網(wǎng)站自由開(kāi)發(fā)者

多少年來(lái)，許多的編程語(yǔ)言和工具都包含對(duì)正則表達(dá)式的支持，.NET基礎(chǔ)類(lèi)庫(kù)中包含有一個(gè)名字空間和一系列可以充分發(fā)揮規(guī)則表達(dá)式威力的類(lèi)，而且它們也都與未來(lái)的Perl 5中的規(guī)則表達(dá)式兼容。 
   
　　此外，regexp類(lèi)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(jiǎn)要地介紹System.Text.RegularExPRession中的類(lèi)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(huì)介紹一些你可能會(huì)用到的常見(jiàn)的表達(dá)式。 
   
應(yīng)該掌握的基礎(chǔ)知識(shí)

　　規(guī)則表達(dá)式的知識(shí)可能是不少編程人員“常學(xué)常忘”的知識(shí)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(lèi)是Perl 5中表達(dá)式的一個(gè)超集，因此，從理論上說(shuō)它將作為一個(gè)很好的起點(diǎn)。我們還假設(shè)你具有了C#的語(yǔ)法和.NET架構(gòu)的基本知識(shí)。 
   
　　如果你沒(méi)有規(guī)則表達(dá)式方面的知識(shí)，我建議你從Perl 5的語(yǔ)法著手開(kāi)始學(xué)習(xí)。在規(guī)則表達(dá)式方面的權(quán)威書(shū)籍是由杰弗里·弗雷德?tīng)柧帉?xiě)的《掌握表達(dá)式》一書(shū)，對(duì)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(shū)。 
   
RegularExpression組合體

　　regexp規(guī)則類(lèi)包含在System.Text.RegularExpressions.dll文件中，在對(duì)應(yīng)用軟件進(jìn)行編譯時(shí)你必須引用這個(gè)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(jiǎn)介

　　在名字空間中僅僅包含著6個(gè)類(lèi)和一個(gè)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(lái)； 
　　Match: 一次表達(dá)式的匹配結(jié)果，由Group繼承而來(lái)； 
　　MatchCollection: Match的一個(gè)序列； 
　　MatchEvaluator: 執(zhí)行替換操作時(shí)使用的代理； 
　　Regex: 編譯后的表達(dá)式的實(shí)例。

　　Regex類(lèi)中還包含一些靜態(tài)的方法：

　　Escape: 對(duì)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(gè)布爾值； 
　　Match: 返回Match的實(shí)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(duì)字符串中的轉(zhuǎn)義字符轉(zhuǎn)義。 
   
簡(jiǎn)單匹配

　　我們首先從使用Regex、Match類(lèi)的簡(jiǎn)單表達(dá)式開(kāi)始學(xué)習(xí)。 
   
Match m = Regex.Match("abracadabra", "(a|b|r)+"); 
   
我們現(xiàn)在有了一個(gè)可以用于測(cè)試的Match類(lèi)的實(shí)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(gè)字符串： 
   
Console.WriteLine("Match="+m.ToString()); 
   
這個(gè)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(jiǎn)單字符串的替換非常直觀。例如下面的語(yǔ)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(lái)看一個(gè)比較復(fù)雜的字符串替換的例子： 
   
string s = Regex.Replace(" abra ", @"^\s*(.*?)\s*$", "$1"); 
   
這個(gè)語(yǔ)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(duì)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(gè)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(shí)，@"..."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(guò)一個(gè)組結(jié)構(gòu)來(lái)理解一個(gè)稍微復(fù)雜的例子?？聪旅娴睦樱?nbsp;
   
string text = "abracadabra1abracadabra2abracadabra3"; 
   
  　　string pat = @" 
   
  　　　　( # 第一個(gè)組的開(kāi)始 
   
  　　　　 abra # 匹配字符串a(chǎn)bra 
   
  　　　　 ( # 第二個(gè)組的開(kāi)始 
   
  　　　　 cad # 匹配字符串cad 
   
  　　　　 )? # 第二個(gè)組結(jié)束（可選） 
   
  　　　　) # 第一個(gè)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(hào)碼的清單 
   
  　　int[] gnums = r.GetGroupNumbers(); 
   
  　　//首次匹配 
   
  　　Match m = r.Match(text); 
   
  　　while (m.Success) 
   
  　　 { 
   
  　　//從組1開(kāi)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(jì)算這個(gè)組的起始位置和長(zhǎng)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(gè)匹配 
   
  　　 m = m.NextMatch(); 
   
  　　 } 
   
 這個(gè)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(kāi)始，pat中包含有表達(dá)式。第一個(gè)capture是從第一個(gè)圓括號(hào)開(kāi)始的，然后表達(dá)式將匹配到一個(gè)abra。第二個(gè)capture組從第二個(gè)圓括號(hào)開(kāi)始，但第一個(gè)capture組還沒(méi)有結(jié)束，這意味著第一個(gè)組匹配的結(jié)果是abracad ，而第二個(gè)組的匹配結(jié)果僅僅是cad。因此如果通過(guò)使用？符號(hào)而使cad成為一項(xiàng)可選的匹配，匹配的結(jié)果就可能是abra或abracad。然后，第一個(gè)組就會(huì)結(jié)束，通過(guò)指定+符號(hào)要求表達(dá)式進(jìn)行多次匹配。 
   
　　現(xiàn)在我們來(lái)看看匹配過(guò)程中發(fā)生的情況。首先，通過(guò)調(diào)用Regex的constructor方法建立表達(dá)式的一個(gè)實(shí)例，并在其中指定各種選項(xiàng)。在這個(gè)例子中，由于在表達(dá)式中有注釋?zhuān)虼诉x用了x選項(xiàng)，另外還使用了一些空格。打開(kāi)x選項(xiàng)，表達(dá)式將會(huì)忽略注釋和其中沒(méi)有轉(zhuǎn)義的空格。 
   
　　然后，取得表達(dá)式中定義的組的編號(hào)的清單。你當(dāng)然可以顯性地使用這些編號(hào)，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(lái)是完成第一次匹配。通過(guò)一個(gè)循環(huán)測(cè)試當(dāng)前的匹配是否成功，接下來(lái)是從group 1開(kāi)始重復(fù)對(duì)組清單執(zhí)行這一操作。在這個(gè)例子中沒(méi)有使用group 0的原因是group 0是一個(gè)完全匹配的字符串，如果要通過(guò)收集全部匹配的字符串作為一個(gè)單一的字符串，就會(huì)用到group 0了。 
   
　　我們跟蹤每個(gè)group中的CaptureCollection。通常情況下每次匹配、每個(gè)group中只能有一個(gè)capture，但本例中的Group1則有兩個(gè)capture：Capture0和Capture1。如果你僅需要Group1的ToString，就會(huì)只得到abra，當(dāng)然它也會(huì)與abracad匹配。組中ToString的值就是其CaptureCollection中最后一個(gè)Capture的值，這正是我們所需要的。如果你希望整個(gè)過(guò)程在匹配abra后結(jié)束，就應(yīng)該從表達(dá)式中刪除+符號(hào)，讓regex引擎知道我們只需要對(duì)表達(dá)式進(jìn)行匹配。 
   
基于過(guò)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(hù)可以分為以下二大類(lèi)：第一類(lèi)用戶(hù)盡量不使用規(guī)則表達(dá)式，而是使用過(guò)程來(lái)執(zhí)行一些需要重復(fù)的操作；第二類(lèi)用戶(hù)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(guò)程。 
   
　　對(duì)于我們大多數(shù)用戶(hù)而言，最好的方案莫過(guò)于二者兼而用之了。我希望這篇文章能夠說(shuō)明.NET語(yǔ)言中regexp類(lèi)的作用以及它在性能和復(fù)雜性之間的優(yōu)、劣點(diǎn)。 
   
基于過(guò)程的模式

　　我們?cè)诰幊讨薪?jīng)常需要用到的一個(gè)功能是對(duì)字符串中的一部分進(jìn)行匹配或其他一些對(duì)字符串處理，下面是一個(gè)對(duì)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(gè)字符是小寫(xiě) 
   
  　　 if (char.IsLower(x[0])) 
   
  　　// 變成大寫(xiě) 
   
  　　　　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(yǔ)言中的foreach語(yǔ)句處理每個(gè)匹配的字符，并完成相應(yīng)的處理，在這個(gè)例子中，新創(chuàng)建了一個(gè)result字符串。這個(gè)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(guò)一個(gè)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(gè)字符是小寫(xiě) 
   
  　　　　if (char.IsLower(x[0])) 
   
  　　// 轉(zhuǎn)換為大寫(xiě) 
   
  　　　　 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(shí)需要注意的是，由于僅僅需要對(duì)單詞進(jìn)行修改而無(wú)需對(duì)非單詞進(jìn)行修改，這個(gè)模式顯得非常簡(jiǎn)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(xiě)出一些對(duì)你來(lái)說(shuō)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(guò)，希望能夠?qū)δ阌兴鶐椭?nbsp;
   
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(gè)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(shí)現(xiàn)每行80個(gè)字符

string t4 = "********************" 
   
  　　 + "******************************" 
   
  　　 + "******************************"; 
   
  　　string p4 = ".{80,}"; 
   
  　　Match m4 = Regex.Match(t4, p4); 
   
月/日/年 小時(shí):分:秒的時(shí)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(tái)）

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(yǔ)言中的注釋?zhuān)ㄓ写晟疲?/p>

string t8 = @" 
   
  　　/* 
   
  　　 * 傳統(tǒng)風(fēng)格的注釋 
   
  　　 */ 
   
  　　"; 
   
  　　string p8 = @" 
   
  　　 /\* # 匹配注釋開(kāi)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(kāi)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(xiě)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(xiě)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(gè)字母為大寫(xiě)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(jiǎn)單的HTML語(yǔ)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");

轉(zhuǎn)載自:http://www.aspnetjia.com/