解读C#正则表达式
??
此外，regexp類還能夠完成一些其他的功能，例如從右至左的結(jié)合模式和表達(dá)式的編輯等。
??
在這篇文章中，我將簡要地介紹System.Text.RegularExpression中的類和方法、一些字符串匹配和替換的例子以及組結(jié)構(gòu)的詳細(xì)情況，最后，還會介紹一些你可能會用到的常見的表達(dá)式。
??
應(yīng)該掌握的基礎(chǔ)知識
規(guī)則表達(dá)式的知識可能是不少編程人員“常學(xué)常忘”的知識之一。在這篇文章中，我們將假定你已經(jīng)掌握了規(guī)則表達(dá)式的用法，尤其是Perl 5中表達(dá)式的用法。.NET的regexp類是Perl 5中表達(dá)式的一個超集，因此，從理論上說它將作為一個很好的起點。我們還假設(shè)你具有了C#的語法和.NET架構(gòu)的基本知識。
??
如果你沒有規(guī)則表達(dá)式方面的知識，我建議你從Perl 5的語法著手開始學(xué)習(xí)。在規(guī)則表達(dá)式方面的權(quán)威書籍是由杰弗里·弗雷德爾編寫的《掌握表達(dá)式》一書，對于希望深刻理解表達(dá)式的讀者，我們強(qiáng)烈建議閱讀這本書。
??
RegularExpression組合體
regexp規(guī)則類包含在System.Text.RegularExpressions.dll文件中，在對應(yīng)用軟件進(jìn)行編譯時你必須引用這個文件，例如：
csc r:System.Text.RegularExpressions.dll foo.cs
命令將創(chuàng)建foo.exe文件，它就引用了System.Text.RegularExpressions文件。
??
名字空間簡介
在名字空間中僅僅包含著6個類和一個定義，它們是：
??
Capture: 包含一次匹配的結(jié)果；
CaptureCollection: Capture的序列；
Group: 一次組記錄的結(jié)果，由Capture繼承而來；
Match: 一次表達(dá)式的匹配結(jié)果，由Group繼承而來；
MatchCollection: Match的一個序列；
MatchEvaluator: 執(zhí)行替換操作時使用的代理；
Regex: 編譯后的表達(dá)式的實例。
Regex類中還包含一些靜態(tài)的方法：
Escape: 對字符串中的regex中的轉(zhuǎn)義符進(jìn)行轉(zhuǎn)義；
IsMatch: 如果表達(dá)式在字符串中匹配，該方法返回一個布爾值；
Match: 返回Match的實例；
Matches: 返回一系列的Match的方法；
Replace: 用替換字符串替換匹配的表達(dá)式；
Split: 返回一系列由表達(dá)式?jīng)Q定的字符串；
Unescape:不對字符串中的轉(zhuǎn)義字符轉(zhuǎn)義。
??
簡單匹配
我們首先從使用Regex、Match類的簡單表達(dá)式開始學(xué)習(xí)。
??
Match m = Regex.Match("abracadabra", "(a|b|r)+");
??
我們現(xiàn)在有了一個可以用于測試的Match類的實例，例如：if (m.Success)...
如果想使用匹配的字符串，可以把它轉(zhuǎn)換成一個字符串：
??
Console.WriteLine("Match="+m.ToString());
??
這個例子可以得到如下的輸出: Match=abra。這就是匹配的字符串了。
??
字符串的替換
簡單字符串的替換非常直觀。例如下面的語句：
??
string s = Regex.Replace("abracadabra", "abra", "zzzz");
??
它返回字符串zzzzcadzzzz，所有匹配的字符串都被替換成了zzzzz。
現(xiàn)在我們來看一個比較復(fù)雜的字符串替換的例子：
??
string s = Regex.Replace(" abra ", @"^/s*(.*?)/s*$", "$1");
??
這個語句返回字符串a(chǎn)bra，其前導(dǎo)和后綴的空格都去掉了。
??
上面的模式對于刪除任意字符串中的前導(dǎo)和后續(xù)空格都非常有用。在C#中，我們還經(jīng)常使用字母字符串，在一個字母字符串中，編譯程序不把字符“ /” 作為轉(zhuǎn)義字符處理。在使用字符“/”指定轉(zhuǎn)義字符時，@"..."是非常有用的。另外值得一提的是$1在字符串替換方面的使用，它表明替換字符串只能包含被替換的字符串。
??
匹配引擎的細(xì)節(jié)
現(xiàn)在，我們通過一個組結(jié)構(gòu)來理解一個稍微復(fù)雜的例子。看下面的例子：
??
string text = "abracadabra1abracadabra2abracadabra3";
??
? string pat = @"
??
? ( # 第一個組的開始
??
? abra # 匹配字符串a(chǎn)bra
??
? ( # 第二個組的開始
??
? cad # 匹配字符串cad
??
? )? # 第二個組結(jié)束（可選）
??
? ) # 第一個組結(jié)束
??
? + # 匹配一次或多次
??
? ";
??
? //利用x修飾符忽略注釋
??
? Regex r = new Regex(pat, "x");
??
? //獲得組號碼的清單
??
? int[] gnums = r.GetGroupNumbers();
??
? //首次匹配
??
? Match m = r.Match(text);
??
? while (m.Success)
??
? {
??
? //從組1開始
??
? for (int i = 1; i < gnums.Length; i++)
??
? {
??
? Group g = m.Group(gnums[i]);
??
? //獲得這次匹配的組
??
? Console.WriteLine("Group"+gnums[i]+"=["+g.ToString()+"]");
??
? //計算這個組的起始位置和長度
??
? 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);
??
? }
??
? }
??
? //下一個匹配
??
? m = m.NextMatch();
??
? }
??
?這個例子的輸出如下所示：
? 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
我們首先從考查字符串pat開始，pat中包含有表達(dá)式。第一個capture是從第一個圓括號開始的，然后表達(dá)式將匹配到一個abra。第二個capture組從第二個圓括號開始，但第一個capture組還沒有結(jié)束，這意味著第一個組匹配的結(jié)果是abracad ，而第二個組的匹配結(jié)果僅僅是cad。因此如果通過使用？符號而使cad成為一項可選的匹配，匹配的結(jié)果就可能是abra或abracad。然后，第一個組就會結(jié)束，通過指定+符號要求表達(dá)式進(jìn)行多次匹配。
??
現(xiàn)在我們來看看匹配過程中發(fā)生的情況。首先，通過調(diào)用Regex的 constructor方法建立表達(dá)式的一個實例，并在其中指定各種選項。在這個例子中，由于在表達(dá)式中有注釋，因此選用了x選項，另外還使用了一些空格。打開x選項，表達(dá)式將會忽略注釋和其中沒有轉(zhuǎn)義的空格。
??
然后，取得表達(dá)式中定義的組的編號的清單。你當(dāng)然可以顯性地使用這些編號，在這里使用的是編程的方法。如果使用了命名的組，作為一種建立快速索引的途徑這種方法也十分有效。
??
接下來是完成第一次匹配。通過一個循環(huán)測試當(dāng)前的匹配是否成功，接下來是從group 1開始重復(fù)對組清單執(zhí)行這一操作。在這個例子中沒有使用group 0的原因是group 0是一個完全匹配的字符串，如果要通過收集全部匹配的字符串作為一個單一的字符串，就會用到group 0了。
??
我們跟蹤每個group中的CaptureCollection。通常情況下每次匹配、每個group中只能有一個capture，但本例中的Group1則有兩個 capture：Capture0和Capture1。如果你僅需要Group1的ToString，就會只得到abra，當(dāng)然它也會與abracad匹配。組中ToString的值就是其CaptureCollection中最后一個Capture的值，這正是我們所需要的。如果你希望整個過程在匹配 abra后結(jié)束，就應(yīng)該從表達(dá)式中刪除+符號，讓regex引擎知道我們只需要對表達(dá)式進(jìn)行匹配。
??
基于過程和基于表達(dá)式方法的比較
一般情況下，使用規(guī)則表達(dá)式的用戶可以分為以下二大類：第一類用戶盡量不使用規(guī)則表達(dá)式，而是使用過程來執(zhí)行一些需要重復(fù)的操作；第二類用戶則充分利用規(guī)則表達(dá)式處理引擎的功能和威力，而盡可能少地使用過程。
??
對于我們大多數(shù)用戶而言，最好的方案莫過于二者兼而用之了。我希望這篇文章能夠說明.NET語言中regexp類的作用以及它在性能和復(fù)雜性之間的優(yōu)、劣點。
??
基于過程的模式
我們在編程中經(jīng)常需要用到的一個功能是對字符串中的一部分進(jìn)行匹配或其他一些對字符串處理，下面是一個對字符串中的單詞進(jìn)行匹配的例子：
string text = "the quick red fox jumped over the lazy brown dog.";
??
? System.Console.WriteLine("text=[" + text + "]");
??
? string result = "";
??
? string pattern = @"/w+|/W+";
??
? foreach (Match m in Regex.Matches(text, pattern))
??
? {
??
? // 取得匹配的字符串
??
? string x = m.ToString();
??
? // 如果第一個字符是小寫
??
? if (char.IsLower(x[0]))
??
? // 變成大寫
??
? x = char.ToUpper(x[0]) + x.Substring(1, x.Length-1);
??
? // 收集所有的字符
??
? result += x;
??
? }
??
? System.Console.WriteLine("result=[" + result + "]");
??
? 正象上面的例子所示，我們使用了C#語言中的foreach語句處理每個匹配的字符，并完成相應(yīng)的處理，在這個例子中，新創(chuàng)建了一個result字符串。這個例子的輸出所下所示：
??
text=[the quick red fox jumped over the lazy brown dog.]
??
result=[The Quick Red Fox Jumped Over The Lazy Brown Dog.]
??
基于表達(dá)式的模式
完成上例中的功能的另一條途徑是通過一個MatchEvaluator，新的代碼如下所示：
??
static string CapText(Match m)
??
? {
??
? //取得匹配的字符串
??
? string x = m.ToString();
??
? // 如果第一個字符是小寫
??
? if (char.IsLower(x[0]))
??
? // 轉(zhuǎn)換為大寫
??
? return char.ToUpper(x[0]) + x.Substring(1, x.Length-1);
??
? return x;
??
? }
??
?
??
? static void Main()
??
? {
??
? string text = "the quick red fox jumped over the
??
? lazy brown dog.";
??
? System.Console.WriteLine("text=[" + text + "]");
??
? string pattern = @"/w+";
??
? string result = Regex.Replace(text, pattern,
??
? new MatchEvaluator(Test.CapText));
??
? System.Console.WriteLine("result=[" + result + "]");
??
? }
??
同時需要注意的是，由于僅僅需要對單詞進(jìn)行修改而無需對非單詞進(jìn)行修改，這個模式顯得非常簡單。
常用表達(dá)式
為了能夠更好地理解如何在C#環(huán)境中使用規(guī)則表達(dá)式，我寫出一些對你來說可能有用的規(guī)則表達(dá)式，這些表達(dá)式在其他的環(huán)境中都被使用過，希望能夠?qū)δ阌兴鶐椭?
??
羅馬數(shù)字
string p1 = "^m*(d?c{0,3}|c[dm])" + "(l?x{0,3}|x[lc])(v?i{0,3}|i[vx])$";
??
? string t1 = "vii";
??
? Match m1 = Regex.Match(t1, p1);
??
交換前二個單詞
string t2 = "the quick brown fox";
??
? string p2 = @"(/S+)(/s+)(/S+)";
??
? Regex x2 = new Regex(p2);
??
? string r2 = x2.Replace(t2, "$3$2$1", 1);
??
關(guān)健字=值
string t3 = "myval = 3";
??
? string p3 = @"(/w+)/s*=/s*(.*)/s*$";
??
? Match m3 = Regex.Match(t3, p3);
??
實現(xiàn)每行80個字符
string t4 = "********************"
??
? + "******************************"
??
? + "******************************";
??
? string p4 = ".{80,}";
??
? Match m4 = Regex.Match(t4, p4);
??
月/日/年 小時:分:秒的時間格式
string t5 = "01/01/01 16:10:01";
??
? string p5 = @"(/d+)/(/d+)/(/d+) (/d+):(/d+):(/d+)";
??
? Match m5 = Regex.Match(t5, p5);
??
改變目錄（僅適用于Windows平臺）
string t6 = @"C:/Documents and Settings/user1/Desktop/";
??
? string r6 = Regex.Replace(t6,@"//user1//", @"//user2//");
??
擴(kuò)展16位轉(zhuǎn)義符
string t7 = "%41"; // capital A
??
? string p7 = "%([0-9A-Fa-f][0-9A-Fa-f])";
??
? string r7 = Regex.Replace(t7, p7, HexConvert);
??
刪除C語言中的注釋（有待完善）
string t8 = @"
??
? /*
??
? * 傳統(tǒng)風(fēng)格的注釋
??
? */
??
? ";
??
? string p8 = @"
??
? //* # 匹配注釋開始的定界符
??
? .*? # 匹配注釋
??
? /*/ # 匹配注釋結(jié)束定界符
??
? ";
??
? string r8 = Regex.Replace(t8, p8, "", "xs");
??
刪除字符串中開始和結(jié)束處的空格
string t9a = " leading";
??
? string p9a = @"^/s+";
??
? string r9a = Regex.Replace(t9a, p9a, "");
??
? string t9b = "trailing ";
??
? string p9b = @"/s+$";
??
? string r9b = Regex.Replace(t9b, p9b, "");
??
在字符/后添加字符n，使之成為真正的新行
string t10 = @"/ntest/n";
??
? string r10 = Regex.Replace(t10, @"//n", "/n");
??
轉(zhuǎn)換IP地址
string t11 = "55.54.53.52";
??
? string p11 = "^" +
??
? @"([01]?/d/d|2[0-4]/d|25[0-5])/." +
??
? @"([01]?/d/d|2[0-4]/d|25[0-5])/." +
??
? @"([01]?/d/d|2[0-4]/d|25[0-5])/." +
??
? @"([01]?/d/d|2[0-4]/d|25[0-5])" +
??
? "$";
??
? Match m11 = Regex.Match(t11, p11);
??
刪除文件名包含的路徑
string t12 = @"c:/file.txt";
??
? string p12 = @"^.*//";
??
? string r12 = Regex.Replace(t12, p12, "");
??
聯(lián)接多行字符串中的行
string t13 = @"this is
??
? a split line";
??
? string p13 = @"/s*/r?/n/s*";
??
? string r13 = Regex.Replace(t13, p13, " ");
??
提取字符串中的所有數(shù)字
string t14 = @"
??
? test 1
??
? test 2.3
??
? test 47
??
? ";
??
? string p14 = @"(/d+/.?/d*|/./d+)";
??
? MatchCollection mc14 = Regex.Matches(t14, p14);
??
找出所有的大寫字母
string t15 = "This IS a Test OF ALL Caps";
??
? string p15 = @"(/b[^/Wa-z0-9_]+/b)";
??
? MatchCollection mc15 = Regex.Matches(t15, p15);
??
找出小寫的單詞
string t16 = "This is A Test of lowercase";
??
? string p16 = @"(/b[^/WA-Z0-9_]+/b)";
??
? MatchCollection mc16 = Regex.Matches(t16, p16);
??
找出第一個字母為大寫的單詞
string t17 = "This is A Test of Initial Caps";
??
? string p17 = @"(/b[^/Wa-z0-9_][^/WA-Z0-9_]*/b)";
??
? MatchCollection mc17 = Regex.Matches(t17, p17);
??
找出簡單的HTML語言中的鏈接
string t18 = @"
??
? <html>
??
? <a href=""first.htm"">first tag text</a>
??
? <a href=""next.htm"">next tag text</a>
??
? </html>
??
? ";
??
? string p18 = @"<A[^>]*?HREF/s*=/s*[""']?" + @"([^'"" >]+?)[ '""]?>";
??
? MatchCollection mc18 = Regex.Matches(t18, p18, "si");
總結(jié)
- 上一篇： Visual SourceSafe简明培
- 下一篇： 第一年交强险多少钱