Regex提供了功能強大、靈活而又高效的方法來處理文本。Regex的全面模式比對標記法可以快速地分析大量的文本以找到特定的字元模式;提取、編輯、替換或刪除文本子字串;或將提取的字串添加到集合以產生報告。對於處理字串(例如 HTML 處理、記錄檔分析和 HTTP 標題分析)的許多應用程式而言,Regex是不可缺少的工具。
.NET 架構Regex併入了其他Regex實現的最常見功能,被設計為與 Perl 5 Regex相容,.NET 架構Regex還包括一些在其他實現中尚未提供的功能,.NET 架構Regex類是基底類別庫的一部分,並且可以和面向公用語言運行庫的任何語言或工具一起使用。
2、字串搜尋
Regex語言由兩種基底字元類型組成:原義(正常)文本字元和元字元。正是元字元組為Regex提供了處理能力。當前,所有的文字編輯器都有一些搜尋功能,通常可以開啟一個對話方塊,在其中的一個文字框中鍵入要定位的字串,如果還要同時進行替換操作,可以鍵入一個替換字串,比如在Windows作業系統中的記事本、Office系列中的文檔編輯器都有這種功能。這種搜尋最簡單的方式,這類問題很容易用String類的String.Replace()方法來解決,但如果需要在文檔中識別某個重複的,該怎麼辦?編寫一個常式,從一個String類中選擇重複的字是比較複雜的,此時使用語言就很適合。
一般運算式語言是一種可以編寫搜尋運算式的語言。在該語言中,可以把文檔中要搜尋的文本、逸出序列和特定含義的其他字元組合在一起,例如序列\b表示一個字的開頭和結尾(子的邊界),如果要表示正在尋找的以字元th開頭的字,就可以編寫一般運算式\bth(即序列字元界是-t-h)。如果要搜尋所有以th結尾的字,就可以編寫th\b(序列t-h-字邊界)。但是,一般運算式要比這複雜得多,例如,可以在搜尋操作中找到儲存部分文本的工具性程式(facility)。
3、.NET 架構的Regex類
下面通過介紹 .NET 架構的Regex類,熟悉一下.NET架構下的Regex的使用方法。
3.1 Regex 類表示唯讀Regex
Regex 類包含各種靜態方法,允許在不顯式執行個體化其他類的對象的情況下使用其他Regex類。以下程式碼範例建立了 Regex 類的執行個體並在初始化對象時定義一個簡單的Regex。請注意,使用了附加的反斜線作為逸出字元,它將 \s 匹配字元類中的反斜線指定為原義字元。
Regex r; // 聲明一個 Regex類的變數
r = new Regex("\\s2000"); // 定義運算式 |
3.2 Match 類表示Regex匹配操作的結果
以下樣本使用 Regex 類的 Match 方法返回 Match 類型的對象,以便找到輸入字串中第一個匹配。此樣本使用 Match 類的 Match.Success 屬性來指示是否已找到匹配。
Regex r = new Regex("abc"); // 定義一個Regex對象執行個體
Match m = r.Match("123abc456"); // 在字串中匹配
if (m.Success)
{
Console.WriteLine("Found match at position " + m.Index); //輸入匹配字元的位置
} |
3.3 MatchCollection 類表示非重疊匹配的序列
該集合為唯讀,並且沒有公用建構函式。MatchCollection 的執行個體是由 Regex.Matches 屬性返回的。使用 Regex 類的 Matches 方法,通過在輸入字串中找到的所有匹配填充 MatchCollection。下面程式碼範例示範了如何將集合複製到一個字串數組(保留每一匹配)和一個整數數組(指示每一匹配的位置)中。
MatchCollection mc;
String[] results = new String[20];
int[] matchposition = new int[20];
Regex r = new Regex("abc"); //定義一個Regex對象執行個體
mc = r.Matches("123abc4abcd");
for (int i = 0; i < mc.Count; i++) //在輸入字串中找到所有匹配
{
results[i] = mc[i].Value; //將匹配的字串添在字串數組中
matchposition[i] = mc[i].Index; //記錄匹配字元的位置
} |
3.4 GroupCollection 類表示捕獲的組的集合
該集合為唯讀,並且沒有公用建構函式。GroupCollection 的執行個體在 Match.Groups 屬性返回的集合中返回。下面的控制台應用程式尋找並輸出由Regex捕獲的組的數目。
using System;
using System.Text.RegularExpressions;
public class RegexTest
{
public static void RunTest()
{
Regex r = new Regex("(a(b))c"); //定義組
Match m = r.Match("abdabc");
Console.WriteLine("Number of groups found = " + m.Groups.Count);
}
public static void Main()
{
RunTest();
}
} |
該樣本產生下面的輸出:
| Number of groups found = 3 |
3.5 CaptureCollection 類表示捕獲的子字串的序列
由於限定符,擷取的群組可以在單個匹配中捕獲多個字串。Captures屬性(CaptureCollection 類的對象)是作為 Match 和 group 類的成員提供的,以便於對捕獲的子字串的集合的訪問。例如,如果使用Regex ((a(b))c)+(其中 + 限定符指定一個或多個匹配)從字串"abcabcabc"中捕獲匹配,則子字串的每一匹配的 Group 的 CaptureCollection 將包含三個成員。
下面的程式使用Regex (Abc)+來尋找字串"XYZAbcAbcAbcXYZAbcAb"中的一個或多個匹配,闡釋了使用 Captures 屬性來返回多組捕獲的子字串。
using System;
using System.Text.RegularExpressions;
public class RegexTest
{
public static void RunTest()
{
int counter;
Match m;
CaptureCollection cc;
GroupCollection gc;
Regex r = new Regex("(Abc)+"); //尋找"Abc"
m = r.Match("XYZAbcAbcAbcXYZAbcAb"); //設定要尋找的字串
gc = m.Groups;
//輸出尋找組的數目
Console.WriteLine("Captured groups = " + gc.Count.ToString());
// Loop through each group.
for (int i=0; i < gc.Count; i++) //尋找每一個組
{
cc = gc[i].Captures;
counter = cc.Count;
Console.WriteLine("Captures count = " + counter.ToString());
for (int ii = 0; ii < counter; ii++)
{
// Print capture and position.
Console.WriteLine(cc[ii] + " Starts at character " +
cc[ii].Index); //輸入捕獲位置
}
}
}
public static void Main() {
RunTest();
}
} |
此例返回下面的輸出結果:
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 |
3.6 Capture 類包含來自單個子運算式捕獲的結果
在 Group 集合中迴圈,從 Group 的每一成員中提取 Capture 集合,並且將變數 posn 和 length 分別分配給找到每一字串的初始字串中的字元位置,以及每一字串的長度。
Regex r;
Match m;
CaptureCollection cc;
int posn, length;
r = new Regex("(abc)*");
m = r.Match("bcabcabc");
for (int i=0; m.Groups[i].Value != ""; i++)
{
cc = m.Groups[i].Captures;
for (int j = 0; j < cc.Count; j++)
{
posn = cc[j].Index; //捕獲對象位置
length = cc[j].Length; //捕獲對象長度
}
} |
把組合字元組合起來後,每次都會返回一個組對象,就可能並不是我們希望的結果。如果希望把組合字元作為搜尋模式的一部分,就會有相當大的系統開銷。對於單個的組,可以用以字元序列"?:"開頭的組禁止這麼做,就像URI範例那樣。而對於所有的組,可以在RegEx.Matches()方法上指定RegExOptions.ExplicitCapture標誌。