在c#中使用正则表达式 - 漓江水

　　在字符串，文字的处理中，正则表达式非常灵活，这里我将把自己刚学到的C#使用正则表达式的知识记录下来，同时附上常用的正则表达式。

　　先讲一个简单例子：

　　正则表达式常用于数字或字符串的验证和截取，搜索，替换。使用方式一般为：先建立正则表达式对象，正则表达式对象的构造函数接受一个正则表达式字符串，然后使用这个对象的IsMatch方法验证数字或字符串是否符合规则。我们这里要做一个验证输入是否为汉字的程序。

引入空间： using system.Text.RegularExpression

Regex rule = new Regex("^[\u4e00-\u9fa5]$"); //建立正则表达式对象，接收了正则规则为：^[\u4e00-\u9fa5]$
bool result = rule.IsMatch("中"); //调用对象的IsMatch方法，判断当前字符是否为汉字

　　下面讲解一下正则表达式

一、基础：

字符转义：正则表达式中的反斜杠字符 (\) 指示其后跟的字符是特殊字符（如下表所示），或应按原义解释该字符。

转义字符	说明	模式	匹配
\a	与报警 (bell) 符 \u0007 匹配。	\a	“Error!”+“\u0007”中的“\u0007”
\b	在字符类中，与退格键 \u0008 匹配。	[\b]{3,}	“\b\b\b\b”中的“\b\b\b\b”
\t	与制表符 \u0009 匹配。	(\w+)\t	“item1\titem2\t”中的“item1\t”和“item2\t”
\r	与回车符 \u000D 匹配。（ \r 与换行符 \n 不是等效的。）	\r\n(\w+)	“\r\nThese are\ntwo lines.”中的“\r\nThese”
\v	与垂直制表符 \u000B 匹配。	[\v]{2,}	“\v\v\v”中的“\v\v\v”
\f	与换页符 \u000C 匹配。	[\f]{2,}	“\f\f\f”中的“\f\f\f”
\n	与换行符 \u000A 匹配。	\r\n(\w+)	“\r\nThese are\ntwo lines.”中的“\r\nThese”
\e	与转义符 \u001B 匹配。	\e	“\x001B”中的“\x001B”
\nnn	使用八进制表示形式指定一个字符（ nnn 最多由三位数字组成）。	\w\040\w	“a bc d”中的 “a b”和“c d”
\xnn	使用十六进制表示形式指定字符（ nn 恰好由两位数字组成）。	\w\x20\w	“a bc d”中的 “a b”和“c d”
\cX	与 X 指定的 ASCII 控制字符匹配，其中 X 是控制字符的字母。	\cC	“\x0003”中的“\x0003”(Ctrl-C)
\unnnn	使用十六进制表示形式（恰好四位数字，此处由 nnnn 表示）与 Unicode 字符匹配。	\w\u0020\w	“a bc d”中的 “a b”和“c d”
\	在后面带有不识别为本主题的此表和其他表中的转义符的字符时，与该字符匹配。例如， \* 与 \x2A 相同。这使得正则表达式引擎可以消除语言元素（例如 * 或 ?）与字符文本（由 \* 或 \? 表示）之间的歧义。	\d+[\+-x\]\d+\d+[\+-x\\d+	“(2+2) * 39”中的“2+2”和“39”

字符类：字符类与一组字符中的任何一个字符匹配。字符类包括下表中列出的语言元素。

字符类	说明	模式	匹配
[字符分组]	与 character_group 中的任何单个字符匹配。默认情况下，匹配区分大小写。	[ae]	“gray”中的“a” “lane”中的“a”和“e”
[^字符分组]	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]	“reign”中的“r”、“g”和“n”
[first-last]	字符范围：与从 first 到 last 的范围中的任何单个字符匹配。	[A-Z]	“AB123”中的“A”和“B”
.	通配符：与除 \n 之外的任何单个字符匹配。	a.e	“nave”中的“ave” “water”中的“ate”
\p{name}	与 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。	\p{Lu} \p{IsCyrillic}	“City Lights”中的“C”和“L” “ДЖem”中的“Д”和“Ж”
\P{name}	与不在 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。	\P{Lu} \P{IsCyrillic}	“City”中的“i”、“t”和“y” “ДЖem”中的“e”和“m”
\w	与任何单词字符匹配。 [a-zA-Z0-9_]	\w	“ID A1.3”中的“I”、“D”、“A”、“1”和“3”
\W	与任何非单词字符匹配。	\W	“ID A1.3”中的“ ”、“.”
\s	与任何空白字符匹配。	\w\s	“ID A1.3”中的“D”
\S	与任何非空白字符匹配。	\s\S	“int __ctr”中的“ _”
\d	与任何十进制数字匹配。	\d	“4 = IV”中的“4”
\D	与任何非十进制数字匹配。	\D	“4 = IV”中的“ ”、“=”、“ ”、“I”和“V”

定位点：定位点或原子零宽度断言会使匹配成功或失败，具体取决于字符串中的当前位置，但它们不会使引擎在字符串中前进或使用字符。下表中列出的元字符是定位点。

断言	说明	模式	匹配
^	匹配必须从字符串或一行的开头开始。	^\d{3}	“901-333-”中的 “901-”
$	匹配必须出现在字符串的末尾或出现在行或字符串末尾的 \n 之前。	-\d{3}$	“-901-333”中的 “-333”
\A	匹配必须出现在字符串的开头。	\A\d{3}	“901-333-”中的 “901-”
\Z	匹配必须出现在字符串的末尾或出现在字符串末尾的 \n 之前。	-\d{3}\Z	“-901-333”中的 “-333”
\z	匹配必须出现在字符串的末尾。	-\d{3}\z	“-901-333”中的 “-333”
\G	匹配必须出现在上一个匹配结束的地方。	\G$\d$	“(1)(3)(5)[7](9)”中的“(1)”、“(3)”和“(5)”
\b	匹配必须出现在 \w（字母数字）和 \W（非字母数字）字符之间的边界上。	\b\w+\s\w+\b	“them theme them them”中的“them them”
\B	匹配不得出现在 \b 边界上。	\Bend\w*\b	“end sends endure lender”中的“ends”和“ender”

分组构造：分组构造描述了正则表达式的子表达式，通常用于捕获输入字符串的子字符串。分组构造包括下表中列出的语言元素。

分组构造	说明	模式	匹配
(子表达式)	捕获匹配的子表达式并将其分配到一个从零开始的序号中。	(\w)\1 (\w{3,})-\1\d{3}	“deep”中的“ee” abc-abc123 abcd-abcd123
(?<name>子表达式)	将匹配的子表达式捕获到一个命名组中。	(?<double>\w)\k<double> (?<double>\w{3,})-\k<double>\d{3}	“deep”中的“ee” abc-abc123 abcd-abcd123
(?<name1-name2>子表达式)	定义平衡组定义。	(((?'Open'$)[^\($])+((?'Close-Open'\))[^])+)*(?(Open)(?!))$	“3+2^((1-3)(3-1))”中的“((1-3)(3-1))”
(?:子表达式)	定义非捕获组。	Write(?:Line)?	“Console.WriteLine()”中的“WriteLine”
(?imnsx-imnsx:子表达式)	应用或禁用子表达式中指定的选项。	A\d{2}(?i:\w+)\b	“A12xl A12XL a12xl”中的“A12xl”和“A12XL”
(?=子表达式)	零宽度正预测先行断言。	\w+(?=\.)	“He is.The dog ran.The sun is out.”中的“is”、“ran”和“out”
(?!子表达式)	零宽度负预测先行断言。	\b(?!un)\w+\b	“unsure sure unity used”中的“sure”和“used”
(?<=子表达式)	零宽度正回顾后发断言。	(?<=19)\d{2}\b 如何区别(?=19)\d{2}\b (?=19)\d{4}\b	“1851 1999 1950 1905 2003”中的“99”、“50”和“05”
(?<!子表达式)	零宽度负回顾后发断言。	(?<!19)\d{2}\b 如何区别(?!19)\d{2}\b (?!19)\d{4}\b	“1851 1999 1950 1905 2003”中的“51”和“03”
(?>子表达式)	非回溯（也称为“贪婪”）子表达式。	[13579](?>A+B+) 比较[13579](A+B+) [13579](?=A+B+) [13579](?:A+B+)	“1ABB 3ABBC 5AB 5AC”中的“1ABB”、“3ABB”和“5AB”

限定符：限定符指定在输入字符串中必须存在上一个元素（可以是字符、组或字符类）的多少个实例才能出现匹配项。限定符包括下表中列出的语言元素。

限定符	说明	模式	匹配
*	匹配上一个元素零次或多次。	\d*.\d	“.0”，“19.9”和“219.9”
+	匹配上一个元素一次或多次。	"be+"	“been”中的“bee”，“bent”中的“be”
?	匹配上一个元素零次或一次。	"rai?n"	“ran”和“rain”
{n}	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,}	匹配上一个元素至少 n 次。	"\d{2,}"	“166”，“29”和“1930”
{n,m}	匹配上一个元素至少 n 次，但不多于 m 次。	"\d{3,5}"	“166”，“17668”以及“193024”中的“19302”
*?	匹配上一个元素零次或多次，但次数尽可能少。	\d*?.\d	“.0”，“19.9”和“219.9”
+?	匹配上一个元素一次或多次，但次数尽可能少。	"be+?"	“been”中的“bee”，“bent”中的“be”
??	匹配上一个元素零次或一次，但次数尽可能少。	"rai??n"	“ran”和“rain”
{n}?	匹配前导元素恰好 n 次。	",\d{3}?"	“1,043.6”中的“,043”，“9,876,543,210”中的“,876”、“,543”和“,210”
{n,}?	匹配上一个元素至少 n 次，但次数尽可能少。	"\d{2,}?"	“166”，“29”和“1930” 中的”16” “29” “19” “30”
{n,m}?	匹配上一个元素的次数介于 n 和 m 之间，但次数尽可能少。	"\d{3,5}?"	“166”，“17668”以及“193024”中的“19302”

反向引用构造：反向引用允许在同一正则表达式中随后标识以前匹配的子表达式。下表列出了 .NET Framework 的正则表达式支持的反向引用构造。

反向引用构造	说明	模式	匹配
\数值	后向引用。匹配编号子表达式的值。	(\w)\1	“seek”中的“ee”
\k<name>	命名后向引用。匹配命名表达式的值。	(?<char>\w)\k<char>	“seek”中的“ee”

替换构造：替换构造用于修改正则表达式以启用 either/or 匹配。这些构造包括下表中列出的语言元素。

替换构造	说明	模式	匹配
\|	匹配以竖线 (\|) 字符分隔的任何一个元素。	th(e\|is\|at)	“this is the day.”中的“the”和“this”"
(?(表达式)yes\|no)	如果表达式匹配，则与 yes 部分匹配；否则，与可选的 no 部分匹配。表达式被解释为零宽度断言。	(?(A)A\d{2}\b\|\b\d{3}\b)	“A10 C103 910”中的“A10”和“910”
(?(name)yes\|no)	如果命名捕获 name 有匹配项，则与 yes 部分匹配；否则，与可选的 no 部分匹配。	(?<quoted>")?(?(quoted).+?"\|\S+\s)	“Dogs.jpg "Yiska playing.jpg"”中的 Dogs.jpg 和 "Yiska playing.jpg"

替换：替换是替换模式中支持的正则表达式语言元素。 m=Regex.Match(...) m.Result(“$1$2$3”)

字符	说明	模式	替换模式	输入字符串	结果字符串
$数值	替换按组 number 匹配的子字符串。	\b(\w+)(\s)(\w+)\b	$3$2$1	"one two"	"two one"
${name}	替换按命名组 name 匹配的子字符串。	\b(?<word1>\w+)(\s)(?<word2>\w+)\b	${word2} ${word1}	"one two"	"two one"
$$	替换字符“$”。	\b(\d+)\s?USD	$$$1	“103 USD”	“$103”
$&	替换整个匹配项的一个副本。	(\$(\d(\.+\d+)?){1})	**$&	“$1.30”	“$1.30”
$`	替换匹配前的输入字符串的所有文本。	B+	$`	“AABBCC”	“AAAACC”
$'	替换匹配后的输入字符串的所有文本。	B+	$'	“AABBCC”	“AACCCC”
$+	替换最后捕获的组。	B+(C+)	$+	“AABBCCDD”	AACCDD
$_	替换整个输入字符串。	B+	$_	“AABBCC”	“AAAABBCCCC”

RegularExpression名称空间

在名字空间中仅仅包含着6个类和一个定义，它们是：

　　Capture: 包含一次匹配的结果；
　　CaptureCollection: Capture的序列；
　　Group: 一次组记录的结果，由Capture继承而来；
　　Match: 一次表达式的匹配结果，由Group继承而来；
　　MatchCollection: Match的一个序列；
　　MatchEvaluator: 执行替换操作时使用的代理；
　　Regex: 编译后的表达式的实例。

　　Regex类中还包含一些静态的方法：

　　Escape: 对字符串中的regex中的转义符进行转义；
　　IsMatch: 如果表达式在字符串中匹配，该方法返回一个布尔值；
　　Match: 返回Match的实例；
　　Matches: 返回一系列的Match的方法；
　　Replace: 用替换字符串替换匹配的表达式；
　　Split: 返回一系列由表达式决定的字符串；
　　Unescape:不对字符串中的转义字符转义。

应用代码示例：

static Regex _regex = new Regex(@"\${(?<expr>[^$]+?)}", RegexOptions.Compiled);

static Regex _regexVarName = new Regex(@"^\w+$", RegexOptions.Compiled);

private ParseService()

{

this.context.CaseSensitiveVariables = false;

_instance = this;

}

private string MatchExpr(Match m)

{

string expr = m.Groups["expr"].Value;

CSharpParser parser = new CSharpParser();

var o = parser.Evaluate(expr, context);

if (o.Value is string)

{

return (string)o.Value;

}

string strVal = expr;

TypeConverter c = TypeDescriptor.GetConverter(o.Type);

try

{

strVal = c.ConvertToString(o);

}

catch (NotSupportedException ex)

{

LoggingService.Warn("Error parsing expr '" + expr + "': " + ex.Message);

}

return strVal;

}

private string InnerParse(string input, MatchEvaluator evaluator)

{

while (_regex.IsMatch(input))

{

input = _regex.Replace(input, evaluator);

}

return input;

}

public string Parse(string input, VarResolverHandler varResolver)

{

return this.InnerParse(input, delegate(Match m)

{

this.context.MissingVariableHandler = delegate(string varName, out object var, out Type varType)

{

varType = typeof(string);

var = varResolver(varName);

if (var == null)

{

var = "";

return false;

}

return true;

};

string expr = m.Groups["expr"].Value;

if (_regexVarName.IsMatch(expr))

{

//var name

string val = varResolver(expr);

if (null != val)

{

return val;

}

return "";

}

else

{

return this.MatchExpr(m);

}

});

}

发表于 2012-10-17 17:41 漓江水阅读(175) 评论(0) 收藏举报