［轉］C# Regex 深入Regex

轉自http://hui06242007.blog.163.com/blog/static/46967621200851931436619/

C# Regex 深入Regex

Regex(Regular expressions)是一套文法匹配規則，各種語言，如Perl， .Net和Java都有其對應的共用的Regex類庫。在.Net中，這個類庫叫做Regex。
簡單的說，Regex是從字元窗中尋找匹配字串的應用類。通過Regex，編程人員能夠非常方便的從一段資料中提取自己所需要的資料資訊。舉一個簡單的例子，讓大家對Regex有個大概的瞭解：
Regex regex = new Regex(@"d+");
Match m = regex.Match("fox 9212gold");
Console.WriteLine(m.Value.ToString());
結果很明顯，regex為我們找到了字串”fox 9212gold”中的數字字串，輸出結果為”9212” .
對Regex有了一個基本的概念之後，我需要告訴你一個非常好的訊息，那就是Regex可以為我們做的遠不止這麼一點點，他是一套功能非常強大文法匹配規則。當然，這裡還有一個壞訊息等著我們，那就是強大功能的文法規則自然需要大量紛繁複雜的keyword支援，這也為Regex的學習帶來了極大的難度。想要真正掌握Regex，可不是幾個sample能夠全部揭示與說明的。

建立一個Regex對象
Regex的建構函式有三種，在這裡就不討論預設建構函式了。另外兩個建構函式中，一個建構函式接收Regex字串作為入參，另一個以Regex字串和RegexOptions作為入參。如：
 
Regex regex = new Regex("w+$");
Regex regex = new Regex("s+", RegexOptions.IgnoreCase | RegexOptions.Multiline);
RegexOptions可以為我們提供一些特殊的協助，比如IgnoreCase能夠在匹配是忽略大小寫，Multiline能夠調整^和$的意義，改為匹配一行的開頭和結尾。
上面我們構造了一個Regex，只不過我們還沒有用它來做任何事情，馬上我們就可以通過使用下面的幾個方法，實現對字串對象的操作了。
匹配字串
Regex有兩個擷取匹配的方法Match()和Matches()，分別代表匹配一個，匹配多個結果。這裡就用Matches來展示一下怎麼使用Regex擷取匹配字串，並將其顯示出來。
 
public static void showMatches(string expression, RegexOptions option, string ms)
{
Regex regex = new Regex(expression, option);
MatchCollection matches = regex.Matches(ms);
//show matches
Console.WriteLine("////////////////----------------------------------////////////////");
Console.WriteLine(" string: "{0}"  expression: "{1}"  match result is:", ms, expression);
foreach(Match m in matches)
{ Console.WriteLine("match string is: "{0}", length: {1}",m.Value.ToString(), m.Value.Length);
}
Console.WriteLine("matched count: {0}", matches.Count);
}
方法Matched通過比較入參字串和Regex，找到所有符合的結果，並將結果作為MatchCollection傳出來。這樣，只要簡單的遍曆這個collection，就可以很快的獲得所有的結果。

組的概念

當你獲得這樣的一個字串”最後比分是：19/24”，你肯定希望有一個Regex，他不單能夠找到形如 data1/data2的字串，還應該能夠直接把data1,data2作為單獨的結果傳送出來。否則你需要再對形如”19/24”的字串進行分析，才能夠順利得到雙方的比分。顯然，Regex不會忽略這個問題，所以他增加了組的概念。你可以把一次搜尋的結果分別放入不同的組中，並通過組名或者組的所以分別取得這些組的結果。比如上例，我們就可以用@”(\d+)/(\d+)”作為運算式。來看看結果吧：
 
Regex regex = new Regex(@"(d+)/(d+)");
MatchCollection matches = regex.Matches(@"最後比分是：19/24");
//show matches
Console.WriteLine("////////////////----------------------------------////////////////");
foreach(Match m in matches)
{
//Console.WriteLine("match string is: "{0}", length: {1}", // m.Value.ToString(), m.Value.Length);
foreach(string name in regex.GetGroupNames())
{
Console.WriteLine("  capture group "{0}" value is:"{1}"" , name, m.Groups[name].Value);
}
}
Console.WriteLine("matched count: {0}", matches.Count);
輸出：
////////////////----------------------------------////////////////
capture group "0" value is:"19/24"
capture group "1" value is:"19"
capture group "2" value is:"24"
matched count: 1

現在清楚了吧，Regex對象把匹配的結果放入組0中。同時，匹配的組資訊也放入了對應的組中。組的名稱在預設的情況下，是從1開始依次增加的整數。0作為保留名稱，專門用於指示匹配的整個字串。既然有”預設情況”這樣的概念，自然也就意味著使用者可以自訂群組的名稱。方法很簡單，在組的前面加上：?<name>就可以了。好了，現在把前面的Regex修改一下，換成@”(?<score1>\d+)/(?<score1>\d+)”，現在再看看結果：
////////////////----------------------------------////////////////
capture group "0" value is:"19/24"
capture group "score1" value is:"19"
capture group "score2" value is:"24"
matched count: 1

換成自己定義的名字了吧，哈哈！為了在今後的測試中，能夠更加方便的看到所有結果，我們對前面介紹過的showMatches()做一點小小的調整。這樣，如果在運算式中包含了組的定義，我們也可以在不需要修改任何代碼的情況下，直接看到所有的組資訊了，調整後的方法showMatchesPro()如下：

public static void showMatchesPro(string expression, RegexOptions option, string ms)
{
Regex regex = new Regex(expression, option);
MatchCollection matches = regex.Matches(ms);
//show matches
Console.WriteLine("////////////////----------------------------------////////////////");
Console.WriteLine(" string: "{0}"  expression: "{1}"  match result is:",ms, expression);
foreach(Match m in matches)
{
  foreach(string name in regex.GetGroupNames())
{
Console.WriteLine("  capture group "{0}" value is:"{1}"",name, m.Groups[name].Value);
}
}
Console.WriteLine("matched count: {0}", matches.Count);
// show group name
Console.WriteLine("group name count {0}", regex.GetGroupNames().Length);
foreach(string name in regex.GetGroupNames())
{
Console.WriteLine("group name :"{0}"", name);
}
}
替換字串
Regex也提供了方便的匹配結果替換的功能。為了方便測試，我們也把他寫成方法，代碼如下：

public static string replaceMatch(string expression, RegexOptions option, string ms, string rep)
{
Regex regex = new Regex(expression, option);
string result = regex.Replace(ms, rep);
Console.WriteLine("////////////////----------------------------------////////////////");
Console.WriteLine("string: "{0}", expression:"{1}", replace by : "{2}"", ms, expression, rep);
Console.WriteLine("replace result string is: "{0}", length: {1}", result.ToString(), result.Length);
return result;
}

Regex.Replace通常接受兩個string作為入參，第一個string為輸入字串。第二個字串用來替代匹配字串，它可以包含一些特殊字元串，用來代表特別轉換。

特殊字元串 替換結果
$& 匹配的字串，也可以用$0
$1, $2, . . . 匹配字串中的對應組，用索引標示
${name} 匹配字串中的對應組，用名稱標示
$‘ 匹配位置之前的字串
$’ 匹配位置之後的字串
$$ 一個‘$’ 字元
$_ 輸入字串
$+ 匹配字串的所有組中，最後一個組中的資料

是不是看了這麼多怪型怪狀的特殊字元串，有點頭暈了？嗯，那就弄兩個sample來看看結果吧！
Sample1:
replaceMatch(@"\d+", RegexOptions.None, "fef 12/21 df 33/14 727/1", "<<$&>>");
輸出，所有數字型的資料都被替換成了<<data>>：
////////////////----------------------------------////////////////
string: "fef 12/21 df 33/14 727/1", expression:"\d+", replace by : "<<$&>>"
replace result string is: "fef <<12>>/<<21>> df <<33>>/<<14>> <<727>>/<<1>>",
length: 50

Sample2:
replaceMatch(@"(\d+)/(\d+)", RegexOptions.None, "fef 12/21 df 33/14 727/1", "$+");
輸出，所有data1/data2匹配的資料，都被替換成了data2：
////////////////----------------------------------////////////////
string: "fef 12/21 df 33/14 727/1", expression:"(\d+)/(\d+)", replace by : "$+"
replace result string is: "fef 21 df 14 1", length: 16

怎麼樣，Regex的功能夠豐富的吧！可是，也許你的需求不光這麼簡單，比如說，你要把”I have 200 dollars”中間的money加倍，怎麼辦？我暈倒，好像沒有現成的東西可以用。沒有關係，Regex還有更好的功能。它允許你自己定義轉換公式。
 
using System.Text.RegularExpressions;
class RegularExpressions
{
static string CapText(Match m)
{
// Get the matched string.
string x = m.ToString();
// double this value
string result = (int.Parse(x) * 2).ToString();
return result;
}
static void Main()
{
string text = "i have 200 dollars";
string result = Regex.Replace(text, @"d+",new MatchEvaluator(RegularExpressions.CapText));
System.Console.WriteLine("result=[" + result + "]");
}
}
看看結果，太好了，我的錢真的變成了兩倍！
但本文的目的是希望提供給大家一個方便好用的測試類別，因此我們重載上面的repalceMatch方法，也允許自訂轉換公式作為入參：

public static string replaceMatch(string expression, RegexOptions option, string ms,
MatchEvaluator evaluator)
{
Regex regex = new Regex(expression, option);
string result = regex.Replace(ms, evaluator);
Console.WriteLine("////////////////----------------------------------////////////////");
Console.WriteLine("string: "{0}", expression:"{1}", replace by a evaluator.", ms, expression);
Console.WriteLine("replace result string is: "{0}", length: {1}", result.ToString(), result.Length);
return result;
}
拆分字串

Regex還提供了從匹配位置將字串拆分的方法Split。這個方法同樣具有多個重載，不過這些都不是重點，大家可以自己看文檔。我們繼續完成我們用於測試的方法：
public static void splitMatch(string expression, RegexOptions option, string ms)
{
Regex regex = new Regex(expression, option);
string[] result = regex.Split(ms);
Console.WriteLine("////////////////----------------------------------////////////////");
Console.WriteLine("string: "{0}", expression: "{1}", split result is:", ms, expression);
foreach(string m in result)
{
Console.WriteLine("splited string is: "{0}", length: {1}",m.ToString(), m.Length);
}
Console.WriteLine("splited count: {0}", result.Length);
}
代碼簡單，不多做解釋。直接來一個smaple看看結果：
splitMatch(@"/",RegexOptions.None, "2004/4/25");
輸出：
////////////////----------------------------------////////////////
string: "2004/4/25", expression: "/", split result is:
splited string is: "2004", length: 4
splited string is: "4", length: 1
splited string is: "25", length: 2
splited count: 3

這個文章的目的很簡單：介紹Regex的幾個主要功能（匹配、替換和拆分），並提供幾個簡單方便的測試函數。讓你能夠測試你對Regex的理解是否準確。

比如想要確認^$的作用，你可以放入這樣的(input, expression)資料:
(“123”, “^\d+$”) (“123aaa456”, “^\d+”) (“123aaa456”, “123&”)

確認\d, \s, \w, \W的作用，可以這樣測試：
(“123abc gc 456”, “\d+”)(“123abc gc 456”, “\s+”)
(“123abc gc 456”, “\w+”)(“123abc gc 456”, “\W+”)

比較? + *之間的區別可以用這樣的資料：
(“a123 abcd”, “a\d?”) (“a123 abcd”, “a\d+”) (“a123 abcd”, “a\d*”)