C# Regex整理備忘

有一段時間，Regex學習很火熱很潮流，當時在CSDN一天就能看到好幾個Regex的文章，那段時間藉助論壇以及Wrox Press出版的《C#字串和Regex參考手冊》學習了一些基礎的知識，同時也為我在CSDN大概賺了1000分，今天想起來，去找《C#字串和Regex參考手冊》時，已經不知所蹤了。現在用到正則的時候也比較少，把以前的筆記等整理一下，以志不忘。

（1）“@”符號
符下兩ows表研究室的火熱，當晨在“@”雖然並非C#Regex的“成員”，但是它經常與C#Regex出雙入對。“@”表示，跟在它後面的字串是個“逐字字串”，不是很好理解，舉個例子，以下兩個聲明是等效的：
string x="D:\\My Huang\\My Doc";
string y = @"D:\My Huang\My Doc";
事實上，如果按如下聲明，C#將會報錯，因為“\”在C#中用於實現轉義，如“\n”換行：
string x = "D:\My Huang\My Doc";

（2）基本的文法字元。
\d  0-9的數字
\D  \d的補集（以所以字元為全集，下同），即所有非數位字元
\w  單詞字元，指大小寫字母、0-9的數字、底線
\W  \w的補集
\s  空白字元，包括分行符號\n、斷行符號符\r、定位字元\t、垂直定位字元\v、換頁符\f
\S  \s的補集
.  除分行符號\n外的任一字元
[…]  匹配[]內所列出的所有字元
[^…]  匹配非[]內所列出的字元
下面提供一些簡單的樣本：

Code
string i = "\n";
string m = "3";
Regex r = new Regex(@"\D");
//同Regex r = new Regex("\\D");
//r.IsMatch(i)結果：true
//r.IsMatch(m)結果：false

string i = "%";
string m = "3";
Regex r = new Regex("[a-z0-9]");
//匹配小寫字母或數字字元
//r.IsMatch(i)結果：false
//r.IsMatch(m)結果：true

（3）定位字元
“定位字元”所代表的是一個虛的字元，它代表一個位置，你也可以直觀地認為“定位字元”所代表的是某個字元與字元間的那個微小間隙。
^  表示其後的字元必須位於字串的開始處
$  表示其前面的字元必須位於字串的結束處
\b  匹配一個單詞的邊界
\B  匹配一個非單詞的邊界
另外，還包括：\A  前面的字元必須位於字元處的開始處，\z  前面的字元必須位於字串的結束處，\Z  前面的字元必須位於字串的結束處，或者位於分行符號前
下面提供一些簡單的樣本：

Code
string i = "Live for nothing,die for something";
Regex r1 = new Regex("^Live for nothing,die for something$");
//r1.IsMatch(i) true
Regex r2 = new Regex("^Live for nothing,die for some$");
//r2.IsMatch(i) false
Regex r3 = new Regex("^Live for nothing,die for some");
//r3.IsMatch(i) true

string i = @"Live for nothing,
die for something";//多行
Regex r1 = new Regex("^Live for nothing,die for something$");
Console.WriteLine("r1 match count:" + r1.Matches(i).Count);//0
Regex r2 = new Regex("^Live for nothing,die for something$", RegexOptions.Multiline);
Console.WriteLine("r2 match count:" + r2.Matches(i).Count);//0
Regex r3 = new Regex("^Live for nothing,\r\ndie for something$");
Console.WriteLine("r3 match count:" + r3.Matches(i).Count);//1
Regex r4 = new Regex("^Live for nothing,$");
Console.WriteLine("r4 match count:" + r4.Matches(i).Count);//0
Regex r5 = new Regex("^Live for nothing,$", RegexOptions.Multiline);
Console.WriteLine("r5 match count:" + r5.Matches(i).Count);//0
Regex r6 = new Regex("^Live for nothing,\r\n$");
Console.WriteLine("r6 match count:" + r6.Matches(i).Count);//0
Regex r7 = new Regex("^Live for nothing,\r\n$", RegexOptions.Multiline);
Console.WriteLine("r7 match count:" + r7.Matches(i).Count);//0
Regex r8 = new Regex("^Live for nothing,\r$");
Console.WriteLine("r8 match count:" + r8.Matches(i).Count);//0
Regex r9 = new Regex("^Live for nothing,\r$", RegexOptions.Multiline);
Console.WriteLine("r9 match count:" + r9.Matches(i).Count);//1
Regex r10 = new Regex("^die for something$");
Console.WriteLine("r10 match count:" + r10.Matches(i).Count);//0
Regex r11 = new Regex("^die for something$", RegexOptions.Multiline);
Console.WriteLine("r11 match count:" + r11.Matches(i).Count);//1
Regex r12 = new Regex("^");
Console.WriteLine("r12 match count:" + r12.Matches(i).Count);//1
Regex r13 = new Regex("$");
Console.WriteLine("r13 match count:" + r13.Matches(i).Count);//1
Regex r14 = new Regex("^", RegexOptions.Multiline);
Console.WriteLine("r14 match count:" + r14.Matches(i).Count);//2
Regex r15 = new Regex("$", RegexOptions.Multiline);
Console.WriteLine("r15 match count:" + r15.Matches(i).Count);//2
Regex r16 = new Regex("^Live for nothing,\r$\n^die for something$", RegexOptions.Multiline);
Console.WriteLine("r16 match count:" + r16.Matches(i).Count);//1
//對於一個多行字串，在設定了Multiline選項之後，^和$將出現多次匹配。

string i = "Live for nothing,die for something";
string m = "Live for nothing,die for some thing";
Regex r1 = new Regex(@"\bthing\b");
Console.WriteLine("r1 match count:" + r1.Matches(i).Count);//0
Regex r2 = new Regex(@"thing\b");
Console.WriteLine("r2 match count:" + r2.Matches(i).Count);//2
Regex r3 = new Regex(@"\bthing\b");
Console.WriteLine("r3 match count:" + r3.Matches(m).Count);//1
Regex r4 = new Regex(@"\bfor something\b");
Console.WriteLine("r4 match count:" + r4.Matches(i).Count);//1
//\b通常用於約束一個完整的單詞

 （4）重複描述字元
“重複描述字元”是體現C#Regex“很好很強大”的地方之一：
{n}  匹配前面的字元n次
{n,}  匹配前面的字元n次或多於n次
{n,m}  匹配前面的字元n到m次
?  匹配前面的字元0或1次
+  匹配前面的字元1次或多於1次
*  匹配前面的字元0次或式於0次
以下提供一些簡單的樣本：

Code
string x = "1024";
string y = "+1024";
string z = "1,024";
string a = "1";
string b="-1024";
string c = "10000";
Regex r = new Regex(@"^\+?[1-9],?\d{3}$");
Console.WriteLine("x match count:" + r.Matches(x).Count);//1
Console.WriteLine("y match count:" + r.Matches(y).Count);//1
Console.WriteLine("z match count:" + r.Matches(z).Count);//1
Console.WriteLine("a match count:" + r.Matches(a).Count);//0
Console.WriteLine("b match count:" + r.Matches(b).Count);//0
Console.WriteLine("c match count:" + r.Matches(c).Count);//0
//匹配1000到9999的整數。

 （5）擇一匹配
C#Regex中的 (|) 符號似乎沒有一個專門的稱謂，姑且稱之為“擇一匹配”吧。事實上，像[a-z]也是一種擇一匹配，只不過它只能匹配單個字元，而(|)則提供了更大的範圍，(ab|xy)表示匹配ab或匹配xy。注意“|”與“()”在此是一個整體。下面提供一些簡單的樣本：

Code
string x = "0";
string y = "0.23";
string z = "100";
string a = "100.01";
string b = "9.9";
string c = "99.9";
string d = "99.";
string e = "00.1";
Regex r = new Regex(@"^\+?((100(.0+)*)|([1-9]?[0-9])(\.\d+)*)$");
Console.WriteLine("x match count:" + r.Matches(x).Count);//1
Console.WriteLine("y match count:" + r.Matches(y).Count);//1
Console.WriteLine("z match count:" + r.Matches(z).Count);//1
Console.WriteLine("a match count:" + r.Matches(a).Count);//0
Console.WriteLine("b match count:" + r.Matches(b).Count);//1
Console.WriteLine("c match count:" + r.Matches(c).Count);//1
Console.WriteLine("d match count:" + r.Matches(d).Count);//0
Console.WriteLine("e match count:" + r.Matches(e).Count);//0
//匹配0到100的數。最外層的括弧內包含兩部分“(100(.0+)*)”，“([1-9]?[0-9])(\.\d+)*”，這兩部分是“OR”的關係，即Regex引擎會先嘗試匹配100，如果失敗，則嘗試匹配後一個運算式（表示[0,100)範圍中的數字）。

（6）特殊字元的匹配
下面提供一些簡單的樣本：

Code
string x = "\\";
Regex r1 = new Regex("^\\\\$");
Console.WriteLine("r1 match count:" + r1.Matches(x).Count);//1
Regex r2 = new Regex(@"^\\$");
Console.WriteLine("r2 match count:" + r2.Matches(x).Count);//1
Regex r3 = new Regex("^\\$");
Console.WriteLine("r3 match count:" + r3.Matches(x).Count);//0
//匹配“\”

string x = "\"";
Regex r1 = new Regex("^\"$");
Console.WriteLine("r1 match count:" + r1.Matches(x).Count);//1
Regex r2 = new Regex(@"^""$");
Console.WriteLine("r2 match count:" + r2.Matches(x).Count);//1
//匹配雙引號

 （7）組與非擷取的群組
以下提供一些簡單的樣本：

Code
string x = "Live for nothing,die for something";
string y = "Live for nothing,die for somebody";
Regex r = new Regex(@"^Live ([a-z]{3}) no([a-z]{5}),die \1 some\2$");
Console.WriteLine("x match count:" + r.Matches(x).Count);//1
Console.WriteLine("y match count:" + r.Matches(y).Count);//0
//Regex引擎會記憶“()”中匹配到的內容，作為一個“組”，並且可以通過索引的方式進行引用。運算式中的“\1”，用於反向參考資料表達式中出現的第一個組，即粗體標識的第一個括弧內容，“\2”則依此類推。

string x = "Live for nothing,die for something";
Regex r = new Regex(@"^Live for no([a-z]{5}),die for some\1$");
if (r.IsMatch(x))
{
    Console.WriteLine("group1 value:" + r.Match(x).Groups[1].Value);//輸出：thing
}
//擷取組中的內容。注意，此處是Groups[1]，因為Groups[0]是整個匹配的字串，即整個變數x的內容。

string x = "Live for nothing,die for something";
Regex r = new Regex(@"^Live for no(?<g1>[a-z]{5}),die for some\1$");
if (r.IsMatch(x))
{
    Console.WriteLine("group1 value:" + r.Match(x).Groups["g1"].Value);//輸出：thing
}
//可根據組名進行索引。使用以下格式為標識一個組的名稱(?<groupname>…)。

string x = "Live for nothing nothing";
Regex r = new Regex(@"([a-z]+) \1");
if (r.IsMatch(x))
{
    x = r.Replace(x, "$1");
    Console.WriteLine("var x:" + x);//輸出：Live for nothing
}
//刪除原字串中重複出現的“nothing”。在運算式之外，使用“$1”來引用第一個組，下面則是通過組名來引用：
string x = "Live for nothing nothing";
Regex r = new Regex(@"(?<g1>[a-z]+) \1");
if (r.IsMatch(x))
{
    x = r.Replace(x, "${g1}");
    Console.WriteLine("var x:" + x);//輸出：Live for nothing
}

string x = "Live for nothing";
Regex r = new Regex(@"^Live for no(?:[a-z]{5})$");
if (r.IsMatch(x))
{
    Console.WriteLine("group1 value:" + r.Match(x).Groups[1].Value);//輸出：(空)
}
//在組前加上“?:”表示這是個“非擷取的群組”，即引擎將不儲存該組的內容。

 （8）貪婪與非貪婪
Regex的引擎是貪婪，只要模式允許，它將匹配儘可能多的字元。通過在“重複描述字元”（*,+）後面添加“?”，可以將匹配模式改成非貪婪。請看以下樣本：

Code
string x = "Live for nothing,die for something";
Regex r1 = new Regex(@".*thing");
if (r1.IsMatch(x))
{
    Console.WriteLine("match:" + r1.Match(x).Value);//輸出：Live for nothing,die for something
}
Regex r2 = new Regex(@".*?thing");
if (r2.IsMatch(x))
{
    Console.WriteLine("match:" + r2.Match(x).Value);//輸出：Live for nothing
}

（9）回溯與非回溯
使用“(?>…)”方式進行非回溯聲明。由於Regex引擎的貪婪特性，導致它在某些情況下，將進行回溯以獲得匹配，請看下面的樣本：

Code
string x = "Live for nothing,die for something";
Regex r1 = new Regex(@".*thing,");
if (r1.IsMatch(x))
{
    Console.WriteLine("match:" + r1.Match(x).Value);//輸出：Live for nothing,
}
Regex r2 = new Regex(@"(?>.*)thing,");
if (r2.IsMatch(x))//不匹配
{
    Console.WriteLine("match:" + r2.Match(x).Value);
}
//在r1中，“.*”由於其貪婪特性，將一直匹配到字串的最後，隨後匹配“thing”，但在匹配“,”時失敗，此時引擎將回溯，並在“thing,”處匹配成功。
在r2中，由於強制非回溯，所以整個運算式匹配失敗。

（10）正向預搜尋、反向預搜尋
正向預搜尋聲明格式：正聲明 “(?=…)”，負聲明 “(?!...)” ，聲明本身不作為最終匹配結果的一部分，請看下面的樣本：

Code
string x = "1024 used 2048 free";
Regex r1 = new Regex(@"\d{4}(?= used)");
if (r1.Matches(x).Count==1)
{
    Console.WriteLine("r1 match:" + r1.Match(x).Value);//輸出：1024
}
Regex r2 = new Regex(@"\d{4}(?! used)");
if (r2.Matches(x).Count==1)
{
    Console.WriteLine("r2 match:" + r2.Match(x).Value); //輸出：2048
}
//r1中的正聲明表示必須保證在四位元字的後面必須緊跟著“ used”，r2中的負聲明表示四位元字之後不能跟有“ used”。

反向預搜尋聲明格式：正聲明“(?<=)”，負聲明“(?<!)”，聲明本身不作為最終匹配結果的一部分，請看下面的樣本：

Code
string x = "used:1024 free:2048";
Regex r1 = new Regex(@"(?<=used:)\d{4}");
if (r1.Matches(x).Count==1)
{
    Console.WriteLine("r1 match:" + r1.Match(x).Value);//輸出：1024
}
Regex r2 = new Regex(@"(?<!used:)\d{4}");
if (r2.Matches(x).Count==1)
{
    Console.WriteLine("r2 match:" + r2.Match(x).Value);//輸出：2048
}
//r1中的反向正聲明表示在4位元字之前必須緊跟著“used:”，r2中的反向負聲明表示在4位元字之前必須緊跟著除“used:”之外的字串。

（11）十六進位字元範圍
Regex中，可以使用 "\xXX" 和 "\uXXXX" 表示一個字元（"X" 表示一個十六進位數）形式字元範圍：
\xXX       編號在 0到255 範圍的字元，比如：空格可以使用 "\x20" 表示。
\uXXXX   任何字元可以使用 "\u" 再加上其編號的4位十六進位數表示，比如：漢字可以使用“[\u4e00-\u9fa5]”表示。

（12）對[0,100]的比較完備的匹配
下面是一個比較綜合的樣本，對於匹配[0,100]，需要特殊考慮的地方包括
*00合法，00.合法，00.00合法，001.100合法
*Null 字元串不合法，僅小數點不合法，大於100不合法
*數值是可帶尾碼的，如“1.07f”表示該值為一個float類型（未考慮）

Code
Regex r = new Regex(@"^\+?0*(?:100(\.0*)?|(\d{0,2}(?=\.\d)|\d{1,2}(?=($|\.$)))(\.\d*)?)$");
string x = "";
while (true)
{
    x = Console.ReadLine();
    if (x != "exit")
    {
        if (r.IsMatch(x))
        {
            Console.WriteLine(x + " succeed!");
        }
        else
        {
            Console.WriteLine(x + " failed!");
        }
    }
    else
    {
        break;
    }
}

（13）精確匹配有時候是困難的
有些需求要做到精確匹配比較困難，例如：日期、Url、Email地址等，其中一些你甚至需要研究一些專門的文檔寫出精確完備的運算式，對於這種情況，只能退而求其次，保證比較精確的匹配。例如對於日期，可以基於應用系統的實際情況考慮一段較短的時間，或者對於像Email的匹配，可以只考慮最常見的形式。