C#資料結構和演算法學習系列十—-Regex

      所謂Regex是一種用於描述字串中字元格式設定的語言，它提供了對應於重複字元、替換符符以及分組字元的描述符。Regex既可以用來執行字串的搜尋，也可以用於字串的替換。Regex本身就是一個定義了用於其他字串搜尋模式的字串。通常情況下，Regex中的字元與其自身匹配，因此Regex“the”可以與字串中任意位置找到的同樣字元序列相匹配。Regex還可以包含稱之為元字元的特殊字元。元字元用於表示重複、替換或者分組。

1.Regex使用。為了使用Regex， 需要把RegEx 類引入程式。大家可以在System.Text.RegularExpression 名字域中找到這種類。一旦把這種類匯入了程式，就需要決定想要用RegEx 類來做什麼事情了。如果想要進行匹配，就需要使用Match 類。如果打算做替換，則不需要Match 類了。取而代之的是要用到RegEx 類的Replace 方法。
首先來看看如何在字串中進行單詞匹配操作吧。假設給定一個範例字串“the quick brown fox jumped over the lazy dog”，這裡想要在字串中找到單詞“the”。如下：

using System;using System.Text.RegularExpressions;class chapter10{    static void Main()    {        Regex reg = nNew Regex(" the");        string str1 = "the quick brown fox jumped over the lazy dog";        Match matchSet;        int matchPos;        matchSet = reg.Match(str1);        if (matchSet.Success)        {            matchPos = matchSet.Index;            Console.WriteLine("found match at position:" + matchPos);        }    }}

if 語句使用了一種Match 類的屬性Success 來確定是否是成功匹配。如果值返回為True，那麼Regex在字串中至少匹配了一條子串。否則的話，儲存在Success 中的值就是False。程式還可以有另外一種方法來查看是否匹配成功。通過把Regex和目標字串傳遞給IsMatch 方法的方式可以對Regex進行預測試。如果與Regex產生了匹配，那麼這種方法就返回True，否則返回False。如下：

if (Regex.IsMatch(str1, "the")){    Match aMatch;    aMatch = reg.Match(str1);}

用Match
類的一個問題就是它只能儲存一個匹配。在前面的執行個體中，針對子串“the”存在兩個匹配。這裡可以使用另外一種類Matches 類來儲存與Regex的多個匹配。為了處理所有找到的匹配可以把匹配儲存到MatchCollection 對象中。如下：

using System;using System.Text.RegularExpressions;class chapter10{    static void Main()    {        Regex reg = new Regex(" the");        string str1 = "the quick brown fox jumped over the lazy dog";        MatchCollection matchSet;        matchSet = reg.Matches(str1);        if (matchSet.Count > 0)            foreach (Match aMatch in matchSet)                Console.WriteLine("found a match at: " + aMatch.Index);        Console.Read();    }}

接下來要討論如何用Replace 方法把一個字串用另一個字串來替換。Replace 方法可以作為一種帶有三個參數的類方法來進行調用：一個目標字串，要替換的子串，以及用作替換的子串。如下：

string s = "the quick brown fox jumped over the brown dog";s = Regex.Replace(s, "brown", "black");

2.數量詞的用法 。在編寫Regex的時候，經常會要想Regex添加數量型資料，諸如“精確匹配兩次”或者“匹配一次或多次”。利用數量詞就可以把這些資料填加到Regex裡面了。

(1).+這個數量詞說明Regex應該匹配一個或多個緊接的字元。

(2).*這個數量詞說明Regex應該匹配零個或多個緊接的字元。

(3).？這個數量詞說明Regex應該匹配零次或一次的數量詞。

(4).{n}這個數量詞說明Regex應該匹配一個有限數量，n是要找到的匹配數量。

(5).{n,m這個數量詞說明Regex應該匹配的最大值和最小值，n 表示匹配的最小值而m 則表示最大值。

簡單一實例如下：

using System;using System.Text.RegularExpressions;class chapter10{    static void Main()    {        string[] words = new string[] {" bad", "boy", "baad","baaad", "bear", "bend"};        foreach (string word in words)            if (Regex.IsMatch(word, "ba{2} d"))                Console.WriteLine(word);    }}

 3.字元類的使用。字元類可以用多組字元構成。如果想要既匹配小寫字母也匹配大寫字母，那麼可以把Regex寫成這樣：“[A-Za-z]”。當然，如果需要包括全部十個數字，也可以編寫像[0-9]這樣由數字組成的字元類。此外，通過在字元類前面放置一個脫字元號（^）的方法人們還可以建立字元類的反或者字元類的否定。例如，如果有字元類[aeiou]來表示母音類，那麼就可以編寫[^aeiou]來表示輔音或非母音。如果把這三個字元類合并，就可以形成Regex用法中所謂的單詞。Regex就像這個樣子：[A-Za-z0-9]。這裡還有一個可以用來表示同樣類的較短小的字元類：\w。\W
用來表示\w 的反，也或者用來表示非單詞字元（比如標點符號）。此外，還可以把數字字元類（[0-9]）寫成\d（注意由於在C#語言中反斜杆後跟著其他字元很可能是逸出序列，所以諸如\d 這樣的代碼在C#語言中都以\\d 形式來說明Regex而非轉義代碼）。而非數字字元類（[^0-9]）則可以寫成\D
這樣。最後，因為空白格符在文本處理中扮演著非常重要的角色，所以把\s 用來表示空白字元，而把\S 用來表示非空白字元。

 

總結：Regex在大多數情況下可以快速的實現尋找和替換，不過要對他們的運用做到很熟悉的話，主要是一個日積月累的過程，用得多了，自然就得心應手了。