正则表达式的使用，字符串提取，字符串匹配（C#语言）
浏览数：89 /
时间：2015年06月08日
在程序中常常设计字符串的处理，比如①：判断用户的输入字符串是否符合要求，是否是非法字符串，②：取出一个很复杂字符串的某一程序中需要的部分等
这事用自己写算法判断通常是十分困难的，所以遇到字符串的处理时要很快想到用正则表达式。
一：正则表达式元字符
•要想学会正则表达式，理解元字符是一个必须攻克的难关。不用刻意记
•.：匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。
•[ ] ：匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[0-9]c”等价于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母，“[A-Za-z0-9]”可以匹配任何的大小写字母或者数字。
•( ) ：将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。把一些字符表示为一个整体。改变优先级、定义提取组两个作用。
•| ：将两个匹配条件进行逻辑“或”运算。‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 则匹配 "zood" 或 "food"。
•*：匹配0至多个在它之前的子表达式，和通配符*没关系。例如正则表达式“zo*”能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味着能够匹配任意字符串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括号改变优先级）。
•+ ：匹配前面的子表达式一次或多次，和*对比（0到多次）。例如正则表达式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。
•? ：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" 。一般用来匹配“可选部分”。
•{n} ：匹配确定的 n 次。"zo{2}"→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的两个“e”。
•{n,} :至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配 “seeeeeeeed”中的所有“e”。
•{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。
•^（shift+6） ：匹配一行的开始。例如正则表达式“^regex”能够匹配字符串“regex我会用”的开始，但是不能匹配“我会用regex”。
•^另外一种意思：非！（暂时不用理解）
•$ ：匹配行结束符。例如正则表达式“浮云$” 能够匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀”
•正则表达式是与语言无关真的就是想表达\d。
注意这些简写表达式是不考虑转义符的，这里的\就表示字符\，而不是C#字符串级别的\，在C#代码中需要使用@或者\双重转义。区分C#级别的转移和正则表达式级别的转移，恰好C#的转义符和正则表达式的转义符都是\而已。正则表达式的转移是在C#之后的（层层盘剥）。把C#的转义符想成%就明白了。在C#看来@"\-"就是\-这个普通的字符串，只不过在二、.Net中的正则表达式
1.字符串的匹配：
•正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。
•正则表达式（Regular Expression）的主要类：Regex.IsMatch方法用于判断一个字符串是否匹配正则表达式。
•字符串匹配例子：
Regex.IsMatch("bbbbg","^b.*g $");
Regex.IsMatch("bg", "^b.*g $ ");
Regex.IsMatch("gege", "^b.*g $ ");
一定不能忘了^和$，否则也能匹配yesbagit
例如：
•判断是否是合法的邮政编码（6位数字）
•Regex.IsMatch("100830","^[0-9]{6}$")
Regex.IsMatch("119", @"^\d{6}$");
解释：由元字符定义得知"[0-9]"表示0到9的任意字符，"{6}"表示前面的字符匹配6此，因此“[0-9]{6}”中的{6}表示对数字匹配6次。简写表达式得知“[0-9]”可以被“\d”代替，所以第二种写法“\d{6}”也是正确的。不要忘了@或者\\d
•判断一个字符串是不是身份证号码，即是否是15或18位数字。
•错误写法：Regex.IsMatch("123456789123456789", @"^\d{15}|\d{18}$")，表示15位数字开头或者18位数字结尾。
•正确写法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$"
•判断字符串是否为正确的国内电话号码，不考虑分机。比如“010-95555”、“01095555”、“95555”都是正确的号码。区号为3位或者4位。
• Regex.IsMatch("123456-95555", @"^\d{3,4}\-?\d+$")
•"^\d{3,4}\-?\d+$"表示被匹配的字符序列应该是由三至四位数字组成，由于长途区号的连字符“-”可有可无，所以这里使用“?”元字符进行说明。由于连字符“-”在正则表达式中有特殊含义(表示范围，比如[0-9])，所以要对其进行转义。
•判断一个字符串是否是合法的Email地址。一个Email地址的特征就是以一个字符序列开始，后边跟着“@”符号，后边又是一个字符序列，后边跟着符号“.”，最后是字符序列
•Regex.IsMatch("[email protected]", @"^\w+@\w+\.\w+$");
•[]括号中的任意字符，\w字母、数字、下划线，+一到多个。由于.在正则表达式中有特殊的含义，因此对于真正想表达“.”则需要转移“\.”。先想正则表达式是语言无关的。这是因为C#中、正则表达式中\都代表转义符，就有点乱了。考虑的时候先不考虑C#语言，分成两步先考虑正则表达式语法，再考虑找个正则表达式在C#中如何表示。
•取巧的办法：从ASP.Net的RegularExpressionValidator中抄常用的正则表达式，工作中一般是从网上找现成的。
2.字符串提取：
•正则表达式还可以用来进行字符串提取
Match match = Regex.Match("age=30", @"^(. +)=(.+)$");
if (match.Success)
{
Console.WriteLine(match.Groups[1] .Value);
Console.WriteLine(match.Groups[2] .Value);
}
match的Success属性表示是否匹配成功；正则表达式中用()将要提取的内容括起来，然后就可以通过Match的Groups属性来得到所有的提取元素，注意Groups的序号是从1开始的，0有特殊含义
贪婪模式与非贪婪模式
•从文本提取出名字：
•Match match = Regex.Match("大家好。我是S.H.E。我22岁了。我病了，呜呜。fffff", "我是(.+)。");//没有加^$。
•看结果。+、*的匹配默认是贪婪(greedy)的：尽可能多的匹配，直到“再贪婪一点儿”其后的匹配模式就没法匹配为止。
•在+、*后添加?就变成非贪婪模式（? 的另外一个用途）：让其后的匹配模式尽早的匹配。修改成"我是(.+?)。"
•一般开发的时候不用刻意去修饰为非贪婪模式，只有遇到bug的时候发现是贪婪模式的问题再去解决。因为贪婪效率高。
匹配组
•正则表达式可以从一段文本中将所有符合匹配的内容都输出出来。Match获得的是匹配的第一个。Regex.Matches方法可以获得所有的匹配项。注意区别：匹配和group的区别：见备注1
•练习：从一段文本中提取所有的数字
MatchCollection matches = Regex.Matches("大家好，我是Hebe，我22岁了，身高180，我们团队有3个女女！", @"\d+");
foreach(Match match in matches)
{Console.WriteLine(match.Value);}
3.C#字符串提取示例代码：
using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; using System.Text.RegularExpressions; namespace 正则表达式取括号里面的值 { public partial class Form1 : Form { public Form1() { InitializeComponent(); } //使用正则表达式将，字符串中的需要的数据取出来 //本例去除host，port，已经sid的值 private void button1_Click(object sender, EventArgs e) { string host; string PORT; string SID; string str = "(DESCRIPTION = (ADDRESS_LIST = (ADDRESS = (PROTOCOL = TCP)(HOST = ahnu)(PORT = 1521)))(CONNECT_DATA = (SID =orcl)))"; str = str.Trim(); //方法一：一个一个取，有针对性， Match match = Regex.Match(str, @"\(HOST=?(.+?)\)"); if (match.Success) { host = match.Groups[1].Value; } match = Regex.Match(str, @"\(PORT=?(.+?)\)"); if (match.Success) { PORT = match.Groups[1].Value; } match = Regex.Match(str, @"\(SID=?(.+?)\)"); if (match.Success) { SID = match.Groups[1].Value; } //方法二：取出所有的匹配字符串，这里只是介绍如果多个字符串匹配如何处理。 MatchCollection mts = Regex.Matches(str, @"\(HOST(.+?)=?(.+?)\)"); for (int i = 0; i < mts.Count; i++) { Match mt = mts[i]; MessageBox.Show(mt.Value); MessageBox.Show(mt.Groups[1].Value); } //方法三：先取出一部分然后作为新的字符串再提取，这样做避免正则表达式的部分写错而匹配不了 情况。 Match m = Regex.Match(str, @".+?=.+?=.+?=(.+?)\)\).+?=(.+?)\)\)"); if (m.Success) { string s1 = m.Groups[1].Value;//" (PROTOCOL = TCP)(HOST = AHNU)(PORT = 1521" string s2 = m.Groups[2].Value;// (SID =ORCL" if (m.Success) { string str3 = m.Groups[1].Value; string str4 = m.Groups[2].Value; //" (PROTOCOL = TCP)(HOST = AHNU)(PORT = 1521" if (m.Success) { host = m.Groups[1].Value; PORT = m.Groups[2].Value; } m = Regex.Match(s2, @"\(.+?=(.+)"); if (m.Success) { SID = m.Groups[1].Value; } } } } } }
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
