【C#正则基础】正则表达式
1. 代表任意多个字符：(.*?)
2. 代表网页里的<body>*</body>任意的标签内容，替换以后网页源码就只剩纯文本：<[^>]*>
3. 代表网页中的空格：
4. 四位0~9的数字，一般用来匹配验证码：[0-9]{4}
5. 手机号正则式：\d{11}
6. 密码正则式：[.*|\s*]\w{6,16}$
7. 替换掉所有的换行空格等字符
8. htmltext = htmltext.Replace("\t", "").Replace("\r", "").Replace("\n", "").Replace(" ", "");
9. htmltext = Regex.Replace(htmltext, "<[^>]*>", "");
10. \d 匹配任意数字 \d:匹配一个任意数字 \d*:匹配任意多个任意的数字
HtmlDocument htmldoc = new HtmlDocument(); htmldoc.LoadHtml(htmltext); string htmldoctext = htmldoc.DocumentNode.InnerText; HtmlNode node = htmldoc.GetElementbyId("busi_success"); string divtext = node.InnerHtml; HtmlNodeCollection nodes = htmldoc.DocumentNode.SelectNodes("//table//tr//td"); //添加对Microsoft.mshtml这个程序集的引用，然后编写如下代码： IHTMLDocument2 doc = new HTMLDocumentClass(); doc.write(new object[]{pageSource}); doc.close(); Title = doc.title; Body = doc.body.innerText; public ArrayList GetMathList(string htmltext ,string pattern) Public string GetFirstMathString(string htmltext,string pattern,bool isCut) Public string GetFirstMathString(string htmltext,string pattern)
/// <summary> /// 正则多匹配，返回匹配ArrayList数组 /// </summary> /// <param name="htmltext">网页内容</param> /// <param name="pattern">模式字符串</param> /// <returns></returns> public ArrayList GetMathList(string htmltext, string pattern) { ArrayList list = new ArrayList(); try { MatchCollection mc; //定义一个Regex对象实例 Regex regex = new Regex("(.*?)", RegexOptions.Singleline | RegexOptions.IgnoreCase); //或者多行匹配模式RegexOptions.Multiline mc = regex.Matches(htmltext); //在输入字符串中找到所有匹配 for (int i = 0; i < mc.Count; i++) { //匹配一条信息就处理 string groupcode = mc[i].Value.ToString(); //处理函数 list.Add(groupcode); } } catch (Exception) { return null; } return list; }
//正则单匹配模式 Regex regex = new Regex("(.*?)", RegexOptions.Singleline); //text为要匹配的源字符串 Match match = regex.Match(htmltext); //匹配成功，获取结果 if (match.Success) { string result1 = match.ToString(); //对匹配出来的结果进行非目标值替换 string result2 = Regex.Replace(result1, "(.*?)",""); //rs是目标字符串 rs = Regex.Replace(result2, "(.*?)", ""); } //正则多匹配模式 MatchCollection mc; //定义一个Regex对象实例 Regex regex = new Regex("(.*?)", RegexOptions.Singleline | RegexOptions.IgnoreCase); //或者多行匹配模式RegexOptions.Multiline mc = regex.Matches(groupcodeHtml); //在输入字符串中找到所有匹配 for (int i = 0; i < mc.Count; i++) { //匹配一条信息就处理 string groupcode = mc[i].Value.ToString(); //处理函数 }
/// <summary> /// 正则表达式dan匹配方法 /// </summary> /// <param name="htmltext">网页内容</param> /// <param name="pattern">模式字符串</param> /// <param name="result">返回匹配成功的字符串</param> /// <returns>匹配是否成功</returns> public static bool GetMatchStr(string htmltext, string pattern, out string result) { bool IsGetSuccess = false; result = ""; try { string[] replaceStrs=new string[2]; if (pattern.Contains("(.*?)")) { string splitStr = pattern.Replace("(.*?)", "|"); replaceStrs = splitStr.Split('|'); } Regex regex = new Regex(pattern, RegexOptions.Singleline | RegexOptions.IgnoreCase); Match match = regex.Match(htmltext); if (match.Success) { result = match.ToString(); result = result.Replace(replaceStrs[0], "").Replace(replaceStrs[1], ""); } else { IsGetSuccess = false; } } catch (Exception ex) { IsGetSuccess = false; } finally { if (!string.IsNullOrEmpty(result)) { IsGetSuccess = true; } else { IsGetSuccess = false; } } return IsGetSuccess; }
|
字符 |
描述 |
|
\ |
将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 |
|
^ |
匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
|
$ |
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。 |
|
* |
匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
|
+ |
匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
|
? |
匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。 |
|
{n} |
n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
|
{n,} |
n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
|
{n,m} |
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
|
? |
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，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。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
|
. |
匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。 |
|
(pattern) |
匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。 |
|
(?:pattern) |
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
|
(?=pattern) |
正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
|
(?!pattern) |
负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 |
|
x|y |
匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
|
[xyz] |
字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
|
[^xyz] |
负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。 |
|
[a-z] |
字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
|
[^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
|
\b |
匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
|
\B |
匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
|
\cx |
匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
|
\d |
匹配一个数字字符。等价于 [0-9]。 |
|
\D |
匹配一个非数字字符。等价于 [^0-9]。 |
|
\f |
匹配一个换页符。等价于 \x0c 和 \cL。 |
|
\n |
匹配一个换行符。等价于 \x0a 和 \cJ。 |
|
\r |
匹配一个回车符。等价于 \x0d 和 \cM。 |
|
\s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
|
\S |
匹配任何非空白字。符等价于 [^ \f\n\r\t\v]。 |
|
\t |
匹配一个制表符。等价于 \x09 和 \cI。 |
|
\v |
匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
|
\w |
匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 |
|
\W |
匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。 |
|
\xn |
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。. |
|
\num |
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。 |
|
\n |
标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
|
\nm |
标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
|
\nml |
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
|
\un |
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。 |
