asp.net c# 學用的Regex

asp教程.net c# 學用的Regex
一、組的分類
正則中的組有擷取的群組和非擷取的群組，而擷取的群組又分為普通的擷取的群組和命名擷取的群組，分別為
擷取的群組：(exp)   
命名擷取的群組：(? <name> exp)   
非擷取的群組：(?:exp) 
 
二、組的作用
1、擷取的群組的作用
 
擷取的群組的作用是將Regexexp匹配到的內容儲存到組裡，供以後使用
 
比如這樣一個字串：
<a href="http://anmo./" title="床上等你"> csdn </a>
我想得到網址，而它符合的規則是在 <a...> 標籤內，那就可以這樣做

c# code
string test = "<a href="http://anmo./" title="床上等你">csdn</a>";
match m = regex.match(test, @"<as*href=""([^""]*)""[^>]*>", regexoptions.ignorecase);
if (m.success)
    messagebox.show(m.groups教程[1].value);

上面的Regex匹配到了 <a href="http://anmo./" title="床上等你"> ，而我們想得到網址，運算式其它部分只是為了保證取到的網址是在 <a...> 標籤內的，所以這裡用到的擷取的群組，把匹配到的網址儲存到擷取的群組裡，然後用m.groups[1].value得到這個擷取的群組所匹配到的內容
m.groups[1].value是一種對捕獲的引用方式，還有另外一種引用方式m.result("$1")，效果是一樣的
 
普通擷取的群組是用1,2,3...這樣的自然數對擷取的群組進行引用的
而命名擷取的群組可以不用去數擷取的群組的序號，直接通過擷取的群組的命稱對它進行引用
 

c# code
string test = "<a href="http://anmo./" title="床上等你">csdn</a>";
match m = regex.match(test, @"<as*href=""(?<url>[^""]*)""[^>]*>", regexoptions.ignorecase);
if (m.success)
    messagebox.show(m.groups["url"].value);

 
至於擷取的群組的分組命名及序號定序，在後面說明
 
2、非擷取的群組的作用
非擷取的群組的作用有兩個，第一個比較常用，第二個瞭解一下即可
 
(1)、節省系統資源，提高效率
在使用“ ¦”表示“或”的關係時，稍微複雜的情況，需要用()來限制“ ¦”的作用範圍，否則即表示“ ¦”的左右兩側整體為“或”的關係，這是題外話，這裡不詳細說明了，還有用{num}來運算式匹配次數時，有時前面也要用到()限制作用範圍
而使用()來限制作用範圍的同時，預設情況下會把匹配到的結果儲存到一個擷取的群組裡，而大多數時候，我們是不需要儲存這部分內容的，這就帶來一定的副作用，浪費了系統資源，降低了效率
非擷取的群組的一個作用就是用來消除這種副作用的，(?:exp)用來匹配exp所表示的規則，但不將匹配結果儲存到擷取的群組裡
 
比如匹配hh:mm:ss這樣的時間

c# code
messagebox.show(regex.ismatch("18:23:55", "^(?:[01][0-9]|2[0-3])(?::[0-5][0-9]){2}$").tostring());

(?:[01][0-9] ¦2[0-3])驗證小時部分是否符合規則，但不會將匹配結果儲存到擷取的群組裡
(?::[0-5][0-9]){2}驗證了分秒部分，但不會將匹配結果儲存到擷取的群組裡
 
(2)、在使用regex.split方法時，起到與regexoptions .explicitcapture參數相同的作用，這個用得不多，瞭解一下就行了
 
三、擷取的群組分組命名及序號排序
普通擷取的群組是按“(”從左至右出現的先後順序以自然數1,2,3...進行命名的
命名擷取的群組就是以(? <name> exp)中的name進行命名的
 
但是要注意一點，在運算式匹配成功的前提下，$0在任何情況下都表示整個運算式所匹配到的內容，m.groups[0].value表示整個運算式匹配到的內容，可以簡寫為m.value
 
另外就是命名擷取的群組除了可以用name對它進行引用外，還可以通過序號對它引用，它的命名規則為：先對普通擷取的群組從左至右進行序號命名，然後再從開頭，從左至右對命名擷取的群組進行序號命名，舉例如下
 
<as*href="(? <url> [^"]*)"s*title="([^"]*)"[^> ]*> (? <text> [ss]*?) </a>
             2   url                  1               3    text
 

c# code
string test = "<a href="http://anmo./" title="床上等你">csdn</a>";
match m = regex.match(test, @"<as*href=""(?<url>[^""]*)""s*title=""([^""]*)""[^>]*>(?<text>[ss]*?)</a>", regexoptions.ignorecase);
if (m.success)
{
    richtextbox1.text += m.groups[0].value + "n";       //<a href="http://anmo./" title="床上等你">csdn</a>
    richtextbox1.text += m.groups[1].value + "n";       //床上等你
    richtextbox1.text += m.groups[2].value + "n";       //http://anmo.
    richtextbox1.text += m.groups["url"].value + "n";   //http://anmo.
    richtextbox1.text += m.groups[3].value + "n";       //csdn
    richtextbox1.text += m.groups["text"].value + "n";  //csdn
}

 
四、組的另一種引用方式
除了上面 m.groups[1].value 和 m.result("$1") 這兩種對結果集進行處理時的引用方式外，還有在替換時的一種引用方式，舉例如下
 
只保留網址和連結文字，去掉 <a...> 標籤中其它無用資訊

c# code
string test = "<a href="http://anmo./" title="床上等你">csdn</a>";
string result = regex.replace(test, @"<as*href=""([^""]*)""s*title=""([^""]*)""[^>]*>(?<text>[ss]*?)</a>", @"<a href=""$1"">${text}</a>", regexoptions.ignorecase);
messagebox.show(result);

 
普通擷取的群組就是用$number來引用，而命名捕獲是用${name}來引用

預搜尋
(?=exp)      
(?!exp)      
(? <=exp)     
(? <!exp)    
 
下面的說明很容易讓人頭暈，不看也罷，我將以另一種方式對它們的作用和用法進行說明
(?=exp)   匹配exp前面的位置   
(?  <=exp)   匹配exp後面的位置   
(?!exp)   匹配後面跟的不是exp的位置   
(?  <!exp)   匹配前面不是exp的位置   
 
有的資料上翻譯為零寬度斷言，我習慣於預搜尋這種叫法，前兩個為正向預搜尋，後兩個為反向預搜尋，當然還有其它翻譯，其實都是一個意思，知道就行，不必在意
 
這四種運算式，它們與非捕獲的相同之處在於，並不將匹配到的結果儲存到擷取的群組，不同之處在於，非擷取的群組匹配到的內容，雖然不儲存到擷取的群組，但卻是在結果$0實實在在存在的，而以上四種運算式所匹配到的內容，一般來說，是不存在$0內的，所以說它們匹配的結果是零寬度的
 
更好的理解方式，是把它們作為附加條件，而不是Regex的組成部分
 
為了更好的說明，先說一下“縫隙”的概念，“縫隙”是零寬度的，它只是字串中的一個位置，而不是實際的字元，如字串“ab”，在“a”前面，“a”和“b”中間，還有“b”後面，分別有一個“縫隙”，也就是整個字串有三個“縫隙”
 
(?=exp)    在所在“縫隙”的後面附加一個條件，也就是“縫隙”後面必須能夠匹配exp的內容  
(?!exp)    在所在“縫隙”的後面附加一個條件，也就是“縫隙”後面必須不能夠匹配exp的內容  
(? <=exp)   在所在“縫隙”的前面附加一個條件，也就是“縫隙”前面必須能夠匹配exp的內容  
(? <!exp)   在所在“縫隙”的前面附加一個條件，也就是“縫隙”前面必須不能夠匹配exp的內容 
 
舉例說明如下：
<[^> ]*> 運算式任意html標籤

附加一個條件
<(?!img)[^> ]*>
這個就表示除 <img...> 標籤外的所有標籤，看下實際例子

c# code
string test = "<p><a href="http://anmo./" title="床上等你"><img src="yun_qi_img/logo.jpg/%22%3ecsdn%3c/a%3e%3c/p>";
matchcollection mc = regex.matches(test, @"<(?!img)[^>]*>", regexoptions .ignorecase);
foreach(match m in mc)
{
    richtextbox1.text += m.value + "n";
}

輸出結果為：
<p>
<a href="http://www.111cn.net/" >
</a>
</p>

這時再看一下 <(?!img)[^> ]*> 這個Regex
(?!img)所在的“縫隙”是“ <”和它後面的第一個字元之間的“縫隙”，它表示的意思就是，在這個“縫隙”的後面，不能是img，整個運算式的意思也就是不匹配 <img...> 標籤

同理， <(?=img)[^> ]*> 表示只匹配 <img...> 標籤