.net中的正则表达式使用高级技巧 (三)

上篇:
.net中的正则表达式使用高级技巧 (一)
.net中的正则表达式使用高级技巧 (二)

反向引用

反向引用,指把匹配出来的组引用到表达式本身其它地方,比如,在匹配HTML的标记时,我们匹配出一个<a>,我们要把匹配出来的a引用出来,用来找到</a>,这个时候就要用到反向引用。
语法
    a、反向引用编号的组,语法为\number
    b、反向引用命名的组,语法为\k<name>
举例
    a、匹配成对的HTML标签

@"<(?<tag>[^\s>]+)[^>]*>.*</\k<tag>>"        

    b、匹配两个两个重叠出现的字符  

        public static void Main()
        
{    
            
string s = "aabbc11asd";
            Regex reg 
= new Regex(@"(\w)\1");
            MatchCollection matches 
= reg.Matches(s);
            
foreach(Match m in matches)
                Console.WriteLine(m.Value);
            Console.ReadLine();
        }
      

返回结果为aa bb 11 

辅助匹配组

以下几种组结构,括号中的Pattern都不作为匹配结果的一部分进行保存
    1、正声明(?=)
    涵义:括号中的模式必须出现在声明右侧,但不作为匹配的一部分

        public static void Main()
        
{    
            
string s = "C#.net,VB.net,PHP,Java,JScript.net";
            Regex reg 
= new Regex(@"[\w\#]+(?=\.net)",RegexOptions.Compiled);
            MatchCollection mc 
= reg.Matches(s);
            
foreach(Match m in mc)
                Console.WriteLine(m.Value); 
            Console.ReadLine();
            
//输出 C# VB JScript
        }

    可以看到匹配引擎要求匹配.net,但却不把.net放到匹配结果中
    2、负声明(?!)
     涵义:括号中的模式必须不出现在声明右侧
        下例演示如何取得一个<a>标签对中的全部内容,即使其中包含别的HTML tag

        public static void Main()
        

            
string newsContent = @"url:<a href=""1.html""><img src=""1.gif"">test<span style=""color:red;"">Regex</span></a>.";
            Regex regEnd 
= new Regex(@"<\s*a[^>]*>([^<]|<(?!/a))*<\s*/a\s*>",RegexOptions.Multiline);
            
            Console.WriteLine(regEnd.Match(newsContent).Value);
//Result: <a href="1.html"><img src="1.gif">test<span style="color:red;">Regex</span></a>
            Console.ReadLine();
        }

    3、反向正声明(?<=) 
    涵义:括号中的模式必须出现在声明左侧,但不作为匹配的一部分
    4、反向负声明(?<!)
    涵义:括号中的模式必须不出现在声明左侧

非回溯匹配
语法:(?>)
涵义:该组匹配后,其匹配的字符不能通过回溯用于后面的表达式的匹配。呵呵,光看这句话肯定搞不懂,我当初为了搞懂这个也花了不少的时间,还是通过实例来说明吧:
"www.csdn.net" 可以通过@"\w+\.(.*)\.\w+"来匹配,却不能通过@"\w+\.(?>.*)\.\w+"来匹配!为什么呢?

原因是正则匹配是贪婪的,匹配时它会尽可能多的匹配最多的结果,所以,上例两个正则式中的.*都会把csdn.net匹配完, 这个时候,第一个表达式在开始匹配时发现\.\w+没得字符给它匹配了,所以它会进行回溯,所谓回溯,就是把.*匹配的结果往回推,回推留出来的字符再用来匹配\.\w+,直到\.\w+匹配成功,整个表达式返回成功的匹配结果。而第二个表达式,因使用的是非回溯匹配,所以,.*匹配完后,不允许通过回溯来匹配\.\w+,所以整个表达式匹配失败。

请注意,回溯匹配是很浪费资源的一种匹配方式,所以,请尽量避免您的正则式要通过回溯来成功匹配,如上例,可以换成@"\w+\.([^\.]+\.)+\w+"+"

下一篇:.net中的正则表达式使用高级技巧 (四)

posted @ 2006-03-02 10:45  Think  阅读(9684)  评论(17编辑  收藏  举报