点滴正则表达式

 .Net的正则表达式,很早就看了，工作中用得不多,快淡忘了。这段时间公司没什么事，又复习了一遍。
在这里,我不是通遍去介绍正则表达式,这样的文章太多了，MSDN也有一些。我只是记录一下心得，点滴一下正则表达式中不太容易理解的地方，主要是给自己做一下笔记，如果能给你一个参考，也是一种收获。
说实话,不知道是不是中文版的MSDN的翻译有问题还是什么，在MSDN上看正则表达式的资料不太容易看懂,有的名字太拗口，给人的感觉是太专业了。比如把(?! )这个分组叫零宽度正预测先行断言，让我愣在那里读了半天。

一．正则表式类：

1．  Regex
这个类是正则表达式的核心。其中常用的就几个方法：Match，Matches，Replace，Split，IsMatch。这几个方法都有实例方法和静态方法的重载。

2．  Match，Group，Capture以及它们相关的集合类
对这几个类的名词解释就不在这里说了，参考MSDN就行了。在这里主要说一下它们的关系。这几个类的构造函数都被声明为internal，所以Match只能从Regex获得，Group和Capture只能从对应的集合类中获得。
Capture本身是一个基类，是正则表达式的子表达式的捕获结果。
Group是单个捕获组的结果，是从Capture类继承，Group包含了CaptureCollection，CaptureCollection是指当前的捕获组能捕获到的所有结果。简单的来说Group本身也是一个捕获（Capture），CaptureCollection的最后一个元素（为什么不是第一个元素？）就指向了Group本身。
Match是单个正则表达式匹配的结果。应该是说单个正则表达式尽可能多的匹配的结果，它包含了GroupCollection，GroupCollection获取由正则表达式匹配的组的集合。它是从Group继承的，也就是说Match本身也是一个捕获(Capture)，GroupCollection的第一个元素就指向了Match本身。所以Match.Captures就指的是Match.Groups[0].Captures。
MatchCollection类的理解就很简单，就是指成功的非重叠匹配。
下面就用一个例子来说明它们的关系。

            Regex r = new Regex("(Abc)+");
            Match m = r.Match("XYZAbcAbcAbcXYZAbcAb");
            GroupCollection gc = m.Groups;
            Console.WriteLine("Captured groups = " + gc.Count.ToString());
            for (int i = 0; i < gc.Count; i++)
            {
                cc = gc[i].Captures;
                counter = cc.Count;
                // Print number of captures in this group.
                Console.WriteLine("Captures count = " + counter.ToString());
                // Loop through each capture in group.
                for (int ii = 0; ii < counter; ii++)
                {
                    // Print capture and position.
                    Console.WriteLine(cc[ii] + "   Starts at character " +
                        cc[ii].Index);
                }
            }

                     

         输出的结果:

         Captured groups = 2

    Captures count = 1

    AbcAbcAbc   Starts at character 3

    Captures count = 3

    Abc   Starts at character 3

    Abc   Starts at character 6

    Abc   Starts at character 9
说明:
正则表达式: "(Abc)+",这是个贪婪捕获，它会尽可能多的捕获至少一组Abc,所以m.Value是“AbcAbcAbc”而不是“Abc”，而m的捕获组(GroupCollection)则有两个Group，一个是“AbcAbcAbc”(就是Match本身)，另一个则是“Abc”。gc[0]的Captures只有一个元素，因为对于“AbcAbcAbc”这个捕获组，它只捕获到了一个。在这里m=gc[0]=gc[0].Captures[0].而gc[1]，因为其捕获组的值是“Abc”，所以其在“AbcAbcAbc”字符串上有三个Captures:“Abc”，只是索引不一样。在这里，gc[1]=gc[1].Captures[2]。

二．正则表达式符号
在这里，不一一列出正则表达式符号的解释，只把一些特殊应用说一下。

1.       ? 符号：
A). ？最简单的用法是作为限定符使用，就是匹配前面的子表达式零次或一次，等价于 {0,1}。
B). 限定其他限定符，就是紧跟 (*，+，?，{n}， {n,}， {n,m}) 后面，这样使用的匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
下面就用一个例子简单说明一下：
string url = "http://www.contoso.com:8080/letters";
Regex r = new Regex(@"^(?<proto>\w+)://[^/]+?(?<port>:\d+)?/");
Match m = r.Match(url); //m.Value=http://www.contoso.com:8080/
 string result = m.Result("${proto}${port}");
注意，在这里的非贪婪模式：“+?”，它使“[^/]+”尽可能少的去捕获，这样当它遇到“:8080”字符串时就停止捕获，因为“(?<port>:\d+)?”捕获组会处理这个字符串。如果把正则表达式改为"^(?<proto>\w+)://[^/]+ (?<port>:\d+)?/"（去掉“?”），m.Value不会有变化，但“?<port>”这个捕获组将捕获不到任何东西。
C). (?:pattern)。匹配 pattern 但不捕获组，不进行存储供以后使用。就是说Match.Groups中不含此捕获组。
D). (?=pattern)。MSDN上的名词解释太别扭了，有的资料称这个为正向预查。就是说仅当子表达式在此位置的右侧匹配时才算匹配成功。它不仅不捕获组也不捕获pattern，它仅仅用于匹配。
下面的例子可以看出(?:pattern)和(?=pattern)的区别：
Match m1 = Regex.Match("C#.net,PHP,Java", @"([\w#])+(.net)");
m1.Value值为”C#.net”，有三个捕获组”C#.net”, ”#”, “.net”

Match m2 = Regex.Match("C#.net,PHP,Java", @"([\w#])+(?:.net)");
m2.Value值为”C#.net”，只有两个捕获组”C#.net”, ”#”

Match m3 = Regex.Match("C#.net,PHP,Java", @"([\w#])+(?=.net)");
m3.Value值为”C#”, 只有两个捕获组”C#.net”, ”#”

E). (?!pattern)。这是负向预查，和(?=pattern)相似，只是匹配条件是相反的。
Match m4 = Regex.Match("Windows 2000,Windows 98,Windows XP", @"Windows (?!NT|2000|2003)");
m4.Value是” Windows 98”的” Windows”，不是” Windows 2000”的”Windows”
F). (?(expression)yes|no) .表达测试,替换构造之一, 相当于 (?(?=expression)yes|no) 。就是说如果匹配了expression,则继续用”yes”选项来匹配,否则用”no”来匹配.”no”部分可以省略,这时如果expression匹配了并且还要与”yes”匹配,否则匹配不成功.注意:如果expression是整个正则表达式的捕获组的名字或编号,则将被解释成为下面的捕获测试.
还是看一下例子:
string input = "qhatta 2hbxxb,3habs";
string p = @"h(?(?=a)att|bxx)";
这里匹配” hatt”和” hbxx”,虽然”habs”的”a”匹配表达式,但它不匹配yes|no选项
如果 p = @"h(?(?=qq)att|bxx)";则只匹配” hbxx”.
如果p = @"h(?(?=qq)att)"(省略”no”部分);则只匹配” h”.
如果p = @"h(?(?=a)att)"(省略”no”部分);则只匹配” hatt”和” h”.
G). (?(name)yes|no) . 捕获测试，替换构造之一,和上面的构造相似,区别是”name”是一个捕获组的名字,如果相应的捕获组有匹配,则匹配”yes”部分,否则匹配”no”部分. 注意：如果name不与此表达式中使用的捕获组的名称或编号对应，则替换构造将解释为表达式测试。
例子：
 string p = @"(?<n>\d+)?h(?(n)att|bxx)";
 string input = "3hatta qhbxxb,3hbs ";这里匹配”3hatt”,和”hbxx”

2.      $符号
A). $最简单的用法就是：匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置.
B). 用在替换模式中。”$数字”或”${name}”代表捕获编号或捕获名称。
string result = Regex.Replace("0011ggx33a", @"([\w])\1", "$1-$1");
该例是在相同字符间插入一个“-”。结果是："0-01-1g-gx3-3a". 

突然发觉把自己的思路和心得用文字表达出来，又想让别人也能看懂，是一件不容易的事。