正则表达式基本用法
说到正则表达式,大家就会想到那像火星文一样的正则表达式字符串。虽然看起来很奇怪,但是一个个都搞清楚那些东西分别表示什么意思的时候,会发现这东西其实也不难。说干就干,我们来一个个的理解。
先弄点数据
string input = "http://www.tansea.cn/23 233【个人博客】23333【http©双子宫殿】"; List<string> pattern = new List<string>();
先来个最简单的开个味,太深了都没有兴趣往下看了
pattern.Add("http");//常量匹配 result = 2
没有任何的正则表达式的元字符(也就是保留字),http在input里面有2个,所以匹配到了2条
基础篇
一、基本语义描述符
1、\d(数字字符)与\D(非数字字符)
pattern.Add("233\\d");//匹配233+数字字符 result=1 pattern.Add("233\\D");//匹配233+非数字字符 result=1
2、\w(字母数字下划线)与\W(非字母数字下划线)
pattern.Add("\\w");//匹配字母+数字+下划线 result=36 pattern.Add("\\W");//不匹配字母+数字+下划线 result=11
注意:实测\w是能匹配到中文的
3、\s(空白字符)与\S(非空白字符)
空白字符包括制表符、换行符、垂直制表符、换页符、回车符
pattern.Add("\t");//匹配制表符 等价于\x09 pattern.Add("\n");//匹配换行符 等价于\x0A pattern.Add("\v");//匹配垂直制表符 等价于\x0B pattern.Add("\f");//匹配换页符 等价于\x0C pattern.Add("\r");//匹配回车符 等价于\x0D pattern.Add("\\s");//匹配任何空白字符 等价于[\t\n\v\f\r] pattern.Add("\\S");//匹配任何非空白字符 等价于[\t\n\v\f\r]
到这里就需要说明一下了,\和\\的区别
\是C#的转义符,如果要让C#把\当字符处理,要使用\\
或者在字符串前使用@告诉C#这个字符串的反斜杠都当字符处理
pattern.Add(@"\s");
注意:如果一个字符串里面有多个\,有表示转义符,也有表示字符的,那就不能在字符串之前用@,只能用\\来区分
4、.(任何字符,除\n)
pattern.Add(".");//匹配除 "\n" 之外的任何字符 result=49
5、\xXX(单字节)与\uXXXX(双字节)
\xXX单字节字符,字符对应转义值可以查ASCII码表
pattern.Add("\x61");//匹配单字节字符(x61=a) result=2 pattern.Add("\x20");//匹配单字节字符(x20=空格) result=1
\uXXXX双字节字符,除常用字符之外的所有字符,包括各种不常用字符和各国语言字符等等
pattern.Add("\u00A9");//匹配双字节(u00A9=©) result=1 pattern.Add("[\u4e00-\u9fa5]");//匹配双字节([\u4e00-\u9fa5]=汉字) result=8
二、定位描述符
1、^ (匹配字符串的开始位置)
pattern.Add("^http");//开始位置匹配 result = 1 pattern.Add("^tansea");//开始位置匹配 result = 0
input确实是以http开头的,所以匹配到了1条,而下面那条语句没有匹配到记录
2、$(匹配字符串的结束位置)
pattern.Add("】$");//结束位置匹配 result = 1
3、\b(空格)与\B(非空格)
pattern.Add("23\\b");//匹配23+空格 result=1 pattern.Add("23\\B");//匹配23+非空格 result=2
三、重复描述符
1、*(匹配0-∞次 等价于{0,})
pattern.Add("233*");//以23开头,后面接0到n个3匹配 result=3
匹配到23、233、23333三条记录
2、+(匹配1-∞次 等价于{1,})
pattern.Add("233+");//以23开头,后面接1到n个3匹配 result=2
匹配到233、23333两条记录
3、?(匹配0-1次 等价于{0,1})
pattern.Add("233?");//以23开头,后面接0到1个3匹配 result=3
匹配到23、233、233(23333前面部分)三条记录
4、{n}(匹配n次,n>0)
pattern.Add("233{1}");//以23开头,后面接1个3匹配 result=2
匹配到233、233(23333前面部分)两条记录
5、{n,}(匹配n-∞次,n>0)
pattern.Add("233{1,}");//以23开头,后面接1到无限个3匹配 result=2
匹配到233、23333两条记录
6、{n,m}(匹配n-m次,n>0 且 n<=m)
pattern.Add("233{2,3}");//以23开头,后面接2到3个3匹配 result=1
匹配到23333一条记录
四、选择描述符
1、|(或操作)
pattern.Add("com|cn|net");//或条件 result=1
2、[](IN操作,匹配所包含的任意一个字符)
pattern.Add("[人从众]");//IN条件 result=1
IN条件与或条件的区别:或条件是支持多字符,将一个段做为一个整体而IN条件只支持单字符
pattern.Add("[^人从众]");//NOT IN条件 result=46 pattern.Add("[o-t]");//BETWEEN条件 匹配小写o到小写t result=8 pattern.Add("[^o-t]");//NOT BETWEEN条件 匹配非小写o到小写t result=39
五、组(...)与非捕获组(?:...)
正则表达式会将刮号里的内容单独保存成一个组,并且匹配到的组可以反向引用,\n是引用第n组
pattern.Add("\\.(.{1,6})");//.开头取6个字符 result=2
结果:Group[0]=.tansea Group[1]=tansea
Group[0]=.cn/23 Group[1]=cn/23
注意:/23后面是有一个空格的,是取了6个字符
如果不想把刮号里的内容保存到组,可以用非捕获组
pattern.Add("\\.(?:.{1,6})");
六、贪婪与非贪婪
正则表达式默认为贪婪模式,可以在重复描述符后加上?改成非贪婪模式
pattern.Add(".*233");//结果为"http://www.tansea.cn/23 233【个人博客】233"一条记录 pattern.Add(".*?233");//结果为"http://www.tansea.cn/23 233"、"【个人博客】233"两条记录
七、回溯与非回溯
正则表达式默认为回溯模式,可以(?>...)改成非回溯模式
在贪婪模式情况下,非回溯模式不会再重新去匹配,而是接着继续匹配
pattern.Add("(.*)233");//结果为"http://www.tansea.cn/23 233【个人博客】233" pattern.Add("(?>.*)233");//结果为空
八、正向预搜索(?=...)与反向预搜索(?<=...)
1、正向预搜索
pattern.Add("\\d{3}(?=【个人博客】)");//匹配3个数字开头后面是"【个人博客】" pattern.Add("\\d{3}(?!=【个人博客】)");//匹配3个数字开头后面不是"【个人博客】"
2、反向预搜索
pattern.Add("(?<=【个人博客】)\\d{3}");//匹配"【个人博客】"开头后面是3个数字 pattern.Add("(?!<=【个人博客】)\\d{3}");//匹配不是"【个人博客】"开头后面是3个数字
可以看出来,当判断条件在后面时,我们用的是正向预搜索,反之则相反。
预搜索刮号内的内容不会匹配
来看看结果吧
pattern.ForEach(p => { MatchCollection matches = Regex.Matches(input, p); Console.WriteLine("Count:" + matches.Count); foreach (Match item in matches) //Console.WriteLine("Value:" + item.Groups[0].Value); Console.WriteLine("Value:" + item.Groups[0].Value + "=>" + item.Groups[1].Value); });
实战篇
一、Escape和Uescape
string input = @"\dhttp://www.tansea.cn2017"; string pattern = "\\d"; string replacement = "X"; string split = ":|/|\\."; //\d是元符号,将元符号转换成原义解释 string escapePattern = Regex.Escape(pattern); Console.WriteLine(Regex.Match(input, escapePattern).Groups[0].Value);//result=\d //\\d是原义,将原义转换成元符号解释 string unescapePattern = Regex.Unescape(escapePattern); Console.WriteLine(Regex.Match(input, unescapePattern).Groups[0].Value);//result=2
二、IsMatch
Regex.IsMatch(input, pattern);//是否找到匹配项
三、Match
Match match = Regex.Match(input, pattern);//返回匹配到的第一项 Console.WriteLine(match.Value);
四、Matches
MatchCollection matches = Regex.Matches(input, pattern);//返回匹配到的所有项 foreach (Match item in matches) Console.WriteLine(item.Value);
五、Replace
Console.WriteLine(Regex.Replace(input, pattern, replacement));//用指定的字符串替换匹配到的项 Console.WriteLine(Regex.Replace(input, pattern, m => { string result = string.Empty; switch (m.Value) { case "2": result = "贰"; break; case "0": result = "零"; break; case "1": result = "壹"; break; case "7": result = "柒"; break; } return result; }));//用委托返回的字符串替换匹配到的项
六、Split
List<string> inputs = Regex.Split(input, split).ToList();//以匹配到的项的位置为基本,拆分字符串 inputs.ForEach(i => Console.WriteLine(i));