C# 正則表達(dá)式 使用介紹

反義元字符

特殊元字符

限定符

懶惰限定符

捕獲分組

得到上面秘籍后我們可以小試牛刀...

小試牛刀

在C#中使用正則表達(dá)式主要是通過(guò)Regex類來(lái)實(shí)現(xiàn)。命名空間：using System.Text.RegularExpressions。

其中常用方法：

在使用正則表達(dá)式前我們先來(lái)看看“@”符號(hào)的使用。

學(xué)過(guò)C#的人都知道C# 中字符串常量可以以@ 開(kāi)頭聲名，這樣的優(yōu)點(diǎn)是轉(zhuǎn)義序列“不”被處理，按“原樣”輸出，即我們不需要對(duì)轉(zhuǎn)義字符加上 \ （反斜扛），就可以輕松coding。如:

如要在一個(gè)用 @ 引起來(lái)的字符串中包括一個(gè)雙引號(hào)，就需要使用兩對(duì)雙引號(hào)了。這時(shí)候你不能使用 \ 來(lái)轉(zhuǎn)義爽引號(hào)了，因?yàn)樵谶@里 \ 的轉(zhuǎn)義用途已經(jīng)被 @ “屏蔽”掉了。如:

字符串匹配：

在實(shí)際項(xiàng)目中我們常常需要對(duì)用戶輸入的信息進(jìn)行驗(yàn)證。如：匹配用戶輸入的內(nèi)容是否為數(shù)字，是否為有效的手機(jī)號(hào)碼，郵箱是否合法....等。

實(shí)例代碼：

string RegexStr = string.Empty;
#region 字符串匹配

RegexStr = "^[0-9]+$"; //匹配字符串的開(kāi)始和結(jié)束是否為0-9的數(shù)字[定位字符]
Console.WriteLine("判斷'R1123'是否為數(shù)字:{0}", Regex.IsMatch("R1123", RegexStr));
Console.WriteLine("判斷'1123'是否為數(shù)字:{0}", Regex.IsMatch("1123", RegexStr));

RegexStr = @"\d+"; //匹配字符串中間是否包含數(shù)字(這里沒(méi)有從開(kāi)始進(jìn)行匹配噢,任意位子只要有一個(gè)數(shù)字即可)
Console.WriteLine("'R1123'是否包含數(shù)字:{0}", Regex.IsMatch("R1123", RegexStr));
Console.WriteLine("'博客園'是否包含數(shù)字:{0}", Regex.IsMatch("博客園", RegexStr));

//感謝@zhoumy的提醒..已修改錯(cuò)誤代碼
RegexStr = @"^Hello World[\w\W]*"; //已Hello World開(kāi)頭的任意字符(\w\W：組合可匹配任意字符)
Console.WriteLine("'HeLLO WORLD xx hh xx'是否已Hello World開(kāi)頭:{0}", Regex.IsMatch("HeLLO WORLD xx hh xx", RegexStr, RegexOptions.IgnoreCase));
Console.WriteLine("'LLO WORLD xx hh xx'是否已Hello World開(kāi)頭:{0}", Regex.IsMatch("LLO WORLD xx hh xx", RegexStr,RegexOptions.IgnoreCase));
//RegexOptions.IgnoreCase：指定不區(qū)分大小寫(xiě)的匹配。

#endregion

顯示結(jié)果：

字符串查找：

實(shí)例代碼：

string RegexStr = string.Empty; 

#region 字符串查找

string LinkA = "a href=\"http://www.baidu.com\" target=\"_blank\">百度/a>";

RegexStr = @"href=""[\S]+"""; // ""匹配"
Match mt = Regex.Match(LinkA, RegexStr);

Console.WriteLine("{0}。", LinkA);
Console.WriteLine("獲得href中的值：{0}。", mt.Value);

RegexStr = @"h[^23456]>[\S]+h[1]>"; //h[^23456]>:匹配h除了2,3,4,5,6之中的值,h[1]>:h匹配包含括號(hào)內(nèi)元素的字符
Console.WriteLine("{0}。GetH1值：{1}", "H1>標(biāo)題H1>", Regex.Match("H1>標(biāo)題H1>", RegexStr, RegexOptions.IgnoreCase).Value);
Console.WriteLine("{0}。GetH1值：{1}", "h2>小標(biāo)h2>", Regex.Match("h2>小標(biāo)h2>", RegexStr, RegexOptions.IgnoreCase).Value);
//RegexOptions.IgnoreCase:指定不區(qū)分大小寫(xiě)的匹配。

RegexStr = @"ab\w+|ij\w{1,}"; //匹配ab和字母 或 ij和字母
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "abcd", Regex.Match("abcd", RegexStr).Value);
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "efgh", Regex.Match("efgh", RegexStr).Value);
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "ijk", Regex.Match("ijk", RegexStr).Value);

RegexStr = @"張三?豐"; //?匹配前面的子表達(dá)式零次或一次。
Console.WriteLine("{0}?？蛇x項(xiàng)元素：{1}", "張三豐", Regex.Match("張三豐", RegexStr).Value);
Console.WriteLine("{0}。可選項(xiàng)元素：{1}", "張豐", Regex.Match("張豐", RegexStr).Value);
Console.WriteLine("{0}?？蛇x項(xiàng)元素：{1}", "張飛", Regex.Match("張飛", RegexStr).Value);

/* 
 例如：
July|Jul　　可縮短為　　July?
4th|4　　 可縮短為　　4(th)?
*/

//匹配特殊字符
RegexStr = @"Asp\.net"; //匹配Asp.net字符，因?yàn)?是元字符他會(huì)匹配除換行符以外的任意字符。這里我們只需要他匹配.字符即可。所以需要轉(zhuǎn)義\.這樣表示匹配.字符
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "Java Asp.net SQLServer", Regex.Match("Java Asp.net SQLServer", RegexStr).Value);
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "C# Java", Regex.Match("C# Java", RegexStr).Value);

#endregion

顯示結(jié)果：

貪婪與懶惰

string f = "fooot";
//貪婪匹配
RegexStr = @"f[o]+";
Match m1 = Regex.Match(f, RegexStr);
Console.WriteLine("{0}貪婪匹配(匹配盡可能多的字符)：{1}", f, m1.ToString());

//懶惰匹配
RegexStr = @"f[o]+?";
Match m2 = Regex.Match(f, RegexStr);
Console.WriteLine("{0}懶惰匹配(匹配盡可能少重復(fù))：{1}", f, m2.ToString());

顯示結(jié)果：

從上面的例子中我們不難看出貪婪與懶惰的區(qū)別，他們的名子取的都很形象。

貪婪匹配：匹配盡可能多的字符。

懶惰匹配：匹配盡可能少的字符。

(exp)分組

在做爬蟲(chóng)時(shí)我們經(jīng)常獲得A中一些有用信息。如href,title和顯示內(nèi)容等。

string TaobaoLink = "a href=\"http://www.taobao.com\" title=\"淘寶網(wǎng) - 淘！我喜歡\" target=\"_blank\">淘寶/a>";
RegexStr = @"a[^>]+href=""(\S+)""[^>]+title=""([\s\S]+?)""[^>]+>(\S+)/a>";
Match mat = Regex.Match(TaobaoLink, RegexStr);
for (int i = 0; i  mat.Groups.Count; i++)
{
 Console.WriteLine("第"+i+"組："+mat.Groups[i].Value);
}

顯示結(jié)果：

在正則表達(dá)式里使用()包含的文本自動(dòng)會(huì)命名為一個(gè)組。上面的表達(dá)式中共使用了4個(gè)()可以認(rèn)為是分為了4組。

輸出結(jié)果共分為：4組。

0組：為我們所匹配的字符串。

1組：是我們第一個(gè)括號(hào)[href=""(\S+)""]中(\S+)所匹配的網(wǎng)址信息。內(nèi)容為：http://www.taobao.com。

2組：是第二個(gè)括號(hào)[title=""([\s\S]+?)""]中所匹配的內(nèi)容信息。內(nèi)容為：淘寶網(wǎng) - 淘！我喜歡。

這里我們會(huì)看到+?懶惰限定符。title=""([\s\S]+?)"" 這里+?的下一個(gè)字符為"雙引號(hào)，"雙引號(hào)在匹配字符串后面還有三個(gè)。+?懶惰限定符會(huì)盡可能少重復(fù)，所他會(huì)匹配最前面那個(gè)"雙引號(hào)。如果我們不使用+?懶惰限定符他會(huì)匹配到：淘寶網(wǎng) - 淘！我喜歡" target= 會(huì)盡可能多重復(fù)匹配。

3組：是第三個(gè)括號(hào)[(\S+)]所匹配的內(nèi)容信息。內(nèi)容為：淘寶。

說(shuō)明：反義元字符所對(duì)應(yīng)的元字符都能組合匹配任意字符。如:[\w\W],[\s\S],[\d\D]..

(?name>exp) 分組取名

當(dāng)我們匹配分組信息過(guò)多后，在某種場(chǎng)合只需取當(dāng)中某幾組信息。這時(shí)我們可以對(duì)分組取名。通過(guò)分組名稱來(lái)快速提取對(duì)應(yīng)信息。

string Resume = "基本信息姓名:CK|求職意向:.NET軟件工程師|性別:男|學(xué)歷:本專|出生日期:1988-08-08|戶籍:湖北.孝感|E - Mail:9245162@qq.com|手機(jī):15000000000";
RegexStr = @"姓名:(?name>[\S]+)\|\S+性別:(?sex>[\S]{1})\|學(xué)歷:(?xueli>[\S]{1,10})\|出生日期:(?Birth>[\S]{10})\|[\s\S]+手機(jī):(?phone>[\d]{11})";
Match matc = Regex.Match(Resume, RegexStr);
Console.WriteLine("姓名：{0},手機(jī)號(hào)：{1}", matc.Groups["name"].ToString(), matc.Groups["phone"].ToString());

顯示結(jié)果：

通過(guò)(?name>exp)可以很輕易為分組取名。然后通過(guò)Groups["name"]取得分組值。

獲得頁(yè)面中A標(biāo)簽中href值

string PageInfo = @"hteml>
      div id=""div1"">
       a href=""http://www.baidu.con"" target=""_blank"">百度/a>
       a href=""http://www.taobao.con"" target=""_blank"">淘寶/a>
       a href=""http://www.cnblogs.com"" target=""_blank"">博客園/a>
       a href=""http://www.google.con"" target=""_blank"">google/a>
      /div>
      div id=""div2"">
       a href=""/zufang/"">整租/a>
       a href=""/hezu/"">合租/a>
       a href=""/qiuzu/"">求租/a>
       a href=""/ershoufang/"">二手房/a>
       a href=""/shangpucz/"">商鋪出租/a>
      /div>
     /hteml>";
RegexStr = @"a[^>]+href=""(?href>[\S]+?)""[^>]*>(?text>[\S]+?)/a>";
MatchCollection mc = Regex.Matches(PageInfo, RegexStr);
foreach (Match item in mc)
{
 Console.WriteLine("href:{0}--->text:{1}",item.Groups["href"].ToString(),item.Groups["text"].ToString());
}

顯示結(jié)果：

Replace 替換字符串

用戶在輸入信息時(shí)偶爾會(huì)包含一些敏感詞，這時(shí)我們需要替換這個(gè)敏感詞。

string PageInputStr = "靠.TMMD,今天真不爽....";
RegexStr = @"靠|TMMD|媽的";
Regex rep_regex = new Regex(RegexStr);
Console.WriteLine("用戶輸入信息：{0}", PageInputStr);
Console.WriteLine("頁(yè)面顯示信息：{0}", rep_regex.Replace(PageInputStr, "***"));

顯示結(jié)果：

對(duì)一些敏感詞直接替換成***代替。

Split 拆分字符串

string SplitInputStr = "1xxxxx.2ooooo.3eeee.4kkkkkk.";
RegexStr = @"\d";
Regex spl_regex = new Regex(RegexStr);
string[] str = spl_regex.Split(SplitInputStr);
foreach (string item in str)
{
 Console.WriteLine(item);
}

顯示結(jié)果：

根據(jù)數(shù)字截取字符串。

首先，我們先看幾個(gè)實(shí)際的例子： 
1．    驗(yàn)證輸入字符是否
javascript:
var ex = "^\\w+$";
var re = new RegExp(ex,"i");
return re.test(str);

         VBScript

Dim regEx,flag,ex

ex = "^\w+$"

Set regEx = New RegExp

regEx.IgnoreCase = True 

regEx.Global = True 

regEx.Pattern = ex

flag = regEx.Test( str )

              C#

System.String ex = @"^\w+$";

              System.Text.RegularExpressions.Regex reg = new Regex( ex );                           
              bool flag = reg.IsMatch( str );

2．    驗(yàn)證郵件格式

C#

System.String ex = @"^\w+@\w+\.\w+$";

System.Text.RegularExpressions.Regex reg = new Regex( ex );

bool flag = reg.IsMatch( str );

3．    更改日期的格式（用 dd-mm-yy 的日期形式代替 mm/dd/yy 的日期形式）

C#

String MDYToDMY(String input) 

   {

      return Regex.Replace(input, 

         "\\b(?\\d{1,2})/(?\\d{1,2})/(?\\d{2,4})\\b",

         "${day}-${month}-${year}");

   }

4．    從 URL 提取協(xié)議和端口號(hào)

C#

String Extension(String url) 

   {

      Regex r = new Regex(@"^(?\w+)://[^/]+?(?:\d+)?/",

         RegexOptions.Compiled);

      return r.Match(url).Result("${proto}${port}"); 

   }

這里的例子可能是我們?cè)诰W(wǎng)頁(yè)開(kāi)發(fā)中，通常會(huì)碰到的一些正則表達(dá)式，尤其在第一個(gè)例子中，給出了使用javascript,vbScript,C#等不同語(yǔ)言的實(shí)現(xiàn)方式，大家不難看出，對(duì)于不同的語(yǔ)言來(lái)說(shuō)，正則表達(dá)式?jīng)]有區(qū)別，只是正則表達(dá)式的實(shí)現(xiàn)類不同而已。而如何發(fā)揮正則表達(dá)式的公用，也要看實(shí)現(xiàn)類的支持。

（摘自msdn: Microsoft .NET 框架 SDK 提供大量的正則表達(dá)式工具，使您能夠高效地創(chuàng)建、比較和修改字符串，以及迅速地分析大量文本和數(shù)據(jù)以搜索、移除和替換文本模式。ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpconregularexpressionslanguageelements.htm）

下面我們逐個(gè)來(lái)分析這些例子：

1-2，這兩個(gè)例子很簡(jiǎn)單，只是簡(jiǎn)單的驗(yàn)證字符串是否符合正則表達(dá)式規(guī)定的格式，其中使用的語(yǔ)法，在第一篇文章中都已經(jīng)介紹過(guò)了，這里做一下簡(jiǎn)單的描述。

第1個(gè)例子的表達(dá)式：  ^\w+$

^ -- 表示限定匹配開(kāi)始于字符串的開(kāi)始

         \w – 表示匹配英文字符

         + -- 表示匹配字符出現(xiàn)1次或多次

         $ -- 表示匹配字符到字符串結(jié)尾處結(jié)束

         驗(yàn)證形如asgasdfs的字符串

第2個(gè)例子的表達(dá)式：  ^\w+@\w+.\w+$

^ -- 表示限定匹配開(kāi)始于字符串的開(kāi)始

\w – 表示匹配英文字符

+ -- 表示匹配字符出現(xiàn)1次或多次

@ -- 匹配普通字符@

\. – 匹配普通字符.(注意.為特殊字符,因此要加上\轉(zhuǎn)譯)

$ -- 表示匹配字符到字符串結(jié)尾處結(jié)束

驗(yàn)證形如dragontt@sina.com的郵件格式

 

 

     第3 個(gè)例子中，使用了替換，因此，我們還是先來(lái)看看正則表達(dá)式中替換的定義：

（ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpconsubstitutions.htm）

替換
字符
 含義
 
$123
 替換由組號(hào) 123（十進(jìn)制）匹配的最后一個(gè)子字符串。
 
${name}
 替換由 (? ) 組匹配的最后一個(gè)子字符串。
 
$$
 替換單個(gè)“$”字符。
 
$
 替換完全匹配本身的一個(gè)副本。
 
$`
 替換匹配前的輸入字符串的所有文本。
 
$'
 替換匹配后的輸入字符串的所有文本。
 
$+
 替換最后捕獲的組。
 
$_
 替換整個(gè)輸入字符串。
 


分組構(gòu)造
（ms-help://MS.VSCC/MS.MSDNVS.2052/cpgenref/html/cpcongroupingconstructs.htm）

分組構(gòu)造
 定義
 
( )
 捕獲匹配的子字符串（或非捕獲組；有關(guān)更多信息，請(qǐng)參閱正則表達(dá)式選項(xiàng)中的 ExplicitCapture 選項(xiàng)。）使用 () 的捕獲根據(jù)左括號(hào)的順序從 1 開(kāi)始自動(dòng)編號(hào)。捕獲元素編號(hào)為零的第一個(gè)捕獲是由整個(gè)正則表達(dá)式模式匹配的文本。
 
(?name> )
 將匹配的子字符串捕獲到一個(gè)組名稱或編號(hào)名稱中。用于 name 的字符串不能包含任何標(biāo)點(diǎn)符號(hào)，并且不能以數(shù)字開(kāi)頭?？梢允褂脝我?hào)替代尖括號(hào)，例如 (?'name')。
 
(?name1-name2> )
 平衡組定義。刪除先前定義的 name2 組的定義并在 name1 組中存儲(chǔ)先前定義的 name2 組和當(dāng)前組之間的間隔。如果未定義 name2 組，則匹配將回溯。由于刪除 name2 的最后一個(gè)定義會(huì)顯示 name2 的先前定義，因此該構(gòu)造允許將 name2 組的捕獲堆棧用作計(jì)數(shù)器以跟蹤嵌套構(gòu)造（如括號(hào)）。在此構(gòu)造中，name1 是可選的?？梢允褂脝我?hào)替代尖括號(hào)，例如 (?'name1-name2')。
 
(?: )
 非捕獲組。
 
(?imnsx-imnsx: )
 應(yīng)用或禁用子表達(dá)式中指定的選項(xiàng)。例如，(?i-s: ) 將打開(kāi)不區(qū)分大小寫(xiě)并禁用單行模式。有關(guān)更多信息，請(qǐng)參閱正則表達(dá)式選項(xiàng)。
 
(?= )
 零寬度正預(yù)測(cè)先行斷言。僅當(dāng)子表達(dá)式在此位置的右側(cè)匹配時(shí)才繼續(xù)匹配。例如，\w+(?=\d) 與后跟數(shù)字的單詞匹配，而不與該數(shù)字匹配。此構(gòu)造不會(huì)回溯。
 
(?! )
 零寬度負(fù)預(yù)測(cè)先行斷言。僅當(dāng)子表達(dá)式不在此位置的右側(cè)匹配時(shí)才繼續(xù)匹配。例如，\b(?!un)\w+\b 與不以 un 開(kāi)頭的單詞匹配。
 
(?= )
 零寬度正回顧后發(fā)斷言。僅當(dāng)子表達(dá)式在此位置的左側(cè)匹配時(shí)才繼續(xù)匹配。例如，(?=19)99 與跟在 19 后面的 99 的實(shí)例匹配。此構(gòu)造不會(huì)回溯。
 
(?
 零寬度負(fù)回顧后發(fā)斷言。僅當(dāng)子表達(dá)式不在此位置的左側(cè)匹配時(shí)才繼續(xù)匹配。
 
(?> )
 非回溯子表達(dá)式（也稱為貪婪子表達(dá)式）。該子表達(dá)式僅完全匹配一次，然后就不會(huì)逐段參與回溯了。（也就是說(shuō)，該子表達(dá)式僅與可由該子表達(dá)式單獨(dú)匹配的字符串匹配。）
 


 

我們還是先簡(jiǎn)單的了解一下這兩個(gè)概念：

分組構(gòu)造：

最基本的構(gòu)造方式就是(),在左右括號(hào)中括起來(lái)的部分，就是一個(gè)分組；

更進(jìn)一步的分組就是形如：(?name> )的分組方式，這種方式與第一種方式的不同點(diǎn)，就是對(duì)分組的部分進(jìn)行了命名，這樣就可以通過(guò)該組的命名來(lái)獲取信息；

（還有形如(?= )等等的分組構(gòu)造，我們這篇的例子中也沒(méi)有使用到，下次我們?cè)趤?lái)介紹）

替換：

       上面提到了兩種基本的構(gòu)造分組方式()以及(?name> )，通過(guò)這兩種分組方式，我們可以得到形如$1,${name}的匹配結(jié)果。

 

       這樣說(shuō)，可能概念上還是有些模糊，我們還是結(jié)合上面的例子來(lái)說(shuō)：

第三個(gè)例子的正則表達(dá)式為：\\b(?\\d{1,2})/(?\\d{1,2})/(?\\d{2,4})\\b

（解釋一下，為什么這里都是\\一起用：這里是C#的例子，在C#語(yǔ)言中\(zhòng)是轉(zhuǎn)譯字符，要想字符串中的\不轉(zhuǎn)譯，就需要使用\\或者在整個(gè)字符串的開(kāi)始加上@標(biāo)記，即上面等價(jià)與

@”\b(?\d{1,2})/(?\d{1,2})/(?\d{2,4}\b”）

\b --  是一種特殊情況。在正則表達(dá)式中，除了在 [] 字符類中表示退格符以外，\b 表示字邊界（在 \w 和 \W 字符之間）。在替換模式中，\b 始終表示退格符

(?\d{1,2}) – 構(gòu)造一個(gè)名為month的分組，這個(gè)分組匹配一個(gè)長(zhǎng)度為1-2的數(shù)字

/ -- 匹配普通的/字符

(?\d{1,2}) --構(gòu)造一個(gè)名為day的分組，這個(gè)分組匹配一個(gè)長(zhǎng)度為1-2的數(shù)字

/ -- 匹配普通的/字符

(?\d{2,4}\b”） --構(gòu)造一個(gè)名為year的分組，這個(gè)分組匹配一個(gè)長(zhǎng)度為2-4的數(shù)字

 

這里還不能夠看出這些分組的作用，我們接著看這一句

${day}-${month}-${year}

${day} – 獲得上面構(gòu)造的名為day的分組匹配后的信息

- -- 普通的-字符

${month} --獲得上面構(gòu)造的名為month的分組匹配后的信息

- -- 普通的-字符

${year} --獲得上面構(gòu)造的名為year的分組匹配后的信息

 

舉例來(lái)說(shuō)：

將形如04/02/2003的日期使用例3種的方法替換

(?\d{1,2}) 分組將匹配到04由${month}得到這個(gè)匹配值

(?\d{1,2}) 分組將匹配到02由${day}得到這個(gè)匹配值

(?\d{1,2}) 分組將匹配到2003由${year}得到這個(gè)匹配值

了解了這個(gè)例子后，我們?cè)趤?lái)看第4個(gè)例子就很簡(jiǎn)單了。

 

第4個(gè)例子的正則

^(?\w+)://[^/]+?(?:\d+)?/

^ -- 表示限定匹配開(kāi)始于字符串的開(kāi)始

(?\w+) – 構(gòu)造一個(gè)名為proto的分組，匹配一個(gè)或多個(gè)字母

: -- 普通的:字符

// -- 匹配兩個(gè)/字符

[^/] – 表示這里不允許是/字符

+? – 表示指定盡可能少地使用重復(fù)但至少使用一次匹配

(?:\d+) – 構(gòu)造一個(gè)名為port的分組，匹配形如:2134（冒號(hào)+一個(gè)或多個(gè)數(shù)字）

? – 表示匹配字符出現(xiàn)0次或1次

/ -- 匹配/字符

 

最后通過(guò)${proto}${port}來(lái)獲取兩個(gè)分組構(gòu)造的匹配內(nèi)容

（有關(guān)Regex對(duì)象的用法，參考

ms-help://MS.VSCC/MS.MSDNVS.2052/cpref/html/frlrfSystemTextRegularExpressionsRegexMembersTopic.htm）