正文

C#正则表达式之Regex类用法详解

︶ㄣSDDLL学院 メ
SDDLL学院V管理员 / 阅读
0712
正则表达式的本质是使用一系列特殊字符模式，来表示某一类字符串，正则表达式无疑是处理文本最有力的工具，而.NET提供的Regex类实现了验证正则表达式的方法。

正则表达式的本质是使用一系列特殊字符模式，来表示某一类字符串，正则表达式无疑是处理文本最有力的工具，而.NET提供的Regex类实现了验证正则表达式的方法。

Regex 类表示不可变（只读）的正则表达式。它还包含各种静态方法，允许在不显式创建其他类的实例的情况下使用其他正则表达式类。

正则表达式基础概述

什么是正则表达式

   在编写字符串的处理程序时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

    通常，我们在使用WINDOWS查找文件时，会使用通配符（*和?）。如果你想查找某个目录下的所有Word文档时，你就可以使用*.doc进行查找，在这里，*就被解释为任意字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂。

一、C#正则表达式符号模式

 

字　　符

描　　述

\

转义字符，将一个具有特殊功能的字符转义为一个普通字符，或反过来

^

匹配输入字符串的开始位置

$

匹配输入字符串的结束位置

*

匹配前面的零次或多次的子表达式

+

匹配前面的一次或多次的子表达式

?

匹配前面的零次或一次的子表达式

{n}

n是一个非负整数，匹配前面的n次子表达式

{n,}

n是一个非负整数，至少匹配前面的n次子表达式

{n,m}

m和n均为非负整数，其中n<=m，最少匹配n次且最多匹配m次

?

当该字符紧跟在其他限制符（*，+，?，{n}，{n,}，{n，m}）后面时，匹配模式尽可能少的匹配所搜索的字符串

.

匹配除“\n”之外的任何单个字符

(pattern)

匹配pattern并获取这一匹配

(?:pattern)

匹配pattern但不获取匹配结果

(?=pattern)

正向预查，在任何匹配pattern的字符串开始处匹配查找字符串

(?!pattern)

负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串

x|y

匹配x或y。例如，‘z|food'能匹配“z”或“food”。‘(z|f)ood'则匹配“zood”或“food”

[xyz]

字符集合。匹配所包含的任意一个字符。例如，‘[abc]'可以匹配“plain”中的‘a'

[^xyz]

负值字符集合。匹配未包含的任意字符。例如，‘[^abc]'可以匹配“plain”中的‘p'

[a-z]

匹配指定范围内的任意字符。例如，‘[a-z]'可以匹配'a'到'z'范围内的任意小写字母字符

[^a-z]

匹配不在指定范围内的任意字符。例如，‘[^a-z]'可以匹配不在‘a'～‘z''内的任意字符

\b

匹配一个单词边界，指单词和空格间的位置

\B

匹配非单词边界

\d

匹配一个数字字符，等价于[0-9]

\D

匹配一个非数字字符，等价于[^0-9]

\f

匹配一个换页符

\n

匹配一个换行符

\r

匹配一个回车符

\s

匹配任何空白字符，包括空格、制表符、换页符等

 

 

\S

匹配任何非空白字符

\t

匹配一个制表符

\v

匹配一个垂直制表符。等价于\x0b和\cK

\w

匹配包括下划线的任何单词字符。等价于‘'[A-Za-z0-9_]'

\W

匹配任何非单词字符。等价于‘[^A-Za-z0-9_]'

 

说明：

由于在正则表达式中“ \ ”、“ ? ”、“ * ”、“ ^ ”、“ $ ”、“ + ”、“（”、“）”、“ | ”、“ { ”、“ [ ”等字符已经具有一定特殊意义，如果需要用它们的原始意义，则应该对它进行转义，例如希 望在字符串中至少有一个“ \ ”，那么正则表达式应该这么写： \\+ 。

二、在C#中，要使用正则表达式类，请在源文件开头处添加以下语句：

 

复制代码 代码如下:

using System.Text.RegularExpressions;

 

 

三、RegEx类常用的方法

1、静态Match方法

使用静态Match方法，可以得到源中第一个匹配模式的连续子串。

静态的Match方法有2个重载，分别是

Regex.Match(string input, string pattern);
Regex.Match(string input, string pattern, RegexOptions options);

第一种重载的参数表示：输入、模式

第二种重载的参数表示：输入、模式、RegexOptions枚举的“按位或”组合。

RegexOptions枚举的有效值是：
Complied表示编译此模式
CultureInvariant表示不考虑文化背景
ECMAScript表示符合ECMAScript，这个值只能和IgnoreCase、Multiline、Complied连用
ExplicitCapture表示只保存显式命名的组
IgnoreCase表示不区分输入的大小写
IgnorePatternWhitespace表示去掉模式中的非转义空白，并启用由#标记的注释
Multiline表示多行模式，改变元字符^和$的含义，它们可以匹配行的开头和结尾
None表示无设置，此枚举项没有意义
RightToLeft表示从右向左扫描、匹配，这时，静态的Match方法返回从右向左的第一个匹配
Singleline表示单行模式，改变元字符.的意义，它可以匹配换行符

注意：Multiline在没有ECMAScript的情况下，可以和Singleline连用。Singleline和Multiline不互斥，但是和ECMAScript互斥。

2、静态的Matches方法

这个方法的重载形式同静态的Match方法，返回一个MatchCollection，表示输入中，匹配模式的匹配的集合。

3、静态的IsMatch方法

此方法返回一个bool，重载形式同静态的Matches，若输入中匹配模式，返回true，否则返回false。
可以理解为：IsMatch方法，返回Matches方法返回的集合是否为空。

四、RegEx类的实例

1.字符串替换

例如我想把如下格式记录中的NAME值修改为WANG

string line="ADDR=1234;NAME=ZHANG;PHONE=6789";
Regex reg = new Regex("NAME=(.+);");
string modified = reg.Replace(line, "NAME=WANG;");

修改后的字符串为 ADDR=1234;NAME=WANG;PHONE=6789

2.字符串匹配

例如我想提取刚才那条记录中的NAME值

Regex reg = new Regex("NAME=(.+);");
Match match=reg.Match(line);
string value=match.Groups[1].Value;

3、Match实例3

文本中含有"speed=30.2mph",需要提取该速度值，但是速度的单位可能是公制也可能是英制，mph,km/h,m/s都有可能；另外前后可能有空格。

string line="lane=1;speed=30.3mph;acceleration=2.5mph/s";
Regex reg=new Regex(@"speed\s*=\s*([\d\.]+)\s*(mph|km/h|m/s)*");
Match match=reg.Match(line);

那么在返回的结果中match.Groups[1].Value将含有数值，而match.Groups[2].Value将含有单位。

4、再比如，解码gps的GPRMC字符串，只需

Regex reg = new Regex(@"^\$GPRMC,[\d\.]*,[A|V],(-?[0-9]*\.?[0-9]+),([NS]*),(-?[0-9]*\.?[0-9]+),([EW]*),.*");

就可以获得经度、纬度值，而以前需要几十行代码。

五、System.Text.RegularExpressions命名空间的说明

该名称空间包括8个类，1个枚举，1个委托。他们分别是：

Capture: 包含一次匹配的结果；
CaptureCollection: Capture的序列；
Group: 一次组记录的结果，由Capture继承而来；
GroupCollection：表示捕获组的集合
Match: 一次表达式的匹配结果，由Group继承而来；
MatchCollection: Match的一个序列；
MatchEvaluator: 执行替换操作时使用的委托；
Regex：编译后的表达式的实例。
RegexCompilationInfo：提供编译器用于将正则表达式编译为独立程序集的信息
RegexOptions 提供用于设置正则表达式的枚举值
Regex类中还包含一些静态的方法：
Escape: 对字符串中的regex中的转义符进行转义；
IsMatch: 如果表达式在字符串中匹配，该方法返回一个布尔值；
Match: 返回Match的实例；
Matches: 返回一系列的Match的方法；
Replace: 用替换字符串替换匹配的表达式；
Split: 返回一系列由表达式决定的字符串；
Unescape:不对字符串中的转义字符转义。