C#基础篇 - 正则表达式入门

2023-07-20 10:40:10

1.基本概念

正则表达式(Regular Expression)就是用事先定义好的一些特定字符(元字符)或普通字符、及这些字符的组合，组成一个“规则字符串”，这个“规则字符串”用来判断我们给定的字符串是否匹配它的过滤逻辑，也可以从字符串中获取我们想要的特定部分。正则表达式的特点如下：

  1. 灵活性、逻辑性和功能性非常强；
  2. 可以迅速地用极简单的方式达到字符串的复杂控制；
  3. 对于刚接触的人来说，比较晦涩难懂。

2.元字符

正确理解元字符才能用好正则表达式，下表列出了近乎所有的元字符和对它们的简述。

字符 描述
\ 将下一个字符标记为特殊字符、原义字符、向后引用或八进制转义字符。例如： "\n" 匹配一个换行符。
^ 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配 "\n" 或 "\r" 之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，^也匹配 "\n" 或 "\r" 之后的位置。
[] 字符集合，匹配中括号内包含的任意一个字符。例如："[abc]" 可以匹配 "plain" 的 'a'。
[^] 负值字符集合，匹配中括号内未包含的任意字符。例如：'[^abc]' 可以匹配 "abcd" 中的 'd'。
- 用在[]中作为元字符，例如：[a-z]可以匹配任意小写字母。在其他地方只是一个普通的字符，不需要转义。
. 匹配除"\n"之外的任何单个字符。要匹配包括 '\n' 在内的任何单字符，请使用 "[.\n]" 筛选模式。
() 提取组，改变运算的优先级。示例请结合下面"|"的用法。
| 表示或者。例如：'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
* 匹配前面的子表达式零次或多次。例如：zo* 能匹配 "z" 以及 "zoo"。等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如：'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。等价于 {1,}。
? 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" 中的 "do"。等价于 {0,1}。
{n} 匹配确定的 n 次。例如：'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,} 至少匹配 n 次。例如：'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "fooood" 中的所有 o。
{n,m} 其中 n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 'o'。
\d 匹配一个数字字符。等价于 [0-9]。
\D 匹配一个非数字字符。等价于 [^0-9]。
\w 匹配包括下划线的任何单词字符。等价于 [A-Za-z0-9_]。
\W 匹配任何非单词字符。等价于 [^A-Za-z0-9_]。
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\b 匹配一个单词边界。例如：'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B 匹配非单词边界。例如：'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
\cx 匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。
\xn 匹配 n ，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。
\un 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (©)。
\nm 若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\num 如果num是一个正整数，表示向后引用。即对前面所获取的匹配的引用。例如：'(.)\1' 匹配两个连续的相同字符。
如果 n 为八进制数字 (0-3)，且 u 和 m 均为八进制数字 (0-7)，则匹配八进制转义值 num。

3.C#中的正则表达式

微软将对正则表达式操作类包含在命名空间System.Text.RegularExpressions下，所以在C#中操作正则表达式要先引用该命名空间。在.Net Framework 4.5 and 4.6版本中，该命名空间下包括11个类，1个枚举，1个委托。

其中Regex类是使用最多的一个类。它提供的方法中，如下4个静态方法最为常用。通过下列方法可以完成简单的字符串匹配、提取工作。提供静态方法是为了独立、单独地使用正则表达式，而不用显式创建Regex对象。

Regex.IsMatch()  --判断是否匹配，用法如下：

//TODO 判断字符串是否为身份证号
", @"^([0-9]{15}|[0-9]{17}[0-9xX])$");
Console.WriteLine(result);

Regex.Matches()  --提取多个匹配，用法如下：

//TODO 提取字符串中所有的数字
MatchCollection list = Regex.Matches("2015年12月06日", @"\d+");
foreach (Match item in list)
{
     Console.WriteLine(item.Value);
}

Regex.Replace()  --替换匹配内容，用法如下：

//TODO 将手机中间四位变成*号
", @"(\d{3})\d{4}(\d{4})", "$1****$2");
Console.WriteLine(strNew);

Regex.Split()     --根据匹配分割字符串，用法如下：

//TODO 提取字符串中所有英文名
string[] strArr= Regex.Split("Jack123Tom345Mary345Amy", @"\d+");
foreach (string item in strArr)
{
    Console.WriteLine(item);
}

以上仅是列举Regex类提供的4个常用方法示例，了解正则表达式的更多内容请参阅 MSDN。

4.常用正则表达式

.验证用户名和密码："^[a-zA-Z]\w{5,15}$" 正确格式："[A-Z][a-z]_[0-9]"组成,并且第一个字必须为字母6~16位

.验证电话号码："^(\\d{3,4}-)\\d{7,8}$" 正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx

.验证手机号码："^1[3|4|5|7|8][0-9]\\d{8}$"

.验证身份证号（15位或18位数字）："^([0-9]{15}|[0-9]{17}[0-9xX])$"

.验证Email地址："^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$"

.只能输入由数字和26个英文字母组成的字符串："^[A-Za-z0-9]+$"

.整数或者小数："^[0-9]+([.][0-9]+){0,1}$"

.只能输入数字："^[0-9]*$"

.只能输入n位的数字："^\d{n}$"

.只能输入至少n位的数字："^\d{n,}$"

.只能输入m~n位的数字："^\d{m,n}$"

.只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"

.只能输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$"

.只能输入有1~3位小数的正实数："^[0-9]+(\.[0-9]{1,3})?$"

.只能输入非零的正整数："^\+?[1-9][0-9]*$"

.只能输入非零的负整数："^\-[1-9][0-9]*$"

.只能输入长度为3的字符："^.{3}$"

.只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"

.只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"

.只能输入由26个小写英文字母组成的字符串："^[a-z]+$"

.验证是否含有^%&',;=?$\"等字符："[%&',;=?$\\^]+"

.只能输入汉字："^[\u4e00-\u9fa5]{0,}$"

.验证URL："^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"

.验证一年的12个月："

.验证一个月的31天：”~“”

.获取日期正则表达式："\\d{4}[年|\-|\.]\d{\1-\12}[月|\-|\.]\d{\1-\31}日?"
　　评注：可用来匹配大多数年月日信息。

.匹配双字节字符(包括汉字在内)："[^\x00-\xff]"
　　评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

.匹配空白行的正则表达式："\n\s*\r"
　　评注：可以用来删除空白行

.匹配HTML标记的正则表达式："<(\S*?)[^>]*>.*?</>|<.*? />"
　　评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

.匹配首尾空白字符的正则表达式："^\s*|\s*$"
　　评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

.匹配网址URL的正则表达式："[a-zA-z]+://[^\s]*"
　　评注：网上流传的版本功能很有限，上面这个基本可以满足需求

.匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)："^[a-zA-Z][a-zA-Z0-9_]{4,15}$"
　　评注：表单验证时很实用

.匹配腾讯QQ号："[1-9][0-9]{4,}"
　　评注：腾讯QQ号从10000开始

.匹配中国邮政编码："[1-9]\\d{5}(?!\d)"
　　评注：中国邮政编码为6位数字

.匹配ip地址："([1-9]{1,3}\.){3}[1-9]"
　　评注：提取ip地址时有用

.匹配MAC地址："([A-Fa-f0-9]{2}\:){5}[A-Fa-f0-9]"

5.参考文章

[1] 振河，http://fineboy.cnblogs.com/archive/2005/09/08/232410.html

作者：gao-yang

出处：http://www.cnblogs.com/gao-yang/p/5022389.html

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。

上一篇：【转】Python之列表生成式、生成器、可迭代对象与迭代器


下一篇：Python之列表生成式、生成器、可迭代对象与迭代器