高手詳解C#編程中的規(guī)則表達(dá)式
編輯推薦《C#實(shí)用基礎(chǔ)教程》
多少年來(lái)，許多的編程語(yǔ)言和工具都包含對(duì)規(guī)則表達(dá)式的支持，.NET基礎(chǔ)類庫(kù)中包含有一個(gè)名字空間和一系列可以充分發(fā)揮規(guī)則表達(dá)式威力的類，而且它們也都與未來(lái)的Perl 5中的規(guī)則表達(dá)式兼容。
此外，regexp類還能夠完成一些其他的功能，例如從右至左的結(jié)合模式和表達(dá)式的編輯等。
應(yīng)該掌握的基礎(chǔ)知識(shí)
規(guī)則表達(dá)式的知識(shí)可能是不少編程人員“常學(xué)常忘”的知識(shí)之一。在這篇文章中，我們將假定你已經(jīng)掌握了規(guī)則表達(dá)式的用法，尤其是Perl 5中表達(dá)式的用法。.NET的regexp類是Perl 5中表達(dá)式的一個(gè)超集，因此，從理論上說(shuō)它將作為一個(gè)很好的起點(diǎn)。我們還假設(shè)你具有了C#的語(yǔ)法和.NET架構(gòu)的基本知識(shí)。
如果你沒(méi)有規(guī)則表達(dá)式方面的知識(shí)，我建議你從Perl 5的語(yǔ)法著手開始學(xué)習(xí)。在規(guī)則表達(dá)式方面的權(quán)威書籍是由杰弗里·弗雷德?tīng)柧帉懙摹墩莆毡磉_(dá)式》一書，對(duì)于希望深刻理解表達(dá)式的讀者，我們強(qiáng)烈建議閱讀這本書。
RegularExpression組合體
regexp規(guī)則類包含在System.Text.RegularExpressions.dll文件中，在對(duì)應(yīng)用軟件進(jìn)行編譯時(shí)你必須引用這個(gè)文件，例如，csc r:System.Text.RegularExpressions.dll foo.cs命令將創(chuàng)建foo.exe文件，它就引用了System.Text.RegularExpressions文件。
名字空間簡(jiǎn)介
在名字空間中僅僅包含著6個(gè)類和一個(gè)定義，它們是：
Capture: 包含一次匹配的結(jié)果；
CaptureCollection: Capture的序列；
Group: 一次組記錄的結(jié)果，由Capture繼承而來(lái)；
Match: 一次表達(dá)式的匹配結(jié)果，由Group繼承而來(lái)；
MatchCollection: Match的一個(gè)序列；
MatchEvaluator: 執(zhí)行替換操作時(shí)使用的代理；
Regex：編譯后的表達(dá)式的實(shí)例。
Regex類中還包含一些靜態(tài)的方法：
Escape: 對(duì)字符串中的regex中的轉(zhuǎn)義符進(jìn)行轉(zhuǎn)義；
IsMatch: 如果表達(dá)式在字符串中匹配，該方法返回一個(gè)布爾值；
Match: 返回Match的實(shí)例；
Matches: 返回一系列的Match的方法；
Replace: 用替換字符串替換匹配的表達(dá)式；
Split: 返回一系列由表達(dá)式?jīng)Q定的字符串；
Unescape:不對(duì)字符串中的轉(zhuǎn)義字符轉(zhuǎn)義。
簡(jiǎn)單匹配
我們首先從使用Regex、Match類的簡(jiǎn)單表達(dá)式開始學(xué)習(xí)。
Match m = Regex.Match("abracadabra", "(a b r)+");
我們現(xiàn)在有了一個(gè)可以用于測(cè)試的Match類的實(shí)例，例如：if (m.Success)...
如果想使用匹配的字符串，可以把它轉(zhuǎn)換成一個(gè)字符串：
Console.WriteLine("Match="+m.ToString());
這個(gè)例子可以得到如下的輸出: Match=abra。這就是匹配的字符串了。
字符串的替換
簡(jiǎn)單字符串的替換非常直觀。例如下面的語(yǔ)句：
string s = Regex.Replace("abracadabra", "abra", "zzzz");
它返回字符串zzzzcadzzzz，所有匹配的字符串都被替換成了zzzzz。
現(xiàn)在我們來(lái)看一個(gè)比較復(fù)雜的字符串替換的例子：
string s = Regex.Replace(" abra ", @"^\s*(.*?)\s*$", "$1");
這個(gè)語(yǔ)句返回字符串a(chǎn)bra，其前導(dǎo)和后綴的空格都去掉了。
上面的模式對(duì)于刪除任意字符串中的前導(dǎo)和后續(xù)空格都非常有用。在C#中，我們還經(jīng)常使用字母字符串，在一個(gè)字母字符串中，編譯程序不把字符“ \” 作為轉(zhuǎn)義字符處理。在使用字符“\”指定轉(zhuǎn)義字符時(shí)，@"..."是非常有用的。另外值得一提的是$1在字符串替換方面的使用，它表明替換字符串只能包含被替換的字符串。
匹配引擎的細(xì)節(jié)
現(xiàn)在，我們通過(guò)一個(gè)組結(jié)構(gòu)來(lái)理解一個(gè)稍微復(fù)雜的例子。看下面的例子：
string text = "abracadabra1abracadabra2abracadabra3";string pat = @"
( # ***個(gè)組的開始
abra # 匹配字符串a(chǎn)bra
( # 第二個(gè)組的開始
cad # 匹配字符串cad
)? # 第二個(gè)組結(jié)束（可選）
) # ***個(gè)組結(jié)束
+ # 匹配一次或多次
";//利用x修飾符忽略注釋
Regex r = new Regex(pat, "x");
//獲得組號(hào)碼的清單
int[] gnums = r.GetGroupNumbers();
//***匹配
Match m = r.Match(text);
while (m.Success)
{
//從組1開始
for (int i = 1; i < gnums.Length; i++)
{
Group g = m.Group(gnums[i]);
//獲得這次匹配的組
Console.WriteLine("Group"+gnums[i]+"=["+g.ToString()+"]");
//計(jì)算這個(gè)組的起始位置和長(zhǎng)度
CaptureCollection cc = g.Captures;
for (int j = 0; j < cc.Count; j++)
{
Capture c = cc[j];
Console.WriteLine(" Capture" + j + "=["+c.ToString()
+ "] Index=" + c.Index + " Length=" + c.Length);
}
}
//下一個(gè)匹配
m = m.NextMatch();
}
這個(gè)例子的輸出如下所示：
Group1=[abra]
Capture0=[abracad] Index=0 Length=7
Capture1=[abra] Index=7 Length=4
Group2=[cad]
Capture0=[cad] Index=4 Length=3
Group1=[abra]
Capture0=[abracad] Index=12 Length=7
Capture1=[abra] Index=19 Length=4
Group2=[cad]
Capture0=[cad] Index=16 Length=3
Group1=[abra]
Capture0=[abracad] Index=24 Length=7
Capture1=[abra] Index=31 Length=4
Group2=[cad]
Capture0=[cad] Index=28 Length=3
我們首先從考查字符串pat開始，pat中包含有表達(dá)式。***個(gè)capture是從***個(gè)圓括號(hào)開始的，然后表達(dá)式將匹配到一個(gè)abra。第二個(gè)capture組從第二個(gè)圓括號(hào)開始，但***個(gè)capture組還沒(méi)有結(jié)束，這意味著***個(gè)組匹配的結(jié)果是abracad ，而第二個(gè)組的匹配結(jié)果僅僅是cad。因此如果通過(guò)使用？符號(hào)而使cad成為一項(xiàng)可選的匹配，匹配的結(jié)果就可能是abra或abracad。然后，***個(gè)組就會(huì)結(jié)束，通過(guò)指定+符號(hào)要求表達(dá)式進(jìn)行多次匹配。
現(xiàn)在我們來(lái)看看匹配過(guò)程中發(fā)生的情況。首先，通過(guò)調(diào)用Regex的constructor方法建立表達(dá)式的一個(gè)實(shí)例，并在其中指定各種選項(xiàng)。在這個(gè)例子中，由于在表達(dá)式中有注釋，因此選用了x選項(xiàng)，另外還使用了一些空格。打開x選項(xiàng)，表達(dá)式將會(huì)忽略注釋和其中沒(méi)有轉(zhuǎn)義的空格。
然后，取得表達(dá)式中定義的組的編號(hào)的清單。你當(dāng)然可以顯性地使用這些編號(hào)，在這里使用的是編程的方法。如果使用了命名的組，作為一種建立快速索引的途徑這種方法也十分有效。
接下來(lái)是完成***次匹配。通過(guò)一個(gè)循環(huán)測(cè)試當(dāng)前的匹配是否成功，接下來(lái)是從group 1開始重復(fù)對(duì)組清單執(zhí)行這一操作。在這個(gè)例子中沒(méi)有使用group 0的原因是group 0是一個(gè)完全匹配的字符串，如果要通過(guò)收集全部匹配的字符串作為一個(gè)單一的字符串，就會(huì)用到group 0了。
我們跟蹤每個(gè)group中的CaptureCollection。通常情況下每次匹配、每個(gè)group中只能有一個(gè)capture，但本例中的Group1則有兩個(gè)capture：Capture0和Capture1。如果你僅需要Group1的ToString，就會(huì)只得到abra，當(dāng)然它也會(huì)與abracad匹配。組中ToString的值就是其CaptureCollection中最后一個(gè)Capture的值，這正是我們所需要的。如果你希望整個(gè)過(guò)程在匹配abra后結(jié)束，就應(yīng)該從表達(dá)式中刪除+符號(hào)，讓regex引擎知道我們只需要對(duì)表達(dá)式進(jìn)行匹配。
基于過(guò)程和基于表達(dá)式方法的比較
一般情況下，使用規(guī)則表達(dá)式的用戶可以分為以下二大類：***類用戶盡量不使用規(guī)則表達(dá)式，而是使用過(guò)程來(lái)執(zhí)行一些需要重復(fù)的操作；第二類用戶則充分利用規(guī)則表達(dá)式處理引擎的功能和威力，而盡可能少地使用過(guò)程。
對(duì)于我們大多數(shù)用戶而言，最好的方案莫過(guò)于二者兼而用之了。我希望這篇文章能夠說(shuō)明.NET語(yǔ)言中regexp類的作用以及它在性能和復(fù)雜性之間的優(yōu)、劣點(diǎn)。
基于過(guò)程的模式
我們?cè)诰幊讨薪?jīng)常需要用到的一個(gè)功能是對(duì)字符串中的一部分進(jìn)行匹配或其他一些對(duì)字符串處理，下面是一個(gè)對(duì)字符串中的單詞進(jìn)行匹配的例子：
string text = "the quick red fox jumped over the lazy brown dog.";System.Console.WriteLine("text=[" + text + "]");
string result = "";
string pattern = @"\w+ \W+";
foreach (Match m in Regex.Matches(text, pattern))
{
// 取得匹配的字符串
string x = m.ToString();
// 如果***個(gè)字符是小寫
if (char.IsLower(x[0]))
// 變成大寫
x = char.ToUpper(x[0]) + x.Substring(1, x.Length-1);
// 收集所有的字符
result += x;
}
System.Console.WriteLine("result=[" + result + "]");
正象上面的例子所示，我們使用了C#語(yǔ)言中的foreach語(yǔ)句處理每個(gè)匹配的字符，并完成相應(yīng)的處理，在這個(gè)例子中，新創(chuàng)建了一個(gè)result字符串。這個(gè)例子的輸出所下所示：
text=[the quick red fox jumped over the lazy brown dog.]
result=[The Quick Red Fox Jumped Over The Lazy Brown Dog.]
基于表達(dá)式的模式
完成上例中的功能的另一條途徑是通過(guò)一個(gè)MatchEvaluator，新的代碼如下所示：
static string CapText(Match m)
{
//取得匹配的字符串
string x = m.ToString();
// 如果***個(gè)字符是小寫
if (char.IsLower(x[0]))
// 轉(zhuǎn)換為大寫
return char.ToUpper(x[0]) + x.Substring(1, x.Length-1);
return x;
}
static void Main()
{
string text = "the quick red fox jumped over the
lazy brown dog.";
System.Console.WriteLine("text=[" + text + "]");
string pattern = @"\w+";
string result = Regex.Replace(text, pattern,
new MatchEvaluator(Test.CapText));
System.Console.WriteLine("result=[" + result + "]");
}
同時(shí)需要注意的是，由于僅僅需要對(duì)單詞進(jìn)行修改而無(wú)需對(duì)非單詞進(jìn)行修改，這個(gè)模式顯得非常簡(jiǎn)單。
常用表達(dá)式
為了能夠更好地理解如何在C#環(huán)境中使用規(guī)則表達(dá)式，我寫出一些對(duì)你來(lái)說(shuō)可能有用的規(guī)則表達(dá)式，這些表達(dá)式在其他的環(huán)境中都被使用過(guò)，希望能夠?qū)δ阌兴鶐椭?
羅馬數(shù)字
string p1 = "^m*(d?c{0,3} c[dm])" + "(l?x{0,3} x[lc])(v?i{0,3} i[vx])$";
string t1 = "vii";
Match m1 = Regex.Match(t1, p1);
交換前二個(gè)單詞
string t2 = "the quick brown fox";
string p2 = @"(\S+)(\s+)(\S+)";
Regex x2 = new Regex(p2);
string r2 = x2.Replace(t2, "$3$2$1", 1);
關(guān)健字=值
string t3 = "myval = 3";
string p3 = @"(\w+)\s*=\s*(.*)\s*$";
Match m3 = Regex.Match(t3, p3);
實(shí)現(xiàn)每行80個(gè)字符
string t4 = "********************"
+ "******************************"
+ "******************************";
string p4 = ".{80,}";
Match m4 = Regex.Match(t4, p4);
月/日/年 小時(shí):分:秒的時(shí)間格式
string t5 = "01/01/01 16:10:01";
string p5 = @"(\d+)/(\d+)/(\d+) (\d+):(\d+):(\d+)";
Match m5 = Regex.Match(t5, p5);
改變目錄（僅適用于Windows平臺(tái)）
string t6 = @"C:\Documents and Settings\user1\Desktop\";
string r6 = Regex.Replace(t6,@"\\user1\\", @"\\user2\\");
擴(kuò)展16位轉(zhuǎn)義符
string t7 = "%41"; // capital A
string p7 = "%([0-9A-Fa-f][0-9A-Fa-f])";
string r7 = Regex.Replace(t7, p7, HexConvert);
刪除C語(yǔ)言中的注釋（有待完善）
string t8 = @"
/*
* 傳統(tǒng)風(fēng)格的注釋
*/
";
string p8 = @"
/\* # 匹配注釋開始的定界符
.*? # 匹配注釋
\*/ # 匹配注釋結(jié)束定界符
";
string r8 = Regex.Replace(t8, p8, "", "xs");
刪除字符串中開始和結(jié)束處的空格
string t9a = " leading";
string p9a = @"^\s+";
string r9a = Regex.Replace(t9a, p9a, "");
string t9b = "trailing ";
string p9b = @"\s+$";
string r9b = Regex.Replace(t9b, p9b, "");
在字符\后添加字符n，使之成為真正的新行
string t10 = @"\ntest\n";
string r10 = Regex.Replace(t10, @"\\n", "\n");
轉(zhuǎn)換IP地址
string t11 = "55.54.53.52";
string p11 = "^" +
@"([01]?\d\d 2[0-4]\d 25[0-5])\." +
@"([01]?\d\d 2[0-4]\d 25[0-5])\." +
@"([01]?\d\d 2[0-4]\d 25[0-5])\." +
@"([01]?\d\d 2[0-4]\d 25[0-5])" +
"$";
Match m11 = Regex.Match(t11, p11);
刪除文件名包含的路徑
string t12 = @"c:\file.txt";
string p12 = @"^.*\\";
string r12 = Regex.Replace(t12, p12, "");
聯(lián)接多行字符串中的行
string t13 = @"this is
a split line";
string p13 = @"\s*\r?\n\s*";
string r13 = Regex.Replace(t13, p13, " ");
提取字符串中的所有數(shù)字
string t14 = @"
test 1
test 2.3
test 47
";
string p14 = @"(\d+\.?\d* \.\d+)";
MatchCollection mc14 = Regex.Matches(t14, p14);
找出所有的大寫字母
string t15 = "This IS a Test OF ALL Caps";
string p15 = @"(\b[^\Wa-z0-9_]+\b)";
MatchCollection mc15 = Regex.Matches(t15, p15);
找出小寫的單詞
string t16 = "This is A Test of lowercase";
string p16 = @"(\b[^\WA-Z0-9_]+\b)";
MatchCollection mc16 = Regex.Matches(t16, p16);
找出***個(gè)字母為大寫的單詞
string t17 = "This is A Test of Initial Caps";
string p17 = @"(\b[^\Wa-z0-9_][^\WA-Z0-9_]*\b)";
MatchCollection mc17 = Regex.Matches(t17, p17);
找出簡(jiǎn)單的HTML語(yǔ)言中的鏈接
string t18 = @"
first tag text
next tag text
";
string p18 = @"]*?HREF\s*=\s*[""']?" + @"([^'"" >]+?)[ '""]?>";
MatchCollection mc18 = Regex.Matches(t18, p18, "si");
【編輯推薦】
