Regex 深入正则表达式

正则表达式(Regular BLOCKED EXPRESSION是一套语法匹配规则,各种语言,如Perl, .Net和Java都有其对应的共享的正则表达式类库。在.Net中,这个类库叫做Regex。

简单的说,Regex是从字符窗中查找匹配字符串的应用类。通过Regex,编程人员能够非常方便的从一段数据中提取自己所需要的数据信息。举一个简单的例子,让大家对Regex有个大概的了解:

Regex regex = new Regex(@"\d+");

Match m = regex.Match("fox 9212gold");

Console.WriteLine(m.Value.ToString());

结果很明显,regex为我们找到了字符串”fox 9212gold”中的数字字符串,输出结果为”9212” .

对Regex有了一个基本的概念之后,我需要告诉你一个非常好的消息,那就是Regex可以为我们做的远不止这么一点点,他是一套功能非常强大语法匹配规则。当然,这里还有一个坏消息等着我们,那就是强大功能的语法规则自然需要大量纷繁复杂的keyword支持,这也为Regex的学习带来了极大的难度。想要真正掌握正则表达式,可不是几个sample能够全部揭示与说明的。


创建一个Regex对象
Regex的构造函数有三种,在这里就不讨论默认构造函数了。另外两个构造函数中,一个构造函数接收正则表达式字符串作为入参,另一个以正则表达式字符串和RegexOptions作为入参。如:

Regex regex = new Regex("\w+$");

Regex regex = new Regex("\s+", RegexOptions.IgnoreCase | RegexOptions.Multiline);

RegexOptions可以为我们提供一些特殊的帮助,比如IgnoreCase能够在匹配是忽略大小写,Multiline能够调整^和$的意义,改为匹配一行的开头和结尾。

上面我们构造了一个正则表达式,只不过我们还没有用它来做任何事情,马上我们就可以通过使用下面的几个方法,实现对字符串对象的操作了。

匹配字符串
Regex有两个获取匹配的方法Match()和Matches(),分别代表匹配一个,匹配多个结果。这里就用Matches来展示一下怎么使用Regex获取匹配字符串,并将其显示出来。

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}\"\r\n expression: \"{1}\"\r\n 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通过比较入参字符串和正则表达式,找到所有符合的结果,并将结果作为MatchCollection传出来。这样,只要简单的遍历这个collection,就可以很快的获得所有的结果。


组的概念


当你获得这样的一个字符串”最后比分是:19/24”,你肯定希望有一个正则表达式,他不单能够找到形如 data1/data2的字符串,还应该能够直接把data1,data2作为单独的结果传送出来。否则你需要再对形如”19/24”的字符串进行分析,才能够顺利得到双方的比分。显然,正则表达式不会忽略这个问题,所以他增加了组的概念。你可以把一次搜索的结果分别放入不同的组中,并通过组名或者组的所以分别取得这些组的结果。比如上例,我们就可以用@”(\d+)/(\d+)”作为表达式。来看看结果吧:

Regex regex = new Regex(@"(\d+)/(\d+)");

MatchCollection matches = regex.Matches(@"最后比分是: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("\r capture group \"{0}\" value is:\"{1}\""

, name, m.Groups[name].Value);

}

}

Console.WriteLine("matched count: {0}", matches.Count);


输出:

////////////////----------------------------------////////////////

capture group "0" value is:"19/24"

capture group "1" value is:"19"

capture group "2" value is:"24"

matched count: 1


现在清楚了吧,Regex对象把匹配的结果放入组0中。同时,匹配的组信息也放入了对应的组中。组的名称在默认的情况下,是从1开始依次增加的整数。0作为保留名称,专门用于指示匹配的整个字符串。既然有”默认情况”这样的概念,自然也就意味着用户可以自定义组的名称。方法很简单,在组的前面加上:?<name>就可以了。好了,现在把前面的正则表达式修改一下,换成@”(?<score1>\d+)/(?<score1>\d+)”,现在再看看结果:

////////////////----------------------------------////////////////

capture group "0" value is:"19/24"

capture group "score1" value is:"19"

capture group "score2" value is:"24"

matched count: 1


换成自己定义的名字了吧,哈哈!为了在今后的测试中,能够更加方便的看到所有结果,我们对前面介绍过的showMatches()做一点小小的调整。这样,如果在表达式中包含了组的定义,我们也可以在不需要修改任何代码的情况下,直接看到所有的组信息了,调整后的方法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}\"\r\n expression: \"{1}\"\r\n match result is:",

ms, expression);

foreach(Match m in matches)

{ foreach(string name in regex.GetGroupNames())

{

Console.WriteLine("\r 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);

}

}


替换字符串
Regex也提供了方便的匹配结果替换的功能。为了方便测试,我们也把他写成方法,代码如下:

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通常接受两个string作为入参,第一个string为输入字符串。第二个字符串用来替代匹配字符串,它可以包含一些特殊字符串,用来代表特别转换。


特殊字符串 替换结果

$& 匹配的字符串,也可以用$0

$1, $2, . . . 匹配字符串中的对应组,用索引标示

${name} 匹配字符串中的对应组,用名称标示

$‘ 匹配位置之前的字符串

$’ 匹配位置之后的字符串

$$ 一个‘$’ 字符

$_ 输入字符串

$+ 匹配字符串的所有组中,最后一个组中的数据


是不是看了这么多怪型怪状的特殊字符串,有点头晕了?嗯,那就弄两个sample来看看结果吧!

Sample1:

replaceMatch(@"\d+", RegexOptions.None, "fef 12/21 df 33/14 727/1", "<<$&>>");

输出,所有数字型的数据都被替换成了<<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", "$+");

输出,所有data1/data2匹配的数据,都被替换成了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


怎么样,Regex的功能够丰富的吧!可是,也许你的需求不光这么简单,比如说,你要把”I have 200 dollars”中间的money加倍,怎么办?我晕倒,好像没有现成的东西可以用。没有关系,Regex还有更好的功能。它允许你自己定义转换公式。

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 + "]");

}

}


看看结果,太好了,我的钱真的变成了两倍!

但本文的目的是希望提供给大家一个方便好用的测试类,因此我们重载上面的repalceMatch方法,也允许自定义转换公式作为入参:

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;

}


拆分字符串


Regex还提供了从匹配位置将字符串拆分的方法Split。这个方法同样具有多个重载,不过这些都不是重点,大家可以自己看文档。我们继续完成我们用于测试的方法:

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);

}

代码简单,不多做解释。直接来一个smaple看看结果:

splitMatch(@"/",RegexOptions.None, "2004/4/25");

输出:

////////////////----------------------------------////////////////

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


这个文章的目的很简单:介绍Regex的几个主要功能(匹配、替换和拆分),并提供几个简单方便的测试函数。让你能够测试你对正则表达式的理解是否准确。


比如想要确认^$的作用,你可以放入这样的(input, expression)数据:

(“123”, “^\d+$”) (“123aaa456”, “^\d+”) (“123aaa456”, “123&”)


确认\d, \s, \w, \W的作用,可以这样测试:

(“123abc gc 456”, “\d+”)(“123abc gc 456”, “\s+”)

(“123abc gc 456”, “\w+”)(“123abc gc 456”, “\W+”)


比较? + *之间的区别可以用这样的数据:

(“a123 abcd”, “a\d?”) (“a123 abcd”, “a\d+”) (“a123 abcd”, “a\d*”)

posted on 2006-07-05 15:45  KUDO  阅读(648)  评论(0编辑  收藏  举报

导航