C#正則表達(dá)式(Regular Expression, abbr. regex) 功能強(qiáng)大，能夠用于在一大串字符里找到所需信息。它利用約定俗成的字符結(jié)構(gòu)表達(dá)式來發(fā)生作用。不幸的是，簡(jiǎn)單的C#正則表達(dá)式對(duì)于一些高級(jí)運(yùn)用，功能遠(yuǎn)遠(yuǎn)不夠。若要進(jìn)行篩選的結(jié)構(gòu)比較復(fù)雜，你可能就需要用到高級(jí)C#正則表達(dá)式。

本文為您介紹C#正則表達(dá)式的高級(jí)技巧。如果你對(duì)正則的基本概念尚缺乏了解，請(qǐng)先閱讀 這篇文章，或者 這個(gè)教程，或者維基條目。

這里的正則語(yǔ)法適用于PHP，與Perl兼容。

1. 貪婪/懶惰

所有能多次限定的正則運(yùn)算符都是貪婪的。他們盡可能多地匹配目標(biāo)字符串，也就是說匹配結(jié)果會(huì)盡可能地長(zhǎng)。不幸的是，這種做法并不總是我們想要的。因此，我們添加“懶惰”限定符來解決問題。在各個(gè)貪婪運(yùn)算符后添加“?”能讓表達(dá)式只匹配盡可能短的長(zhǎng)度。另外，修改器“U”也能惰化能多次限定的運(yùn)算符。理解貪婪與懶惰的區(qū)別是運(yùn)用高級(jí)C#正則表達(dá)式的基礎(chǔ)。

貪婪操作符
操作符 * 匹配之前的表達(dá)式零次或零次以上。它是一個(gè)貪婪操作符。請(qǐng)看下面的例子：

preg_match( '/< h1>.*< \/h1>/', '< h1>這是一個(gè)標(biāo)題。< /h1>
< h1>這是另一個(gè)。< /h1>', $matches );

句點(diǎn)(.)能代表除換行符外的任意字符。上面的C#正則表達(dá)式匹配 h1 標(biāo)簽以及標(biāo)簽內(nèi)的所有內(nèi)容。它用句點(diǎn)(.)和星號(hào)(*)來匹配標(biāo)簽內(nèi)的所有內(nèi)容。匹配結(jié)果如下：

< h1>這是一個(gè)標(biāo)題。< /h1>< h1>這是另一個(gè)。< /h1>

整個(gè)字串都被返回。* 操作符會(huì)連續(xù)匹配所有內(nèi)容—— 甚至包括中間的 h1 閉合標(biāo)簽。因?yàn)樗秦澙返模ヅ湔麄€(gè)字串是符合其利益最大化原則。

懶惰操作符
把上面的式子稍作修改，加上一個(gè)問號(hào)(?)，能讓表達(dá)式變懶惰：

/< h1>.*?< \/h1>/
 
這樣它會(huì)覺得，只需匹配到第一個(gè) h1 結(jié)尾標(biāo)簽就完成任務(wù)了。

另一個(gè)有著類似屬性的貪婪操作符是 {n,} 。它代表之前的匹配模式重復(fù)n次或n次以上，如果沒有加上問號(hào)，它會(huì)尋找盡可能多的重復(fù)次數(shù)，加上的話，則會(huì)盡可能少重復(fù)（當(dāng)然也就是“重復(fù)n次”最少）。

◆建立字串
$str = 'hihihi oops hi';
◆使用貪婪的{n,}操作符進(jìn)行匹配
preg_match( '/(hi){2,}/', $str, $matches ); 
◆matches[0] 將是 'hihihi'
◆使用墮化了的 {n,}? 操作符匹配
preg_match( '/(hi){2,}?/', $str, $matches ); 
◆matches[0] 將是 'hihi'

2. 回返引用(Back referencing)

有什么用？
回返引用(Back referencing)一般被翻譯成“反向引用”、“后向引用”、“向后引用”，個(gè)人覺得“回返引用”更為貼切[笨活兒]。它是在C#正則表達(dá)式內(nèi)部引用之前捕獲到的內(nèi)容的方法。例如，下面這個(gè)簡(jiǎn)單例子的目的是匹配出引號(hào)內(nèi)部的內(nèi)容：

◆建立匹配數(shù)組
$matches = array();
◆建立字串
$str = ""This is a 'string'"";
◆用C#正則表達(dá)式捕捉內(nèi)容
preg_match( "/(\"|').*?(\"|')/", $str, $matches );
◆輸出整個(gè)匹配字串
echo  $matches[0];
 
它會(huì)輸出：

"This is a'

顯然，這并不是我們想要的內(nèi)容。

這個(gè)表達(dá)式從開頭的雙引號(hào)開始匹配，遭遇單引號(hào)之后就錯(cuò)誤地結(jié)束了匹配。這是因?yàn)楸磉_(dá)式里說：("|')，也就是雙引號(hào)（"）和單引號(hào)（'）均可。要修正這個(gè)問題，你可以用到回返引用。表達(dá)式\1,\2,…,\9 是對(duì)前面已捕獲到的各個(gè)子內(nèi)容的編組序號(hào)，能作為對(duì)這些編組的“指針”而被引用。在此例中，第一個(gè)被匹配的引號(hào)就由\1代表。

如何運(yùn)用？
將上面的例子中，后面的閉合引號(hào)替換為1：

preg_match( '/(\"|').*?\1/', $str, $matches );

這會(huì)正確地返回字串：

"This is a 'string'"

譯注思考題：

如果是中文引號(hào)，前引號(hào)和后引號(hào)不是同一個(gè)字符，怎么辦？

還記得PHP函數(shù) preg_replace 嗎？其中也有回返引用。只不過我們沒有用 \1 … \9，而是用了 $1 … $9 … $n （此處任意數(shù)目均可）作為回返指針。例如，如果你想把所有的段落標(biāo)簽< p>都替換成文本：

$text = preg_replace( '/< p>(.*?)< /p>/',
"&lt;p&gt;$1&lt;/p&gt;", $html );

參數(shù)$1是一個(gè)回返引用，代表段落標(biāo)簽< p>內(nèi)部的文字，并插入到替換后的文本里。這種簡(jiǎn)便易用的表達(dá)式寫法為我們提供了一個(gè)獲取已匹配文字的簡(jiǎn)單方法，甚至在替換文本時(shí)也能使用。

3. 已命名捕獲組(Named Groups)

當(dāng)在一個(gè)表達(dá)式內(nèi)多次用到回調(diào)引用時(shí)，很容易就把事情搞混淆，要弄清那些數(shù)字（1 … 9）都代表哪一個(gè)子內(nèi)容是件很麻煩的事?；卣{(diào)引用的一個(gè)替代方法是使用帶名字的捕獲組（下文簡(jiǎn)稱“有名組”）。有名組使用 (?P< name>pattern)來設(shè)定，name代表組名，pattern是配合該有名組的正則結(jié)構(gòu)。請(qǐng)看下面的例子：

/(?P< quote>"|').*?(?P=quote)/

上式中，quote就是組名，"|'是改組匹配內(nèi)容的正則。后面的(?P=quote)是在調(diào)用組名為quote的有名組。這個(gè)式子的效果和上面的回調(diào)引用實(shí)例一樣，只不過是用了有名組來實(shí)現(xiàn)。是不是更加易讀易懂了？

有名組也能用于處理已匹配內(nèi)容之?dāng)?shù)組的內(nèi)部數(shù)據(jù)。賦予特定正則的組名也能作為所匹配到的內(nèi)容在數(shù)組內(nèi)部的索引詞。

preg_match( '/(?P< quote>"|\')/', "'String'", $matches );
◆下面的語(yǔ)句輸出“'”(不包括雙引號(hào))
echo $matches[1];
◆使用組名調(diào)用，也會(huì)輸出“'”
echo $matches['quote'];

所以，有名組并不只是讓寫代碼更容易，它也能用于組織代碼，以上介紹C#正則表達(dá)式。

【編輯推薦】

1. C#調(diào)用Windows API函數(shù)
2. 詳解C#調(diào)用Outlook API
3. C#連接Access、SQL Server數(shù)據(jù)庫(kù)
4. 介紹C#調(diào)用API的問題
5. C#調(diào)用Excel與附加代碼