C# Regex 深入正则表达式

3/8/2017来源:ASP.NET技巧人气:2230

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*”)