正则表达式的3种匹配模式

正则表达式是处理字符串的常用工具。在c#中,我们一般使用regex类来表示一个正则表达式。一般正则表达式引擎支持以下3种匹配模式:单行模式(singleline)、多行模式(multiline)与忽略大小写(ignorecase)。

1. 单行模式(singleline)
msdn定义:更改点 (.) 的含义,使它与每一个字符匹配(而不是与除 \n 之外的每个字符匹配)。
使用单行模式的典型场景是获取网页源码中的信息。
示例:
我们使用webbrowser控件,从http://www.xxx.com/1.htm上获取了如下html源码,它存储在变量str中:
<html>
<body>
<div>
line 1
line 2
</div>
</body>
</html>
我们想把div标签以及其中的内容提取出来,编写代码如下:

string pattern = @"<div>.*</div>";
regex regex = new regex(pattern);
if (regex.ismatch(str))
  console.writeline(regex.match(str).value);
else
  console.writeline("mismatch!");

//结果为:mismatch!
错误分析:
一般认为点符号(.)是匹配任意单个字符的,而(.*)就是匹配任意多个字符。但实际上点符号不能匹配换行符。在windows中与它等效的表达式为[^\r\n]。
而我们从网站上获取的html源码,极少有不换行的。这时候单行模式派上用场了,它可以改变点符号的意义。修改regex实例的构造函数,用regexoptions.singleline来声明使用单行模式:

string pattern = @"<div>.*</div>";
regex regex = new regex(pattern, regexoptions.singleline);
if (regex.ismatch(str))
  console.writeline(regex.match(str).value);
else
  console.writeline("mismatch!");

/*
结果为:
<div>
line 1
line 2
</div>
*/

单行模式的嵌入修饰符:
我们可以直接在正则表达式中嵌入单行模式:
(?s)<div>.*</div>
(?s)修饰符说明,其后面的表达式采用单行模式。所以使用时请不要将它放在末尾。另外可以使用(?-s)关闭单行模式。
注意:嵌入模式的优先级要高于regex类的regexoptions设置,所以使用了(?s)后,无论是否使用regexoptions.singleline,均按照单行模式解析。

2. 多行模式(multiline)
msdn定义:更改 ^ 和 $ 的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。
示例:
有一个文本文件,它的每一行是一个用户名,将文件读入变量str中进行处理。其内容如下:
二十四画生
terrylee
莫相会
dflying chen
rainy
借用博客园各位前辈的大名:)
我们想找出一个使用英文字母开头的用户名,编写代码如下:

string pattern = @"^[a-za-z]+.*";
regex regex = new regex(pattern);
if (regex.ismatch(str))
  console.writeline(regex.match(str).value);
else
  console.writeline("mismatch!");

//结果为:mismatch!
错误分析:
(^)是字符串的起始锚定,str的第一个字符是一个中文字,所以匹配不上。我们就可以使用多行模式来改变(^)的含义,使它匹配每一行的起始,而不是整个字符串的起始。
更改代码如下:

string pattern = @"^[a-za-z]+.*";
regex regex = new regex(pattern, regexoptions.multiline);
if (regex.ismatch(str))
  console.writeline(regex.match(str).value);
else
  console.writeline("mismatch!");

//结果为:terrylee
同时,多行模式也会改变($)的含义,使它匹配每一行的结尾,而不是整个字符串的结尾。
与(^)和($)不同的是,(\a)和(\z)并不受多行模式的影响,永远匹配整个字符串的起始和结尾。
多行模式的嵌入修饰符:(?m)与(?-m)

3. 忽略大小写(ignorecase)
msdn定义:指定不区分大小写的匹配。
这个模式很容易理解,它认为大小写字符是相同的。我们仍以上例来说明。
示例:

string pattern = @"^[a-z]+.*";
regex regex = new regex(pattern, regexoptions.multiline | regexoptions.ignorecase);
if (regex.ismatch(str))
  console.writeline(regex.match(str).value);
else
  console.writeline("mismatch!");

//结果为:terrylee
分析:请注意这次使用的正则表达式,我们并没有写入大写字母,但却匹配了以大写字母开头的名字,这就是忽略大小写的效果。
忽略大小写的嵌入修饰符:(?i)与(?-i)

总结:
最后我们用一个表格来总结一下这三个模式
   定义    影响的表达式    regexoptions枚举    嵌入标识符
单行模式    更改点 (.) 的含义,使它与每一个字符匹配(而不是与除 \n 之外的每个字符匹配)。    .    singleline    (?s)
多行模式    更改 ^ 和 $ 的含义,使它们分别在任意一行的行首和行尾匹配,而不仅仅在整个字符串的开头和结尾匹配。    ^$    multiline    (?m)
忽略大小写    指定不区分大小写的匹配。        ignorecase    (?i)

posted @ 2012-02-07 15:02  Rookier  阅读(2619)  评论(8编辑  收藏  举报