.net進階技術（class0515)

標籤：style   blog   http   java   color   使用   

本次課程中講的有的東西都是根據初學者的認知規律進行了調整，並不是嚴謹的，比如很多地方在多AppDomain條件下很多說法就不對了，但是說嚴謹了大家就暈了，因此繼續不嚴謹的講吧。 很多面試題都在這階段的課程中。 .Net進階技術屬於拔高內容，根據自己的基礎決定學習深度。 參考教材： 《C#進階編程》 《C#圖解教程》 《CLR Via C#》

Regex前奏：地獄

需求1：“192.168.10.5[port=8080]”,這個字串表示IP地址為192.168.10.5的伺服器的8080連接埠是開啟的，請用程式解析此字串，然後列印出“IP地址為***的伺服器的***連接埠是開啟的”。

需求2：“192.168.10.5[port=21,type=ftp]”，這個字串表示IP地址為192.168.10.5的伺服器的21連接埠提供的是ftp服務，其中如果“,type=ftp”部分被省略，則預設為http服務。請用程式解析此字串，然後列印出“IP地址為***的伺服器的***連接埠提供的服務為***”

需求3：判斷一個字串是否是Email？必須含有@和.、不能以@或者.開始或者結束、@要在最後一個.之前

需求4：從一個文本中提取出所有的Email：我有全部333M的照片，要的給我發email:[email protected]。我也要[email protected]，[email protected]，樓主好人：[email protected]。 需求5：提取網頁中的所有圖片、超連結。

Regex入門：天堂

Regex是用來進行文本處理的技術，是語言無關的，在幾乎所有語言中都有實現。javascript中還會用到。

一個Regex就是由一般字元以及特殊字元(稱為元字元)組成的文字模式。該模式描述在尋找文字主體時待匹配的一個或多個字串。Regex作為一個模板，將某個字元模式與所搜尋的字串進行匹配。 就像萬用字元“*.jpg”、“%ab%”，它是對字串進行匹配的特殊字元串 Regex是非常複雜的，不要希望一次都掌握，理解Regex能做什麼（字串的匹配、字串的提取、字串的替換），掌握常用的Regex用法，以後用到再查就行。 找工作的亮點。後面項目中的敏感詞過濾、Validator等也會涉及到Regex。

元字元1

要想學會Regex，理解元字元是一個必須攻克的難關。不用刻意記

.：匹配任何單個字元。例如Regex“b.g”能匹配如下字串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。

  [ ] ：匹配括弧中的任何一個字元。例如Regex“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括弧中使用連字號“-”來指定字元的區間來簡化表示，例如Regex[0-9]可以匹配任何數字字元，這樣Regex“a[0-9]c”等價於“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字串；還可以制定多個區間，例如“[A-Za-z]”可以匹配任何大小寫字母，“[A-Za-z0-9]”可以匹配任何的大小寫字母或者數字。

( ) ：將 () 之間括起來的運算式定義為“組”(group)，並且將匹配這個運算式的字元儲存到一個臨時地區,這個元字元在字串提取的時候非常有用。把一些字元表示為一個整體。改變優先順序、定義提取組兩個作用。

| ：將兩個匹配條件進行邏輯“或”運算。‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 則匹配 "zood" 或 "food"。

元字元2

*：匹配0至多個在它之前的子運算式，和萬用字元*沒關係。例如Regex“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味著能夠匹配任一字元串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括弧改變優先順序）。

+ ：匹配前面的子運算式一次或多次，和*對比（0到多次）。例如Regex9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。

? ：匹配前面的子運算式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。一般用來匹配“可選部分”。

{n} ：匹配確定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的兩個“e”。

{n,} :至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配 “seeeeeeeed”中的所有“e”。

{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”將匹配“seeeeeeeed”中的前三個“e”。

元字元3

^（shift+6） ：匹配一行的開始。例如Regex“^regex”能夠匹配字串“regex我會用”的開始，但是不能匹配“我會用regex”。

^另外一種意思：非！（暫時不用理解）

$ ：匹配行結束符。例如Regex“浮雲$” 能夠匹配字串“一切都是浮雲”的末尾，但是不能匹配字串“浮雲呀”

簡寫運算式

注意這些簡寫運算式是不考慮轉義符的，這裡的\就表示字元\，而不是C#字串層級的\，在C#代碼中需要使用@或者\雙重轉義。區分C#層級的轉移和Regex層級的轉移，恰好C#的轉義符和Regex的轉義符都是\而已。Regex的轉移是在C#之後的（層層盤剝）。把C#的轉義符想成%就明白了。在C#看來@"\-"就是\-這個普通的字串，只不過在Regex分析引擎看來他有了特殊含義。"\\d"或者@"\d"

\d：代表一個數字，等同於[0-9]

\D：代表非數字，等同於[^0-9]

\s：代表分行符號、Tab定位字元等空白字元

\S：代表非空白字元

\w：匹配字母或數字或底線或漢字，即能組成單詞的字元

\W：非\w ，等同於[^\w]

d：digital；s：space、w：word。大寫就是“非”

.Net中的Regex1

參考：《C#進階編程》7.3。發元字元解釋PPT

Regex在.Net就是用字串表示，這個字串格式比較特殊，無論多麼特殊，在C#語言看來都是普通的字串，具體什麼含義由Regex類內部進行文法分析。 Regex（Regular Expression）的主要類：Regex

常用的3種情況：（C#文法）

判斷是否匹配：Regex.IsMatch(“字串”,”Regex”);

字串提取：Regex.Match(“字串”,“要提取的字串的Regex”);

字串提取(迴圈提取所有)： Regex.Matches()

字串替換：Regex.Replace(“字串”,”正則”,”替換內容”);

.Net中的Regex2

Regex.IsMatch方法用於判斷一個字串是否匹配Regex。

字串匹配例子：

Regex.IsMatch("bbbbg","^b.*g$");

Regex.IsMatch("bg", "^b.*g$");

Regex.IsMatch("gege", "^b.*g$");

一定不能忘了^和$，否則也能匹配yesbagit

字串匹配案例1

練習1：判斷是否是合法的郵遞區號（6位元字）

Regex.IsMatch("100830","^[0-9]{6}$")

Regex.IsMatch("119", @"^\d{6}$");

解釋：由元字元定義得知“[0-9]”表示0到9的任一字元，“{6}”表示前面的字元匹配6此，因此“[0-9]{6}”中的{6}表示對數字匹配6次。簡寫運算式得知“[0-9]”可以被“\d”代替，所以第二種寫法“\d{6}”也是正確的。

字串匹配案例2

判斷一個字串是不是社會安全號碼碼，即是否是15或18位元字。

錯誤寫法：Regex.IsMatch(“123456789123456789”, @“^\d{15}|\d{18}$”)，表示15位元字開頭或者18位元字結尾.//匹配“以15位元字開始”或者“以18位元字結束”（ | 的優先順序最低，最後執行）

正確寫法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$"

字串匹配案例3

判斷字串是否為正確的國內電話號碼，不考慮分機。

010-8888888或010-88888880或010xxxxxxx

0335-8888888或0335-88888888（區號-電話號）

10086、10010、95595、95599、95588（5位）

13888888888（11位都是數字）

Regex.IsMatch(phoneNumber, @“^((\d{3,4}\-?\d{7,8})|(\d{5})|(\d{11}))$");

按照要求一個一個寫，都用|連起來。注意：由於區號有時為010-xxxxxxx有時為010xxxxxxx，-可有可無，所以需要?,由於-表示一個區間，所以這裡要轉義\-。最後不要忘記在所有|的最外層加一對()

while (true)            {                string phoneNumber = Console.ReadLine();                bool b = Regex.IsMatch(phoneNumber, @"^((\d{3,4}\-\d{7,8})|(\d{5})|(\d{11}))$");                Console.WriteLine(b);            }

字串匹配案例4

判斷一個字串是否是合法的Email地址。一個Email地址的特徵就是以一個字元序列開始，後邊跟著“@”符號，後邊又是一個字元序列，後邊跟著符號“.”，最後是字元序列 Regex.IsMatch("[email protected]", @"^\[email protected]\w+\.\w+$");

[]括弧中的任一字元，\w字母、數字、底線，+一到多個。由於.在Regex中有特殊的含義，因此對於真正想表達“.”則需要轉移“\.”。

Email:^(([a-zA-Z0-9_\-\.]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5}){1,25})+([;.](([a-zA-Z0-9_\-\.]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5}){1,25})+)*$

字串匹配練習

1、匹配IP地址，4段用.分割的最多三位元字。 192.168.54.77、333.333.333.333假設都是正確的。

2、判斷是否是合法的日期格式“2008-08-08”。四位元字-兩位元字-兩位元字。

3、判斷是否是合法的url地址，http://www.test.com/a.htm、ftp://127.0.0.1/1.txt。字串序列://字串序列。@"^\w+://.+$"。//簡化的識別，項目中你搜“w3c URL Regex”。.+而不是\w，否則"?id=1"中的?就不能匹配了。 http://www.test.com/a.aspx?id=1

元字元中的字元，如果想直接匹配的話都需要轉移: \. \+ \? \+ \- \* ……….

=================================================

取巧的辦法：從ASP.Net的RegularExpressionValidator中抄常用的Regex，工作中一般是從網上找現成的。或者去http://www.regexlib.com/ 搜尋。

IP地址Regex：^(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])$ URL匹配：^(http|https|ftp)\://([a-zA-Z0-9\.\-]+(\:[a-zA-Z0-9\.&%\$\-]+)*@)*((25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])|localhost|([a-zA-Z0-9\-]+\.)*[a-zA-Z0-9\-]+\.(com|edu|gov|int|mil|net|org|biz|arpa|info|name|pro|aero|coop|museum|[a-zA-Z]{2}))(\:[0-9]+)*(/($|[a-zA-Z0-9\.\,\?\‘\\\+&%\$#\=~_\-]+))*$ (0[1-9])|(1[012])匹配月份

字串提取-提取所有“超連結”

MatchCollection matches = Regex.Matches(str, "<a href=\".*?\">.*?</a>");            foreach (Match item in matches)            {                if (item.Success)                {                    Console.WriteLine(item.Value);                }            }@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符無法匹配。使用\s.不匹配斷行符號、換行等空白字元。Regex.Match()只能匹配第一個，怎麼辦？match的Success屬性工作表示是否匹配成功；提取文檔中所有匹配該Regex的字串。介紹貪婪模式。test1.htm@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符無法匹配。使用\s//提取字串的時候不需要用^$

string str = "<a href=\"www.baidu.com\">baidu</a>fdsfdsfdsfdfd<a href=\"www.google.com\">google</a>亂七八糟什麼都有ffdsf<a href=\"www.163.com\">163</a>s輔導書frewrewre<a href=\"www.sohu.com\">sohu</a><h1>這個是測試！！</h1><a href=\"www.sina.com.cn\">sina</a>sfdsfdss";@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符無法匹配。使用\s

貪婪模式與非貪婪模式

從文本提取出名字：

Match match = Regex.Match("大家好。我是S.H.E。我22歲了。我病了，嗚嗚。", "我是(.+)。");//沒有加^$。

看結果。+、*、{n}、{n,}、{n,m}的匹配預設是貪婪(greedy)的：儘可能多的匹配，直到“再貪婪一點兒”其後的匹配模式就沒法匹配為止。

在+、*後添加?就變成非貪婪模式（? 的另外一個用途）：讓其後的匹配模式儘早的匹配。修改成"我是(.+?)。"

一般開發的時候不用刻意去修飾為非貪婪模式，只有遇到bug的時候發現是貪婪模式的問題再去解決。

提取網頁中的所有url提取網頁中的所有http://.....沒有在<a ></a>標籤中的也要提取 MatchCollection matches = Regex.Matches(htmltxt, @"http://[a-zA-z0-9\-_\?&=\.]+");            foreach (Match match in matches)            {                Console.WriteLine(match.Value);            }