.Net高级技术之正则表达式

先来看几个需求

需求1：判断一个字符串是否是Email？必须含有@和.、不能以@或者.开始或者结束、@要在最后一个.之前
需求2：从一个文本中提取出所有的Email：我有全部333M的照片，要的给我发email:me@wo.com。我也要you@you.com，123456@163.com，楼主好人：888888@qq.cn。
需求3：提取网页中的所有图片、超链接。

看到这样的需求，是不是很无奈？当掌握正则表达式之后，一切变得很简单

1.什么是正则表达式，正则表达式能做什么？

正则表达式是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。javascript中还会用到。
一个正则表达式就是由普通字符以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
正则表达式可以：

字符串的匹配、字符串的提取、字符串的替换

正则表达式第一步：元字符

.        匹配除\n之外的任何单个字符    例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。 
[ ]     匹配括号中的任何一个字符       例如正则表达式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。

可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[0-9]c”等价于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母，“[A-Za-z0-9]”可以匹配任何的大小写字母或者数字。
( )     将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域；这个元字符在字符串提取的时候非常有用。把一些字符表示为一个整体

有两个作用：1、改变优先级；2、定义提取组两个作用
| ：将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"

*：匹配0至多个在它之前的子表达式，和通配符*没关系。例如正则表达式“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味着能够匹配任意字符串。

    "z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括号改变优先级）。
+ ：匹配前面的子表达式一次或多次，和*对比（0到多次）。例如正则表达式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。
? ：匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。一般用来匹配“可选部分”。
{n} ：匹配确定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的两个“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}”将匹配“seeeeeeeed”中的前三个“e”。
^（shift+6） ：匹配一行的开始。例如正则表达式“^regex”能够匹配字符串“regex我会用”的开始，但是不能匹配“我会用regex”。
^另外一种意思：非！
$ ：匹配行结束符。例如正则表达式“浮云$” 能够匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀” 

   

     注意这些简写表达式是不考虑转义符的，这里的\就表示字符\，而不是C#字符串级别的\，在C#代码中需要使用@或者\双重转义。区分C#级别的转移和正则表达式级别的转移，恰好C#的转义符和正则表达式的转义符都是\而已。正则表达式的转移是在C#之后的（层层盘剥）。把C#的转义符想成%就明白了。在C#看来@"\-"就是\-这个普通的字符串，只不过在正则表达式分析引擎看来他有了特殊含义。"\\d"或者@"\d"
\d：代表一个数字，等同于[0-9]
\D：代表非数字，等同于[^0-9]
\s：代表换行符、Tab制表符等空白字符
\S：代表非空白字符
\w：匹配字母或数字或下划线或汉字，即能组成单词的字符
\W：非\w ，等同于[^\w]
d：digital；s：space、w：word。大写就是“非”

 

.Net中的正则表达式

正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。
正则表达式（Regular Expression）的主要类：Regex
常用的3种情况：（C#语法）

　　1、判断是否匹配：Regex.IsMatch(“字符串”,”正则表达式”)

　　2、字符串提取：Regex.Match(“字符串”,“要提取的字符串的正则表达式”); 字符串提取(循环提取所有)： Regex.Matches()
　   3、字符串替换：Regex.Replace(“字符串”,”正则”,”替换内容”);

 

正则表达式的应用：

取巧的办法：从ASP.Net的RegularExpressionValidator中抄常用的正则表达式，工作中一般是从网上找现成的。或者去http://www.regexlib.com/ 搜索。