.net高级技术（class0515)

浏览数：17 / 时间：2015年06月09日

本次课程中讲的有的东西都是根据初学者的认知规律进行了调整，并不是严谨的，比如很多地方在多AppDomain条件下很多说法就不对了，但是说严谨了大家就晕了，因此继续不严谨的讲吧。很多面试题都在这阶段的课程中。 .Net高级技术属于拔高内容，根据自己的基础决定学习深度。参考教材：《C#高级编程》《C#图解教程》《CLR Via C#》

正则表达式前奏：地狱

需求1：“192.168.10.5[port=8080]”,这个字符串表示IP地址为192.168.10.5的服务器的8080端口是打开的，请用程序解析此字符串，然后打印出“IP地址为***的服务器的***端口是打开的”。

需求2：“192.168.10.5[port=21,type=ftp]”，这个字符串表示IP地址为192.168.10.5的服务器的21端口提供的是ftp服务，其中如果“,type=ftp”部分被省略，则默认为http服务。请用程序解析此字符串，然后打印出“IP地址为***的服务器的***端口提供的服务为***”

需求3：判断一个字符串是否是Email？必须含有@和.、不能以@或者.开始或者结束、@要在最后一个.之前

需求4：从一个文本中提取出所有的Email：我有全部333M的照片，要的给我发email:[email protected]。我也要[email protected]，[email protected]，楼主好人：[email protected]。需求5：提取网页中的所有图片、超链接。

正则表达式入门：天堂

正则表达式是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。javascript中还会用到。

一个正则表达式就是由普通字符以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。就像通配符“*.jpg”、“%ab%”，它是对字符串进行匹配的特殊字符串正则表达式是非常复杂的，不要希望一次都掌握，理解正则表达式能做什么（字符串的匹配、字符串的提取、字符串的替换），掌握常用的正则表达式用法，以后用到再查就行。找工作的亮点。后面项目中的敏感词过滤、Validator等也会涉及到正则表达式。

元字符1

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"。

元字符2

*：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”。

元字符3

^（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”

简写表达式

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，只不过在正则表达式分析引擎看来他有了特殊含义。"\\d"或者@"\d"

\d：代表一个数字，等同于[0-9]

\D：代表非数字，等同于[^0-9]

\s：代表换行符、Tab制表符等空白字符

\S：代表非空白字符

\w：匹配字母或数字或下划线或汉字，即能组成单词的字符

\W：非\w ，等同于[^\w]

d：digital；s：space、w：word。大写就是“非”

.Net中的正则表达式1

参考：《C#高级编程》7.3。发元字符解释PPT

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

常用的3种情况：（C#语法）

判断是否匹配：Regex.IsMatch(“字符串”,”正则表达式”);

字符串提取：Regex.Match(“字符串”,“要提取的字符串的正则表达式”);

字符串提取(循环提取所有)： Regex.Matches()

字符串替换：Regex.Replace(“字符串”,”正则”,”替换内容”);

.Net中的正则表达式2

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

字符串匹配案例1

练习1：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。

字符串匹配案例2

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.//匹配“以15位数字开始”或者“以18位数字结束”（ | 的优先级最低，最后执行）

正确写法：Console.WriteLine(Regex.IsMatch("0111111111111111", @"^\d{15}$|^\d{18}$"))或者@"^(\d{15}|\d{18})$"

字符串匹配案例3

判断字符串是否为正确的国内电话号码，不考虑分机。

010-8888888或010-88888880或010xxxxxxx

0335-8888888或0335-88888888（区号-电话号）

10086、10010、95595、95599、95588（5位）

13888888888（11位都是数字）

Regex.IsMatch(phoneNumber, @“^((\d{3,4}\-?\d{7,8})|(\d{5})|(\d{11}))$");

按照要求一个一个写，都用|连起来。注意：由于区号有时为010-xxxxxxx有时为010xxxxxxx，-可有可无，所以需要?,由于-表示一个区间，所以这里要转义\-。最后不要忘记在所有|的最外层加一对()

while (true)
            {
                string phoneNumber = Console.ReadLine();
                bool b = Regex.IsMatch(phoneNumber, @"^((\d{3,4}\-\d{7,8})|(\d{5})|(\d{11}))$");
                Console.WriteLine(b);
            }

字符串匹配案例4

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“\.”。

Email:
^(([a-zA-Z0-9_\-\.]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5}){1,25})+([;.](([a-zA-Z0-9_\-\.]+)@([a-zA-Z0-9_\-\.]+)\.([a-zA-Z]{2,5}){1,25})+)*$

字符串匹配练习

1、匹配IP地址，4段用.分割的最多三位数字。 192.168.54.77、333.333.333.333假设都是正确的。

2、判断是否是合法的日期格式“2008-08-08”。四位数字-两位数字-两位数字。

3、判断是否是合法的url地址，http://www.test.com/a.htm、ftp://127.0.0.1/1.txt。字符串序列://字符串序列。@"^\w+://.+$"。//简化的识别，项目中你搜“w3c URL 正则表达式”。.+而不是\w，否则"?id=1"中的?就不能匹配了。 http://www.test.com/a.aspx?id=1

元字符中的字符，如果想直接匹配的话都需要转移: \. \+ \? \+ \- \* ……….

=================================================

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。或者去http://www.regexlib.com/ 搜索。

IP地址正则表达式：
^(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])$ 

URL匹配：
^(http|https|ftp)\://([a-zA-Z0-9\.\-]+(\:[a-zA-Z0-9\.&amp;%\$\-]+)*@)*((25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])|localhost|([a-zA-Z0-9\-]+\.)*[a-zA-Z0-9\-]+\.(com|edu|gov|int|mil|net|org|biz|arpa|info|name|pro|aero|coop|museum|[a-zA-Z]{2}))(\:[0-9]+)*(/($|[a-zA-Z0-9\.\,\?\‘\\\+&amp;%\$#\=~_\-]+))*$ 


(0[1-9])|(1[012])匹配月份

字符串提取-提取所有“超链接”

MatchCollection matches = Regex.Matches(str, "<a href=\".*?\">.*?</a>");
            foreach (Match item in matches)
            {
                if (item.Success)
                {
                    Console.WriteLine(item.Value);
                }
            }
@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符无法匹配。使用\s
.不匹配回车、换行等空白字符。
Regex.Match()只能匹配第一个，怎么办？

match的Success属性表示是否匹配成功；
提取文档中所有匹配该正则表达式的字符串。
介绍贪婪模式。
test1.htm
@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符无法匹配。使用\s
//提取字符串的时候不需要用^$

string str = "<a href=\"www.baidu.com\">baidu</a>fdsfdsfdsfdfd<a href=\"www.google.com\">google</a>乱七八糟什么都有ffdsf<a href=\"www.163.com\">163</a>s辅导书frewrewre<a href=\"www.sohu.com\">sohu</a><h1>这个是测试！！</h1><a href=\"www.sina.com.cn\">sina</a>sfdsfdss";
@“<a((\s*?)(.+?)(\s*?))>.+?</a>“ //空白符无法匹配。使用\s

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。", "我是(.+)。");//没有加^$。

看结果。+、*、{n}、{n,}、{n,m}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。

提取网页中的所有url
提取网页中的所有http://.....
没有在<a ></a>标签中的也要提取
 MatchCollection matches = Regex.Matches(htmltxt, @"http://[a-zA-z0-9\-_\?&=\.]+");
            foreach (Match match in matches)
            {
                Console.WriteLine(match.Value);
            }