简介
正则表达式,又称规则表达式(Regular Expression)。它的本质是使用一系列特殊字符模式,来表示某一类字符串,通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式的特点是灵活性、逻辑性和功能性非常强,可以迅速地用极简单的方式达到字符串的复杂控制。给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
- 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”),比如进行用户名密码的验证。
- 可以通过正则表达式,从字符串中获取我们想要的特定部分。
.Net 框架提供了允许这种匹配的正则表达式引擎,Regex类实现了验证正则表达式的方法。Regex 类表示不可变(只读)的正则表达式。它还包含各种静态方法,允许在不显式创建其他类的实例的情况下使用其他正则表达式类。这里记录一下C#的RegEx类的常用方法。
限定符和转义字符
字符 | 描述 | 模式 | 匹配 |
---|---|---|---|
\ | 在后面带有不识别的转义字符时,与该字符匹配。 | ||
^ | 匹配输入字符串或一行的开始位置 | ^\d{3} | "567-777-" 中的 "567" |
$ | 匹配输入字符串的末尾或出现在行或字符串末尾的 \n 之前 | -\d{4}$ | "8-12-2012" 中的 "-2012" |
* | 匹配上一个元素零次或多次 | \d*\.\d | ".0"、 "19.9"、 "219.9" |
+ | 匹配上一个元素一次或多次 | be+ | "been" 中的 "bee", "bent" 中的 "be" |
{ n } | n是一个非负整数,匹配上一个元素恰好 n 次 | ,\d{3} | "1,043.6" 中的 ",043", "9,876,543,210" 中的 ",876"、 ",543" 和 ",210" |
{ n ,} | n是一个非负整数,匹配上一个元素至少 n 次 | \d{2,} | "166"、 "29"、 "1930" |
{ n , m } | n和m均为非负整数,匹配上一个元素至少 n 次,但不多于 m 次 | \d{3,5} | "166", "17668", "193024" 中的 "19302" |
? | 匹配上一个元素零次或一次,当该字符紧跟在其他限制符(*,+,?,{ n },{ n ,},{ n , m })后面时,匹配模式尽可能少的匹配所搜索的字符串 | rai?n | "ran"、 "rain" |
. | 通配符:匹配除 \n 之外的任何单个字符。 若要匹配原意句点字符(. 或 \u002E),必须在该字符前面加上转义符 (\.) | a.e | "have" 中的 "ave", "mate" 中的 "ate" |
\b | 匹配一个单词边界,也就是指单词和空格间的位置 | er\b | 匹配"never"中的"er",但不能匹配"verb"中的"er" |
\B | 匹配非单词边界 | er\B | 匹配"verb"中的"er",但不能匹配"never"中的"er" |
\d | 匹配一个十进制数字字符,等价于[0-9] | \d | "4 = IV" 中的 "4" |
\D | 匹配不是十进制数的任意字符 | \D | "4 = IV" 中的 " "、 "="、 " "、 "I" 和 "V" |
\w | 匹配一个单词字符等价于[A-Za-z0-9] | \w | "Room#1" 中的 "R"、 "o"、 "m" 和 "1" |
\W | 匹配任何非单词字符,等价于[^A-Za-z0-9] | \W | "Room#1" 中的 "#" |
\s | 匹配一个空白字符 | \w\s | "ID A1.3" 中的 "D " |
\S | 匹配任何非空白字符 | \s\S | "int __ctr" 中的 " _" |
[xyz] | 匹配 character_group 中的任何单个字符。 默认情况下,匹配区分大小写 | [mn] | "mat" 中的 "m","moon" 中的 "m" 和 "n" |
[^xyz] | 非:与不在 character_group 中的任何单个字符匹配。 默认情况下,character_group 中的字符区分大小写 | [^aei] | "avail" 中的 "v" 和 "l" |
[ first - last ] | 字符范围:匹配从 first 到 last 的范围中的任何单个字符 | [b-d] | [b-d]irds 可以匹配 Birds、 Cirds、 Dirds |
[^ first - last ] | 字符范围:匹配不在从 first 到 last 的范围中的任意字符 | [^b-d] | [^b-d]irds 可以匹配 Hirds、Yirds |
说明:
由于在正则表达式中“ \ ”、“ ? ”、“ * ”、“ ^ ”、“ $ ”、“ + ”、“(”、“)”、“ | ”、“ { ”、“ [ ”等字符已经具有一定特殊意义,如果需要用它们的原始意义,则应该对它进行转义,例如 希 望在字符串中至少有一个“ \ ”,那么正则表达式应该这么写: \\+ 。
RegEx类常用的方法
要使用正则表达式类,所在的命名空间为System.Text.RegularExpressions,在文件开头处添加以下语句:
using System.Text.RegularExpressions;
①匹配单个,静态Match方法
使用静态Match方法,可以得到源中第一个匹配模式的连续子串。Match方法有2个重载,分别是:
public static Match Match(string input, string pattern); // 两个参数表示:要搜索匹配项的字符串、要匹配的正则表达式模式
public static Match Match(string input, string pattern, RegexOptions options); // 参数表示:输入、模式、RegexOptions枚举的“按位或”组合
RegexOptions枚举的有效值是:
Complied 表示编译此模式
CultureInvariant 表示不考虑文化背景
ECMAScript 表示符合ECMAScript,这个值只能和IgnoreCase、Multiline、Complied连用
ExplicitCapture 表示只保存显式命名的组
IgnoreCase 表示不区分输入的大小写
IgnorePatternWhitespace 表示去掉模式中的非转义空白,并启用由#标记的注释
Multiline 表示多行模式,改变元字符^和$的含义,它们可以匹配行的开头和结尾
None 表示无设置,此枚举项没有意义
RightToLeft 表示从右向左扫描、匹配,这时,静态的Match方法返回从右向左的第一个匹配
Singleline 表示单行模式,改变元字符.的意义,它可以匹配换行符
注意:Multiline在没有ECMAScript的情况下,可以和Singleline连用。Singleline和Multiline不互斥,但是和ECMAScript互斥。
使用示例,匹配第一个以 'S' 开头的单词:
using System;
using System.Text.RegularExpressions;
namespace RegExApplication
{
class Program
{
private static void showMatch(string text, string expr)
{
Console.WriteLine("The Expression: " + expr);
Match match = Regex.Match(text, expr);
Console.WriteLine(match.Groups[0].ToString());
}
static void Main(string[] args)
{
string str = "A Thousand Splendid Suns";
Console.WriteLine("Matching words that start with 'S': ");
showMatch(str, @"\bS\S*");
Console.ReadKey();
}
}
}
程序执行输出:
Matching words that start with 'S':
The Expression: \bS\S*
Splendid
②匹配多个,静态的Matches方法
这个方法的重载形式同静态的Match方法,返回一个MatchCollection,表示输入中,匹配模式的匹配的集合。
public static MatchCollection Matches(string input, string pattern);
使用示例,匹配以 'm' 开头以 'e' 结尾的单词:
using System;
using System.Text.RegularExpressions;
namespace RegExApplication
{
class Program
{
private static void showMatch(string text, string expr)
{
Console.WriteLine("The Expression: " + expr);
MatchCollection mc = Regex.Matches(text, expr);
foreach (Match m in mc)
{
Console.WriteLine(m);
}
}
static void Main(string[] args)
{
string str = "make maze and manage to measure it";
Console.WriteLine("Matching words start with 'm' and ends with 'e':");
showMatch(str, @"\bm\S*e\b");
Console.ReadKey();
}
}
}
程序执行输出:
Matching words start with 'm' and ends with 'e':
The Expression: \bm\S*e\b
make
maze
manage
measure
③验证,静态的IsMatch方法
此方法返回一个bool,重载形式同静态的Matches,若输入中匹配模式,返回true,否则返回false。可以理解为:IsMatch方法,返回Matches方法返回的集合是否为空。
public static bool IsMatch(string input, string pattern);
public static bool IsMatch(string input, string pattern, RegexOptions options);
使用示例,判断是否有以 'm' 开头以 'e' 结尾的单词:
using System;
using System.Text.RegularExpressions;
namespace RegExApplication
{
class Program
{
private static void showMatch(string text, string expr)
{
Console.WriteLine("The Expression: " + expr);
bool mc = Regex.IsMatch(text, expr);
if (mc)
{
Console.WriteLine("{0}:Yes", text);
}
else
{
Console.WriteLine("{0}:No", text);
}
}
static void Main(string[] args)
{
string str = "123456789@qq.com";
Console.WriteLine("Verify that the input is an E-mail address:");
showMatch(str, @"^([\w-\.]+)@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)|(([\w-]+\.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(\]?)$");
Console.ReadKey();
}
}
}
程序执行输出:
Verify that the input is an E-mail address:
The Expression: ^([\w-\.]+)@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)|(([\w-]+\.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(\]?)$
123456789@qq.com:Yes
④替换,静态的Replace方法
此方法在指定的输入字符串内,使用指定的替换字符串替换与指定正则表达式匹配的所有字符串。
public static string Replace(string input, string pattern, string replacement);
使用示例,替换掉多余的空格:
using System;
using System.Text.RegularExpressions;
namespace RegExApplication
{
class Program
{
static void Main(string[] args)
{
string input = "Hello World ";
string pattern = "\\s+";
string replacement = " ";
string result = Regex.Replace(input, pattern, replacement);
Console.WriteLine("Original String: {0}", input);
Console.WriteLine("Replacement String: {0}", result);
Console.ReadKey();
}
}
}
程序执行输出:
Original String: Hello World
Replacement String: Hello World
除了这些静态方法,Regex类同样提供了对应的实例方法,内部参数基本相同。
正则常用表达式
1.校验数字的表达式
// 数字
Regex reg = new Regex(@"^[0-9]*$");
// n位的数字
Regex reg = new Regex(@"^\d{n}$");
// 至少n位的数字
Regex reg = new Regex(@"^\d{n,}$");
// m-n位的数字
Regex reg = new Regex(@"^\d{m,n}$");
// 零和非零开头的数字
Regex reg = new Regex(@"^(0|[1-9][0-9]*)$");
// 非零开头的最多带两位小数的数字
Regex reg = new Regex(@"^([1-9][0-9]*)+(.[0-9]{1,2})?$");
// 带1-2位小数的正数或负数
Regex reg = new Regex(@"^(\-)?\d+(\.\d{1,2})?$");
// 正数、负数、和小数
Regex reg = new Regex(@"^(\-|\+)?\d+(\.\d+)?$");
// 有两位小数的正实数
Regex reg = new Regex(@"^[0-9]+(.[0-9]{2})?$");
// 有1~3位小数的正实数
Regex reg = new Regex(@"^[0-9]+(.[0-9]{1,3})?$");
// 非零的正整数
Regex reg = new Regex(@"^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$");
// 非零的负整数
Regex reg = new Regex(@"^\-[1-9][]0-9″*$ 或 ^-[1-9]\d*$");
// 非负整数
Regex reg = new Regex(@"^\d+$ 或 ^[1-9]\d*|0$");
// 非正整数
Regex reg = new Regex(@"^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$");
// 非负浮点数
Regex reg = new Regex(@"^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$");
// 非正浮点数
Regex reg = new Regex(@"^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$");
// 正浮点数
Regex reg = new Regex(@"^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$");
// 负浮点数
Regex reg = new Regex(@"^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$");
// 浮点数
Regex reg = new Regex(@"^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$");
2.校验字符的表达式
// 汉字
Regex reg = new Regex(@"^[\u4e00-\u9fa5]{0,}$");
// 英文和数字
Regex reg = new Regex(@"^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$");
// 长度为3-20的所有字符
Regex reg = new Regex(@"^.{3,20}$");
// 由26个英文字母组成的字符串
Regex reg = new Regex(@"^[A-Za-z]+$");
// 由26个大写英文字母组成的字符串
Regex reg = new Regex(@"^[A-Z]+$");
// 由26个小写英文字母组成的字符串
Regex reg = new Regex(@"^[a-z]+$");
// 由数字和26个英文字母组成的字符串
Regex reg = new Regex(@"^[A-Za-z0-9]+$");
// 由数字、26个英文字母或者下划线组成的字符串
Regex reg = new Regex(@"^\w+$ 或 ^\w{3,20}$");
// 中文、英文、数字包括下划线
Regex reg = new Regex(@"^[\u4E00-\u9FA5A-Za-z0-9_]+$");
// 中文、英文、数字但不包括下划线等符号
Regex reg = new Regex(@"^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$");
// 可以输入含有^%&’,;=?$\”等字符
Regex reg = new Regex(@"[^%&’,;=?$\x22]+");
// 禁止输入含有~的字符
Regex reg = new Regex(@"[^~\x22]+");
3.特殊需求表达式
// Email地址
Regex reg = new Regex(@"^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$");
// 域名
Regex reg = new Regex(@"[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?");
// InternetURL
Regex reg = new Regex(@"[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$");
// 手机号码
Regex reg = new Regex(@"^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$");
// 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)
Regex reg = new Regex(@"^($$\d{3,4}-)|\d{3.4}-)?\d{7,8}$");
// 国内电话号码(0511-4405222、021-87888822)
Regex reg = new Regex(@"\d{3}-\d{8}|\d{4}-\d{7}");
// 身份证号(15位、18位数字)
Regex reg = new Regex(@"^\d{15}|\d{18}$");
// 短身份证号码(数字、字母x结尾)
Regex reg = new Regex(@"^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$");
// 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线)
Regex reg = new Regex(@"^[a-zA-Z][a-zA-Z0-9_]{4,15}$");
// 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线)
Regex reg = new Regex(@"^[a-zA-Z]\w{5,17}$");
// 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间)
Regex reg = new Regex(@"^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$");
// 日期格式
Regex reg = new Regex(@"^\d{4}-\d{1,2}-\d{1,2}");
// 一年的12个月(01~09和1~12)
Regex reg = new Regex(@"^(0?[1-9]|1[0-2])$");
// 一个月的31天(01~09和1~31)
Regex reg = new Regex(@"^((0?[1-9])|((1|2)[0-9])|30|31)$");
// 钱的输入格式:
// 有四种钱的表示形式我们可以接受:”10000.00″ 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”
Regex reg = new Regex(@"^[1-9][0-9]*$");
// 这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0″不通过,所以我们采用下面的形式
Regex reg = new Regex(@"^(0|[1-9][0-9]*)$");
// 一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号
Regex reg = new Regex(@"^(0|-?[1-9][0-9]*)$");
// 这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分
Regex reg = new Regex(@"^[0-9]+(.[0-9]+)?$");
// 必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的
Regex reg = new Regex(@"^[0-9]+(.[0-9]{2})?$");
// 这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样
Regex reg = new Regex(@"^[0-9]+(.[0-9]{1,2})?$");
// 这样就允许用户只写一位小数。下面我们该考虑数字中的逗号了,我们可以这样
Regex reg = new Regex(@"^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$");
// 1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须
Regex reg = new Regex(@"^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$");
// 备注:这就是最终结果了,别忘了”+”可以用”*”替代。如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
// xml文件
Regex reg = new Regex(@"^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$");
// 中文字符的正则表达式
Regex reg = new Regex(@"[\u4e00-\u9fa5]");
// 双字节字符
Regex reg = new Regex(@"[^\x00-\xff] (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))");
// 空白行的正则表达式,可用来删除空白行
Regex reg = new Regex(@"\n\s*\r");
// HTML标记的正则表达式
Regex reg = new Regex(@"<(\S*?)[^>]*>.*?</\1>|<.*? />");// (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
// 首尾空白字符的正则表达式
Regex reg = new Regex(@"^\s*|\s*$或(^\s*)|(\s*$)");// (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
// 腾讯QQ号
Regex reg = new Regex(@"[1-9][0-9]{4,}"); //(腾讯QQ号从10000开始)
// 中国邮政编码
Regex reg = new Regex(@"[1-9]\d{5}(?!\d)");// (中国邮政编码为6位数字)
// IP地址
Regex reg = new Regex(@"\d+\.\d+\.\d+\.\d+");// (提取IP地址时有用)
// IP地址
Regex reg = new Regex(@"((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))");