C#_Regex

標籤：

概述

Regex，主要是用符號描述了一類特定的文本（模式）。而Regex引擎則負責在給定的字串中，尋找到這一特定的文本。

本文主要是列出常用的Regex符號，加以歸類說明。本文僅僅是快速理解了Regex相關元字元，作一個備忘，供以後理解更複雜運算式的參考，以後關於Regex的相關內容會持續更新本文。樣本語言用C#

概述

一般字元

字元集合

速記的字元集合

指定重複次數的字元

匹配位置字元

分支替換字元

匹配特殊字元

組，反向引用，非擷取的群組

貪婪與非貪婪

回溯與非回溯

正向預搜尋、反向預搜尋

最後

一般字元

 最簡單的一種文本描述，就是直接給出要匹配內容。 如要在”Generic specialization, the decorator pattern, chains of responsibilities, and extensible software.” 找到pattern，那麼正則式就直接是”heels”即可

 View Code

 

字元集合

 將字元放在中括弧中，即為字元集合。通過字元集合告訴正則式引擎從字元集合中的字元，僅匹配出一個字元。

字元	匹配的字元	樣本
[...]	匹配括弧中的任一字元	[abc]可以匹配單個字元a,b或c,但不能匹配其它字元
[^...]	匹配非括弧中的任一字元	[^abc]可以匹配任一個除a,b,c的一個字元，如d,e,f

比如單詞灰色gray(英)和grey(美)，在一段文本中匹配出gray或grey,那麼通過正則式gr[ae]y 就可以了;又比如要在一段文本中找到me和my,正則式是m[ey]

我們還可以在字元集合中使用連字號 – 來表示一個範圍，比如 [0-9] 表示匹配一個0到9數字；[a-zA-Z] 表示匹配英文字母；[0-9 a-zA-Z]表示匹配一個0到9的數字或英文字母

 View Code

 

速記的字元集合

我們常常要匹配一個數字，一個字母，一個空白符，雖然可以用普通的字元類來表示，但不夠方便，所以正則式提示了一些常用的字元集合的速記符

字元	匹配的字元	樣本
\d	從0到9的任何一個數字	\d\d 可以匹配72，但不能匹配me或7a
\D	非數字元	\D\D 可以匹配me，但不能匹配7a或72
\w	任一個單詞字元，如A-Z, a-z, 0-9和底線	\w\w\w\w可以匹配aB_2，但不能匹配[email protected]
\W	非單詞字元	\W 可以匹配@，但不能匹配a
\s	任一空白字元，包括了定位字元，分行符號，斷行符號符，換頁符和垂直定位字元	匹配所有傳統的空白字元
\S	任一非空白字元	\S 可以匹配任一非空白字元，如~！@#&
.	任一字元	匹配任一字元，分行符號除外

 View Code

 

指定重複次數的字元

指定重複匹配前面的字元多少次：匹配重複的次數，不匹配內容。比如說，要在一系列電話號碼中找到以158開始的11位手機號，如果我們沒有學過下面的內容，Regex為158\d\d\d\d\d\d\d\d；但如果我們學習了下面的知識，則Regex為158\d{8}

字元	匹配的字元	樣本
{n}	匹配前面字元n次	x{2},可以匹配xx,但不能匹配xxx
{n,}	匹配前面字元n次或更多	x{2,}可以2個或更多的x,比如可以匹配xx,xxx,xxxx,xxxxxx
{n,m}	匹配前面字元最少n次，最多m次。如果n為0，則可以不指定	x{2,4},匹配了xx,xxx,xxxx,但不能匹配x,xxxxx
?	匹配前面的字元0次或1次,相當於{0，1}	x? 匹配x或空
+	匹配前面的字元1次或多次, 相當於{1,}	x+ 匹配x,xx，或xxx
*	匹配前面的字元0次或多次	x* 匹配0個或多個x

 View Code

 

匹配位置的字元

現在我們已經學會了使用字元集合，字元集合的速記符來匹配大部分的文本了。但是如果我們遇到以下的情況，怎麼辦？

要求匹配文本的第一個單詞為google

要求匹配文本以bye結束

要求匹配文本每一行的第一個單詞為數字

要求匹配一個單詞以hel開頭

上面的這種匹配一個位置，但不匹配任何內容的需求很正常。在Regex中也提供了一些特殊的字元來匹配位置(不匹配內容)。如用^匹配文本的開始位置， 用$匹配文本的結束位置，\b匹配一個單詞的邊界

字元	匹配的字元	樣本
^	其後的模式必須在字串的開始處，如果是一個多行字串，應位於任一行的開始。對於多行文本（有斷行符號符），需要設定Multiline標識
$	前面的模式必須在字串的結尾處，如果是一個多行字串，應該在任一行的末尾
\b	匹配一個單詞的邊界，
\B	匹配一個非單詞的邊界，並不在一個單詞的開始或結尾處
\A	前面的模式必須在字串的開始，並忽略多行標識
\z	前面的模式必須在字串的末尾，並忽略多行標識
\Z	前面的模式必須在字串的末尾，或是位於分行符號前

 View Code

 

分支替換字元

在字元集合中，我們可以在用中括弧來指定匹配中括弧中的任一字元，即模式中可以列出多種字元情景，被匹配的文本只要有符合其中的任一情景就可以被匹配出來。 那有沒有這樣的一種機制，同一個正則式中有多個模式，只有滿足其中的任一模式就可以被匹配出來。再配合分組，就可以把一個複雜的正則式分成多個相對簡單子的正則式來做。類似於邏輯符號OR的意思吧。

字元	匹配的字元	樣本
|	選擇匹配符，匹配前面或後面的任一模式	cat|mouse 可以匹配出cat 或mouse

 View Code匹配特殊字元

到現在，我們已經知道了字元集合，一些速記的字元集合，匹配位置的字元，指定匹配次數的字元，分支匹配。我們用的這些符號，在Regex中代表了各種特定的意義。那當我們要匹配這些字元本身，我們應該怎麼辦？在特殊字元前加上\, 以下是一些常用特殊字元的逸出字元的列表

字元	匹配的字元	樣本
\\	匹配字元\
\.	匹配字元.
\*	匹配字元*
\+	匹配字元+
\?	匹配字元?
\|	匹配字元|
\(	匹配字元(
\)	匹配字元)
\{	匹配字元{
\}	匹配字元}
\^	匹配字元^
\$	匹配字元$
\n	匹配字元n
\r	匹配字元r
\t	匹配字元t
\f	匹配字元f
\nnn	匹配一個三位八位元指定的ASCII字元，如\103匹配一個大寫的C
\xnn	匹配一個二位十六進位數指定的ASCII字元，如\x43匹配C
\xnnnn	匹配一個四位十六進位數指定的unicode字元
\cV	匹配一個控制字元，如，\cV匹配Ctrl+V

 View Code組，反向引用，非擷取的群組

組，可以用圓括弧，將Regex的部分括起來並獨立使用，在圓括弧之間的正則式叫做一個組。可以將匹配次數的字元和分支匹配字元應用到組。

1 樣本: public void Set, public void SetValue

正則式Set(Value)? , 其中(Value)是一個組，匹配次數的字元?將應用於整個組(Value)，可以匹配到Set或SetValue

2 樣本：Out of sight, out of mind

正則式： “(out of) sight, \1 mind”

Regex引擎會將 “()”中匹配到的內容儲存起來，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。 同時在c#中，也可以通過組來訪問捕獲到的組的內容。注意，Groups[0]是整個匹配的字串，組的內容從索引1開始

 View Code

 

3 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>…)

正則式： “(?<Group1>out of) sight, \1 mind”

 View Code

 

4在運算式外引用，對於索外用$索引，或組名用${組名}

樣本：Out of of sight, out of mind

正則式 “(?<Group1>[a-z]+) \1”

 View Code

 

5非擷取的群組，在組前加上?: 因為有的組表達的僅僅是一個選擇替換，當我們不想用浪費儲存時，以用不捕獲該組

"(?:out of) sight"

 View Code

 

字元	匹配的字元	樣本
(?<groupname>exp)	匹配exp,並捕獲文本到名稱為name的組裡
(?:exp)	匹配exp,不捕獲匹配的文本，也不給此分組分配組號

貪婪與非貪婪

Regex的引擎預設是貪婪，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（*,+等）”後面添加“?”，可以將匹配模式改成非貪婪。貪婪與非貪婪與指定重複次數的字元的內容密切相關。

字元	匹配的字元	樣本
?	如果是跟在量詞（即指定匹配次數的字元)後面,那麼Regex則採用非貪婪模式

樣本 out of sight, out of mind

貪婪正則式 :  .* of  輸出out of sight, out of

非貪婪正則式 :  .*? of 輸出 out of

另外一個樣本

輸入：The title of cnblog is <h1>code changes the world</h1>

目標：匹配HTML標記

正則式1:<.+> 

正則式1的輸出: <h1>code changes the world</h1>

正則式2:<.+?>

正則式2的輸出: <h1> </h1>

 View Code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：

樣本：Live for nothing, die for something

正則式(預設非回溯): “.*thing,”   輸出Live for nothing  。“.*”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

正則式(回溯):”(?>.*)thing,” 匹配不到任何東西。由於強制非回溯，所以整個運算式匹配失敗

 View Code

 

 

字元	匹配的字元	樣本
(?>...)	匹配組內運算式時，不回溯

 

 

正向預搜尋、反向預搜尋

 

 

匹配特定的模式，並聲明前面或後面的內容。意思跟匹配位置差不多

 

 

字元	匹配的字元	樣本
(?=exp)	左邊的模式後面必須緊跟著exp，聲明本身不作為匹配結果的一部分
(?!exp)	左邊的模式的後面不能緊跟著exp，聲明本身不作為匹配結果的一部分
(?<=exp)	右邊的模式的前面必須是exp，聲明本身不作為匹配結果的一部分
(?<!exp)	右邊的模式的前面不能是exp，聲明本身不作為匹配結果的一部分

 View Code

 

 

最後

參考地址：

Regex30分鐘入門教程

Regular Expressions Tutorial

NET Framework Regular Expressions

.NET進階系列之一：C#Regex整理備忘

C#_Regex