前段时间遇到一个正则表达式的问题,发现自己已经忘记了很多正则表达式的写法,所以专门抽出时间进行了一下强化,顺便记录下来以备后面用到和记忆。
正则表达式
正则表达式不同语言用法都大同小异,主要就是一种匹配的输入文本的模式。我们可以使用正则表达式进行一些有规律的字符搜索、以及特殊格式字符串的判断。虽然说这些都可以使用字符串函数进行实现不过正则表达式相对来说更加灵活简洁。
一、C#中的正则表达式常用的类及引用命名空间
Regex类是一个定义匹配规则的类,主要用来产生正则表达式的规则对象。
用法:
Regex regex = new Regex(Regex Expression);
Match类是一个匹配结果,一般会保存一个匹配完成的结果。
用法
Match match;
MatchCollection可以说是Match的一个集合类。
用法
MarchCollection matchs;
序号 | 方法 & 描述 |
---|---|
1 |
public bool IsMatch( string input ) 指示 Regex 构造函数中指定的正则表达式是否在指定的输入字符串中找到匹配项。 |
2 |
public bool IsMatch( string input, int startat ) 指示 Regex 构造函数中指定的正则表达式是否在指定的输入字符串中找到匹配项,从字符串中指定的开始位置开始。 |
3 |
public static bool IsMatch( string input, string pattern ) 指示指定的正则表达式是否在指定的输入字符串中找到匹配项。 |
4 |
public MatchCollection Matches( string input ) 在指定的输入字符串中搜索正则表达式的所有匹配项。 |
5 |
public string Replace( string input, string replacement ) 在指定的输入字符串中,把所有匹配正则表达式模式的所有匹配的字符串替换为指定的替换字符串。 |
6 |
public string[] Split( string input ) 把输入字符串分割为子字符串数组,根据在 Regex 构造函数中指定的正则表达式模式定义的位置进行分割。 |
二、正则表达式字符转义
字符转义通过"\"表示一些特殊的转义字符,也可以按原意解释字符
转义字符 | 描述 | 模式 | 匹配 |
---|---|---|---|
\a | 与报警 (bell) 符 \u0007 匹配。 | \a | "Warning!" + ‘\u0007‘ 中的 "\u0007" |
\b | 在字符类中,与退格键 \u0008 匹配。 | [\b]{3,} | "\b\b\b\b" 中的 "\b\b\b\b" |
\t | 与制表符 \u0009 匹配。 | (\w+)\t | "Name\tAddr\t" 中的 "Name\t" 和 "Addr\t" |
\r | 与回车符 \u000D 匹配。(\r 与换行符 \n 不是等效的。) | \r\n(\w+) | "\r\nHello\nWorld." 中的 "\r\nHello" |
\v | 与垂直制表符 \u000B 匹配。 | [\v]{2,} | "\v\v\v" 中的 "\v\v\v" |
\f | 与换页符 \u000C 匹配。 | [\f]{2,} | "\f\f\f" 中的 "\f\f\f" |
\n | 与换行符 \u000A 匹配。 | \r\n(\w+) | "\r\nHello\nWorld." 中的 "\r\nHello" |
\e | 与转义符 \u001B 匹配。 | \e | "\x001B" 中的 "\x001B" |
\ nnn | 使用八进制表示形式指定一个字符(nnn 由二到三位数字组成)。 | \w\040\w | "a bc d" 中的 "a b" 和 "c d" |
\x nn | 使用十六进制表示形式指定字符(nn 恰好由两位数字组成)。 | \w\x20\w | "a bc d" 中的 "a b" 和 "c d" |
\c X \c x | 匹配 X 或 x 指定的 ASCII 控件字符,其中 X 或 x 是控件字符的字母。 | \cC | "\x0003" 中的 "\x0003" (Ctrl-C) |
\u nnnn | 使用十六进制表示形式匹配一个 Unicode 字符(由 nnnn 表示的四位数)。 | \w\u0020\w | "a bc d" 中的 "a b" 和 "c d" |
\ | 在后面带有不识别的转义字符时,与该字符匹配。 | \d+[\+-x\*]\d+\d+[\+-x\*\d+ | "(2+2) * 3*9" 中的 "2+2" 和 "3*9" |
三、正则表达式字符类
字符类代表与一组字符中任意一个字符匹配
字符类 | 描述 | 模式 | 匹配 |
---|---|---|---|
[character_group] | 匹配 character_group 中的任何单个字符。 默认情况下,匹配区分大小写。 | [mn] | "mat" 中的 "m","moon" 中的 "m" 和 "n" |
[^character_group] | 非:与不在 character_group 中的任何单个字符匹配。 默认情况下,character_group 中的字符区分大小写。 | [^aei] | "avail" 中的 "v" 和 "l" |
[ first - last ] | 字符范围:与从 first 到 last 的范围中的任何单个字符匹配。 | [b-d] | [b-d]irds 可以匹配 Birds、 Cirds、 Dirds |
. | 通配符:与除 \n 之外的任何单个字符匹配。 若要匹配原意句点字符(. 或 \u002E),您必须在该字符前面加上转义符 (\.)。 |
a.e | "have" 中的 "ave", "mate" 中的 "ate" |
\p{ name } | 与 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。 | \p{Lu} | "City Lights" 中的 "C" 和 "L"(Lu代表大写) |
\P{ name } | 与不在 name 指定的 Unicode 通用类别或命名块中的任何单个字符匹配。 | \P{Lu} | "City" 中的 "i"、 "t" 和 "y" |
\w | 与任何单词字符匹配。(数字、字母、下划线、汉字、非特殊字符) | \w | "Room#1" 中的 "R"、 "o"、 "m" 和 "1" |
\W | 与任何非单词字符匹配。 | \W | "Room#1" 中的 "#" |
\s | 与任何空白字符匹配。空格、制表符、换页符、换行符、回车符等等 | \w\s | "ID A1.3" 中的 "D " |
\S | 与任何非空白字符匹配。 | \s\S | "int __ctr" 中的 " _" |
\d | 与任何十进制数字匹配。 | \d | "4 = IV" 中的 "4" |
\D | 匹配不是十进制数的任意字符。 | \D | "4 = IV" 中的 " "、 "="、 " "、 "I" 和 "V" |
四、正则表达式定位点
定位点顾名思义就是定义位置的点,主要用来确定判断字符所处的位置
断言 | 描述 | 模式 | 匹配 |
---|---|---|---|
^ | 匹配必须从字符串或一行的开头开始。 | ^\d{3} | "567-777-" 中的 "567" |
$ | 匹配必须出现在字符串的末尾或出现在行或字符串末尾的 \n 之前。 | -\d{4}$ | "8-12-2012" 中的 "-2012" |
\A | 匹配必须出现在字符串的开头。 | \A\w{4} | "Code-007-" 中的 "Code" |
\Z | 匹配必须出现在字符串的末尾或出现在字符串末尾的 \n 之前。 | -\d{3}\Z | "Bond-901-007" 中的 "-007" |
\z | 匹配必须出现在字符串的末尾。 | -\d{3}\z | "-901-333" 中的 "-333" |
\G | 匹配必须出现在上一个匹配结束的地方。 | \G\(\d\) | "(1)(3)(5)[7](9)" 中的 "(1)"、 "(3)" 和 "(5)" |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。 | er\b | 匹配"never"中的"er",但不能匹配"verb"中的"er"。 |
\B | 匹配非单词边界。 | er\B | 匹配"verb"中的"er",但不能匹配"never"中的"er"。 |
五、正则表达式分组构造
使用分组的目的很多,可以通过分组把一个字符串的几个部分按不同规律进行筛选例如邮件格式123@qq.com就可以用分组数字一组@后面的域为一组。同时分好组的内容会分别保存到不同的组里,第0组是整个匹配结果,第一组是第一组的内容,第二组是第二组的内容以此类推。
分组构造 | 描述 | 模式 | 匹配 |
---|---|---|---|
( subexpression ) | 捕获匹配的子表达式并将其分配到一个从零开始的序号中。 | (\w)\1 | "deep" 中的 "ee" |
(?< name >subexpression) | 将匹配的子表达式捕获到一个命名组中。 | (?< double>\w)\k< double> | "deep" 中的 "ee" |
(?< name1 -name2 >subexpression) | 定义平衡组定义。 | (((?‘Open‘\()[^\(\)]*)+((?‘Close-Open‘\))[^\(\)]*)+)*(?(Open)(?!))$ | "3+2^((1-3)*(3-1))" 中的 "((1-3)*(3-1))" |
(?: subexpression) | 定义非捕获组。 | Write(?:Line)? | "Console.WriteLine()" 中的 "WriteLine" |
(?imnsx-imnsx:subexpression) | 应用或禁用 subexpression 中指定的选项。 | A\d{2}(?i:\w+)\b | "A12xl A12XL a12xl" 中的 "A12xl" 和 "A12XL" |
(?= subexpression) | 零宽度正预测先行断言。 | \w+(?=\.) | "He is. The dog ran. The sun is out." 中的 "is"、 "ran" 和 "out" |
(?! subexpression) | 零宽度负预测先行断言。 | \b(?!un)\w+\b | "unsure sure unity used" 中的 "sure" 和 "used" |
(?<=subexpression) | 零宽度正回顾后发断言。 | (?<=19)\d{2}\b | "1851 1999 1950 1905 2003" 中的 "99"、"50"和 "05" |
(?<! subexpression) | 零宽度负回顾后发断言。 | (?<!wo)man\b | "Hi woman Hi man" 中的 "man" |
(?> subexpression) | 非回溯(也称为"贪婪")子表达式。 | [13579](?>A+B+) | "1ABB 3ABBC 5AB 5AC" 中的 "1ABB"、 "3ABB" 和 "5AB" |
示例:
正则表达式:@"(?:[a-zA-Z0-9_]+)@(?:[a-zA-Z0-9])+\.com
string str = "xx@ii.comklajslklk op@o.com 09ij@11.com"; Regex regex1 = new Regex(@"([0-9a-zA-Z_]+)@([0-9a-zA-Z_]+)\.com"); MatchCollection matchCollection; matchCollection = regex1.Matches(str); foreach (Match param in matchCollection) { Console.WriteLine(param); Console.WriteLine($"用户名:{param.Groups[1]}"); }
输出:
我们可以利用分组来进行各组内容的分组输出。
·零宽度正\反预测断言
搜索的字符在括号前面
string str = "张三 电话:13232323444 李四 电话:13289898878 王五 电话:13766789877"; Regex regex1 = new Regex(@"\b\w+(?!\s+电话:)"); MatchCollection matchCollection; matchCollection = regex1.Matches(str); foreach (Match param in matchCollection) { Console.WriteLine(param); }
(?=)零宽度正预测断言,零宽度意思是它包含的内容只指代位置不占据任何宽度;表示匹配到对应的内容。以上代码意思是查找占位边界+若干个字符并且后面跟着任意空字符+“电话:”的字符串。所以匹配到了人名。
string str = "张三 电话:13232323444 李四 电话:13289898878 王五 电话:13766789877"; Regex regex1 = new Regex(@"\b\w+(?!\s+电话:)"); MatchCollection matchCollection; matchCollection = regex1.Matches(str); foreach (Match param in matchCollection) { Console.WriteLine(param); }
(?!)零宽度反预测断言,零宽度意思是它包含的内容只指代位置不占据任何宽度;表示匹配到对应的内容除外的字符。以上代码意思是查找占位边界+若干个字符并且后面不是任意空字符+“电话:”的字符串。看起来这个匹配结果比较奇怪,仔细分析一下:\b是包含空格等字符边界,所以字符起点也算一个\b,加若干个字符第一个是张三,但是三后面跟了\s电话:所以三不符合条件,第二个边界是三后面的字符,电话字符后面没有跟着电话:所以也匹配出来了,:也是一个边界,数字后面没有跟着电话:所以也匹配出来了。总结一下就是从开头开始,找字符串后面不带电话:的字符,遇到空格或者:算一个节,匹配到一个算一个。
·零宽度正\负回顾后发断言
搜索的字符在括号后面
string str = "张三 电话:13232323444 李四 电话:13289898878 王五 电话:13766789877"; Regex regex1 = new Regex(@"(?<=\s+电话:)\d+"); MatchCollection matchCollection; matchCollection = regex1.Matches(str); foreach (Match param in matchCollection) { Console.WriteLine(param); }
(?<=)零宽度正回顾后发断言,零宽度意思是它包含的内容只指代位置不占据任何宽度;表示匹配字符后面是括号内容的规则。以上代码意思是:查找前面为\s+电话:的连续数字字符串。
string str = "张三 电话:13232323444 李四 电话:13289898878 王五 电话:13766789877"; Regex regex1 = new Regex(@"(?<!\s+电话:)\d+"); MatchCollection matchCollection; matchCollection = regex1.Matches(str); foreach (Match param in matchCollection) { Console.WriteLine(param); }
(?<=)零宽度负回顾后发断言,零宽度意思是它包含的内容只指代位置不占据任何宽度;表示匹配字符后面的内容不是括号内容的规则。以上代码意思是:查找前面不为\s+电话:的连续数字字符串。
六、正则表达式限定符
限定符指定在输入字符串中必须存在上一个元素(可以是字符、组或字符类)的多少个实例才能出现匹配项。
限定符 | 描述 | 模式 | 匹配 |
---|---|---|---|
* | 匹配上一个元素零次或多次。 | \d*\.\d | ".0"、 "19.9"、 "219.9" |
+ | 匹配上一个元素一次或多次。 | "be+" | "been" 中的 "bee", "bent" 中的 "be" |
? | 匹配上一个元素零次或一次。 | "rai?n" | "ran"、 "rain" |
{ n } | 匹配上一个元素恰好 n 次。 | ",\d{3}" | "1,043.6" 中的 ",043", "9,876,543,210" 中的 ",876"、 ",543" 和 ",210" |
{ n ,} | 匹配上一个元素至少 n 次。 | "\d{2,}" | "166"、 "29"、 "1930" |
{ n , m } | 匹配上一个元素至少 n 次,但不多于 m 次。 | "\d{3,5}" | "166", "17668", "193024" 中的 "19302" |
*? | 匹配上一个元素零次或多次,但次数尽可能少。 | \d*?\.\d | ".0"、 "19.9"、 "219.9" |
+? | 匹配上一个元素一次或多次,但次数尽可能少。 | "be+?" | "been" 中的 "be", "bent" 中的 "be" |
?? | 匹配上一个元素零次或一次,但次数尽可能少。 | "rai??n" | "ran"、 "rain" |
{ n }? | 匹配前导元素恰好 n 次。 | ",\d{3}?" | "1,043.6" 中的 ",043", "9,876,543,210" 中的 ",876"、 ",543" 和 ",210" |
{ n ,}? | 匹配上一个元素至少 n 次,但次数尽可能少。 | "\d{2,}?" | "166"、 "29" 和 "1930" |
{ n , m }? | 匹配上一个元素的次数介于 n 和 m 之间,但次数尽可能少。 | "\d{3,5}?" | "166", "17668", "193024" 中的 "193" 和 "024" |