture0和Capture1。如果你仅需要Group1的ToString，就会只得到abra，当然它也会与abracad匹配。组中ToString的值就是其CaptureCollection中最后一个Capture的值，这正是我们所需要的。如果你希望整个过程在匹配abra后结束，就应该从表达式中删除+符号，让regex引擎知道我们只需要对表达式进行匹配。