.Net進階技術之Regex

先來看幾個需求

需求1：判斷一個字串是否是Email？必須含有@和.、不能以@或者.開始或者結束、@要在最後一個.之前
需求2：從一個文本中提取出所有的Email：我有全部333M的照片，要的給我發email:me@wo.com。我也要you@you.com，123456@163.com，樓主好人：888888@qq.cn。
需求3：提取網頁中的所有圖片、超連結。

看到這樣的需求，是不是很無奈？當掌握Regex之後，一切變得很簡單

1.什麼是Regex，Regex能做什嗎？

Regex是用來進行文本處理的技術，是語言無關的，在幾乎所有語言中都有實現。javascript中還會用到。
一個Regex就是由一般字元以及特殊字元(稱為元字元)組成的文字模式。該模式描述在尋找文字主體時待匹配的一個或多個字串。Regex作為一個模板，將某個字元模式與所搜尋的字串進行匹配。
Regex可以：

字串的匹配、字串的提取、字串的替換

Regex第一步：元字元

.        匹配除\n之外的任何單個字元    例如Regex“b.g”能匹配如下字串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。 
[ ]     匹配括弧中的任何一個字元       例如Regex“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。

可以在括弧中使用連字號“-”來指定字元的區間來簡化表示，例如Regex[0-9]可以匹配任何數字字元，這樣Regex“a[0-9]c”等價於“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字串；還可以制定多個區間，例如“[A-Za-z]”可以匹配任何大小寫字母，“[A-Za-z0-9]”可以匹配任何的大小寫字母或者數字。
( )     將 () 之間括起來的運算式定義為“組”(group)，並且將匹配這個運算式的字元儲存到一個臨時地區；這個元字元在字串提取的時候非常有用。把一些字元表示為一個整體

有兩個作用：1、改變優先順序；2、定義提取組兩個作用
| ：將兩個匹配條件進行邏輯“或”運算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配 "zood" 或 "food"

*：匹配0至多個在它之前的子運算式，和萬用字元*沒關係。例如Regex“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味著能夠匹配任一字元串。

    "z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括弧改變優先順序）。
+ ：匹配前面的子運算式一次或多次，和*對比（0到多次）。例如Regex9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。
? ：匹配前面的子運算式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。一般用來匹配“可選部分”。
{n} ：匹配確定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的兩個“e”。
{n,} :至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配 “seeeeeeeed”中的所有“e”。
{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”將匹配“seeeeeeeed”中的前三個“e”。
^（shift+6） ：匹配一行的開始。例如Regex“^regex”能夠匹配字串“regex我會用”的開始，但是不能匹配“我會用regex”。
^另外一種意思：非！
$ ：匹配行結束符。例如Regex“浮雲$” 能夠匹配字串“一切都是浮雲”的末尾，但是不能匹配字串“浮雲呀” 

   

     注意這些簡寫運算式是不考慮轉義符的，這裡的\就表示字元\，而不是C#字串層級的\，在C#代碼中需要使用@或者\雙重轉義。區分C#層級的轉移和Regex層級的轉移，恰好C#的轉義符和Regex的轉義符都是\而已。Regex的轉移是在C#之後的（層層盤剝）。把C#的轉義符想成%就明白了。在C#看來@"\-"就是\-這個普通的字串，只不過在Regex分析引擎看來他有了特殊含義。"\\d"或者@"\d"
\d：代表一個數字，等同於[0-9]
\D：代表非數字，等同於[^0-9]
\s：代表分行符號、Tab定位字元等空白字元
\S：代表非空白字元
\w：匹配字母或數字或底線或漢字，即能組成單詞的字元
\W：非\w ，等同於[^\w]
d：digital；s：space、w：word。大寫就是“非”

 

.Net中的Regex

Regex在.Net就是用字串表示，這個字串格式比較特殊，無論多麼特殊，在C#語言看來都是普通的字串，具體什麼含義由Regex類內部進行文法分析。
Regex（Regular Expression）的主要類：Regex
常用的3種情況：（C#文法）

　　1、判斷是否匹配：Regex.IsMatch(“字串”,”Regex”)

　　2、字串提取：Regex.Match(“字串”,“要提取的字串的Regex”); 字串提取(迴圈提取所有)： Regex.Matches()
　   3、字串替換：Regex.Replace(“字串”,”正則”,”替換內容”);

 

Regex的應用：

取巧的辦法：從ASP.Net的RegularExpressionValidator中抄常用的Regex，工作中一般是從網上找現成的。或者去http://www.regexlib.com/ 搜尋。