本文轉(zhuǎn)載自微信公眾號(hào)「CSharp編程大全」，作者 zls365  。轉(zhuǎn)載本文請(qǐng)聯(lián)系CSharp編程大全公眾號(hào)。

最近寫爬蟲時(shí)需要用到正則表達(dá)式，有段時(shí)間沒有使用正則表達(dá)式現(xiàn)在漸漸感覺有些淡忘，現(xiàn)在使用還需要去查詢一些資料。為了避免以后這樣的情況，在此記錄下正則表達(dá)式的一些基本使用方法附帶小的實(shí)例。讓以后在使用時(shí)能一目了然知道他的使用，為開發(fā)節(jié)約時(shí)間，同時(shí)也分享給大家。

正則元字符

在說正則表達(dá)式之前我們先來看看通配符，我想通配符大家都用過。通配符主要有星號(hào)(*)和問號(hào)(?)，用來模糊搜索文件。winodws中我們常會(huì)使用搜索來查找一些文件。如:*.jpg，XXX.docx的方式，來快速查找文件。其實(shí)正則表達(dá)式和我們通配符很相似也是通過特定的字符匹配我們所要查詢的內(nèi)容信息。已下代碼都是區(qū)分大小寫。

常用元字符

懶惰限定符

捕獲分組

得到上面秘籍后我們可以小試牛刀...

小試牛刀

在C#中使用正則表達(dá)式主要是通過Regex類來實(shí)現(xiàn)。命名空間：using System.Text.RegularExpressions。

其中常用方法：

在使用正則表達(dá)式前我們先來看看“@”符號(hào)的使用。

學(xué)過C#的人都知道C# 中字符串常量可以以@ 開頭聲名，這樣的優(yōu)點(diǎn)是轉(zhuǎn)義序列“不”被處理，按“原樣”輸出，即我們不需要對(duì)轉(zhuǎn)義字符加上 \ (反斜扛)，就可以輕松coding。如:

string filePath = @"c:\Docs\Source\CK.txt" // rather than "c:\\Docs\\Source\\CK.txt" 

如要在一個(gè)用 @ 引起來的字符串中包括一個(gè)雙引號(hào)，就需要使用兩對(duì)雙引號(hào)了。這時(shí)候你不能使用 \ 來轉(zhuǎn)義爽引號(hào)了，因?yàn)樵谶@里 \ 的轉(zhuǎn)義用途已經(jīng)被 @ “屏蔽”掉了。如:

string str=@"""Ahoy!"" cried the captain."  // 輸出為："Ahoy!" cried the captain. 

字符串匹配：

在實(shí)際項(xiàng)目中我們常常需要對(duì)用戶輸入的信息進(jìn)行驗(yàn)證。如：匹配用戶輸入的內(nèi)容是否為數(shù)字，是否為有效的手機(jī)號(hào)碼，郵箱是否合法....等。

實(shí)例代碼：

string RegexStr = string.Empty; 
#region 字符串匹配 
 
RegexStr = "^[0-9]+$";  //匹配字符串的開始和結(jié)束是否為0-9的數(shù)字[定位字符] 
Console.WriteLine("判斷'R1123'是否為數(shù)字:{0}", Regex.IsMatch("R1123", RegexStr)); 
Console.WriteLine("判斷'1123'是否為數(shù)字:{0}", Regex.IsMatch("1123", RegexStr)); 
 
RegexStr = @"\d+";  //匹配字符串中間是否包含數(shù)字(這里沒有從開始進(jìn)行匹配噢,任意位子只要有一個(gè)數(shù)字即可) 
Console.WriteLine("'R1123'是否包含數(shù)字:{0}", Regex.IsMatch("R1123", RegexStr)); 
Console.WriteLine("'博客園'是否包含數(shù)字:{0}", Regex.IsMatch("博客園", RegexStr)); 
 
//感謝@zhoumy的提醒..已修改錯(cuò)誤代碼 
RegexStr = @"^Hello World[\w\W]*";  //已Hello World開頭的任意字符(\w\W：組合可匹配任意字符) 
Console.WriteLine("'HeLLO WORLD xx hh xx'是否已Hello World開頭:{0}", Regex.IsMatch("HeLLO WORLD xx hh xx", RegexStr, RegexOptions.IgnoreCase)); 
Console.WriteLine("'LLO WORLD xx hh xx'是否已Hello World開頭:{0}", Regex.IsMatch("LLO WORLD xx hh xx", RegexStr,RegexOptions.IgnoreCase)); 
//RegexOptions.IgnoreCase：指定不區(qū)分大小寫的匹配。 
 
#endregion 

顯示結(jié)果：

字符串查找：

實(shí)例代碼：

string RegexStr = string.Empty;  
 
#region 字符串查找 
 
string LinkA = "<a href=\"http://www.baidu.com\" target=\"_blank\">百度</a>"; 
 
RegexStr = @"href=""[\S]+""";   // ""匹配" 
Match mt = Regex.Match(LinkA, RegexStr); 
 
Console.WriteLine("{0}。", LinkA); 
Console.WriteLine("獲得href中的值：{0}。", mt.Value); 
 
RegexStr = @"<h[^23456]>[\S]+<h[1]>";    //<h[^23456]>:匹配h除了2,3,4,5,6之中的值,<h[1]>:h匹配包含括號(hào)內(nèi)元素的字符 
Console.WriteLine("{0}。GetH1值：{1}", "<H1>標(biāo)題<H1>", Regex.Match("<H1>標(biāo)題<H1>", RegexStr, RegexOptions.IgnoreCase).Value); 
Console.WriteLine("{0}。GetH1值：{1}", "<h2>小標(biāo)<h2>", Regex.Match("<h2>小標(biāo)<h2>", RegexStr, RegexOptions.IgnoreCase).Value); 
//RegexOptions.IgnoreCase:指定不區(qū)分大小寫的匹配。 
 
RegexStr = @"ab\w+|ij\w{1,}";   //匹配ab和字母 或 ij和字母 
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "abcd", Regex.Match("abcd", RegexStr).Value); 
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "efgh", Regex.Match("efgh", RegexStr).Value); 
Console.WriteLine("{0}。多選結(jié)構(gòu)：{1}", "ijk", Regex.Match("ijk", RegexStr).Value); 
 
RegexStr = @"張三?豐";    //?匹配前面的子表達(dá)式零次或一次。 
Console.WriteLine("{0}。可選項(xiàng)元素：{1}", "張三豐", Regex.Match("張三豐", RegexStr).Value); 
Console.WriteLine("{0}。可選項(xiàng)元素：{1}", "張豐", Regex.Match("張豐", RegexStr).Value); 
Console.WriteLine("{0}?？蛇x項(xiàng)元素：{1}", "張飛", Regex.Match("張飛", RegexStr).Value); 
 
/*  
 例如： 
July|Jul　　可縮短為　　July? 
4th|4　　   可縮短為　　4(th)? 
*/ 
 
//匹配特殊字符 
RegexStr = @"Asp\.net";    //匹配Asp.net字符，因?yàn)?是元字符他會(huì)匹配除換行符以外的任意字符。這里我們只需要他匹配.字符即可。所以需要轉(zhuǎn)義\.這樣表示匹配.字符 
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "Java Asp.net SQLServer", Regex.Match("Java Asp.net SQLServer", RegexStr).Value); 
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "C# Java", Regex.Match("C# Java", RegexStr).Value); 
 
#endregion 

顯示結(jié)果：

貪婪與懶惰

string f = "fooot";//貪婪匹配 
RegexStr = @"f[o]+"; 
Match m1 = Regex.Match(f, RegexStr); 
Console.WriteLine("{0}貪婪匹配(匹配盡可能多的字符)：{1}", f, m1.ToString()); 
 
//懶惰匹配 
RegexStr = @"f[o]+?"; 
Match m2 = Regex.Match(f, RegexStr); 
Console.WriteLine("{0}懶惰匹配(匹配盡可能少重復(fù))：{1}", f, m2.ToString()); 

顯示結(jié)果：

從上面的例子中我們不難看出貪婪與懶惰的區(qū)別，他們的名子取的都很形象。

貪婪匹配：匹配盡可能多的字符。

懶惰匹配：匹配盡可能少的字符。

(exp)分組

在做爬蟲時(shí)我們經(jīng)常獲得A中一些有用信息。如href,title和顯示內(nèi)容等。

string TaobaoLink = "<a href=\"http://www.taobao.com\" title=\"淘寶網(wǎng) - 淘！我喜歡\" target=\"_blank\">淘寶</a>"; 
RegexStr = @"<a[^>]+href=""(\S+)""[^>]+title=""([\s\S]+?)""[^>]+>(\S+)</a>"; 
Match mat = Regex.Match(TaobaoLink, RegexStr); 
for (int i = 0; i < mat.Groups.Count; i++) 
{ 
    Console.WriteLine("第"+i+"組："+mat.Groups[i].Value); 
} 

顯示結(jié)果：

在正則表達(dá)式里使用()包含的文本自動(dòng)會(huì)命名為一個(gè)組。上面的表達(dá)式中共使用了4個(gè)()可以認(rèn)為是分為了4組。

輸出結(jié)果共分為：4組。

0組：為我們所匹配的字符串。

1組：是我們第一個(gè)括號(hào)[href=""(\S+)""]中(\S+)所匹配的網(wǎng)址信息。內(nèi)容為：http://www.taobao.com。

2組：是第二個(gè)括號(hào)[title=""([\s\S]+?)""]中所匹配的內(nèi)容信息。內(nèi)容為：淘寶網(wǎng) - 淘!我喜歡。

這里我們會(huì)看到+?懶惰限定符。title=""([\s\S]+?)"" 這里+?的下一個(gè)字符為"雙引號(hào)，"雙引號(hào)在匹配字符串后面還有三個(gè)。+?懶惰限定符會(huì)盡可能少重復(fù)，所他會(huì)匹配最前面那個(gè)"雙引號(hào)。如果我們不使用+?懶惰限定符他會(huì)匹配到：淘寶網(wǎng) - 淘!我喜歡" target= 會(huì)盡可能多重復(fù)匹配。

3組：是第三個(gè)括號(hào)[(\S+)]所匹配的內(nèi)容信息。內(nèi)容為：淘寶。

說明：反義元字符所對(duì)應(yīng)的元字符都能組合匹配任意字符。如:[\w\W],[\s\S],[\d\D]..

 (?<name>exp) 分組取名

當(dāng)我們匹配分組信息過多后，在某種場(chǎng)合只需取當(dāng)中某幾組信息。這時(shí)我們可以對(duì)分組取名。通過分組名稱來快速提取對(duì)應(yīng)信息。

string Resume = "基本信息姓名:CK|求職意向:.NET軟件工程師|性別:男|學(xué)歷:本專|出生日期:1988-08-08|戶籍:湖北.孝感|E - Mail:9245162@qq.com|手機(jī):15000000000"; 
RegexStr = @"姓名:(?<name>[\S]+)\|\S+性別:(?<sex>[\S]{1})\|學(xué)歷:(?<xueli>[\S]{1,10})\|出生日期:(?<Birth>[\S]{10})\|[\s\S]+手機(jī):(?<phone>[\d]{11})"; 
Match matc = Regex.Match(Resume, RegexStr); 
Console.WriteLine("姓名：{0},手機(jī)號(hào)：{1}", matc.Groups["name"].ToString(), matc.Groups["phone"].ToString()); 

顯示結(jié)果：

通過(?<name>exp)可以很輕易為分組取名。然后通過Groups["name"]取得分組值。

獲得頁面中A標(biāo)簽中href值

string PageInfo = @"<hteml> 
                        <div id=""div1""> 
                            <a href=""http://www.baidu.con"" target=""_blank"">百度</a> 
                            <a href=""http://www.taobao.con"" target=""_blank"">淘寶</a> 
                            <a href=""http://www.cnblogs.com"" target=""_blank"">博客園</a> 
                            <a href=""http://www.google.con"" target=""_blank"">google</a> 
                        </div> 
                        <div id=""div2""> 
                            <a href=""/zufang/"">整租</a> 
                            <a href=""/hezu/"">合租</a> 
                            <a href=""/qiuzu/"">求租</a> 
                            <a href=""/ershoufang/"">二手房</a> 
                            <a href=""/shangpucz/"">商鋪出租</a> 
                        </div> 
                    </hteml>"; 
RegexStr = @"<a[^>]+href=""(?<href>[\S]+?)""[^>]*>(?<text>[\S]+?)</a>"; 
MatchCollection mc = Regex.Matches(PageInfo, RegexStr); 
foreach (Match item in mc) 
{ 
    Console.WriteLine("href:{0}--->text:{1}",item.Groups["href"].ToString(),item.Groups["text"].ToString()); 
} 

顯示結(jié)果：

Replace 替換字符串

用戶在輸入信息時(shí)偶爾會(huì)包含一些敏感詞，這時(shí)我們需要替換這個(gè)敏感詞。

string PageInputStr = "靠.TMMD,今天真不爽...."; 
RegexStr = @"靠|TMMD|媽的"; 
Regex rep_regex = new Regex(RegexStr); 
Console.WriteLine("用戶輸入信息：{0}", PageInputStr); 
Console.WriteLine("頁面顯示信息：{0}", rep_regex.Replace(PageInputStr, "***")); 

顯示結(jié)果：

對(duì)一些敏感詞直接替換成***代替。

Split 拆分字符串

string SplitInputStr = "1xxxxx.2ooooo.3eeee.4kkkkkk."; 
RegexStr = @"\d"; 
Regex spl_regex = new Regex(RegexStr); 
string[] str = spl_regex.Split(SplitInputStr); 
foreach (string item in str) 
{ 
    Console.WriteLine(item); 
} 

顯示結(jié)果：

根據(jù)數(shù)字截取字符串。