net中的正則表達(dá)式使用高級(jí)技巧

1、.net中的正則表達(dá)式使用高級(jí)技巧前言一、本系列文章不講述基本的正則語(yǔ)法，這些可以在微軟的JS幫助文檔中找到，也可以Google一下二、寫系列文章的原因1、正則很有用，而且經(jīng)常要用2、正則的一些高級(jí)用法有相當(dāng)一部分人還沒(méi)有理解和掌握3、剛好又在網(wǎng)上看到了一篇文章錯(cuò)誤的使用了正則式，使我有了寫本文的沖動(dòng)4、本系列文章的大部分知識(shí)可同時(shí)適用于.net語(yǔ)言，JavaScript等三、本系列文章特點(diǎn)：盡量使用小例子來(lái)說(shuō)明相對(duì)難懂而很多正則書籍都沒(méi)有說(shuō)清的正則語(yǔ)法四、本系列文章內(nèi)容：替換的高級(jí)語(yǔ)法，內(nèi)聯(lián)表達(dá)式選項(xiàng)，組，反向引用，正聲明，負(fù)聲明，正反聲明，負(fù)反聲明，非回溯匹配，判斷式，.net正則引擎特點(diǎn)

2、等 因?yàn)?net的基本正則語(yǔ)法和Perl5基本相同，所以基本語(yǔ)法你可以去下載一下M$的JS幫助文檔，上面有詳細(xì)的說(shuō)明d表示什么，,5表示什么，表示什么，這里我只想提醒大家一點(diǎn)，為了避免和反向引用相沖突，在你用nn表示八進(jìn)制的ASCII碼時(shí)，請(qǐng)?jiān)诤蠹?，就是說(shuō)，40在表示ASCII碼時(shí)，請(qǐng)這樣寫040。替換Regex類有一個(gè)靜態(tài)的Replace方法，其實(shí)例也有一個(gè)Replace方法，這個(gè)方法很強(qiáng)大，因?yàn)樗梢詡魅胍粋€(gè)delegate，這樣，你可以自定義每次捕獲匹配時(shí)，如何處理捕獲的內(nèi)容。publicstaticvoidMain()strings=11235;s=Regex.Replace(s,d

3、+,newMatchEvaluator(CorrectString),RegexOptions.Compiled|RegexOptions.IgnoreCase);Console.WriteLine(s);Console.ReadLine();privatestaticstringCorrectString(Matchmatch)stringmatchValue=match.Value;if(matchValue.Length=1)matchValue=0+matchValue;returnmatchValue;以上這段代碼說(shuō)明了如果使用delegate MatchEvaluator來(lái)處理正則

4、的Match結(jié)果，該代碼返回01 12 03 05。Replace方法除了使用delegate來(lái)處理捕獲的Match，還可以用字符串來(lái)替換Match的結(jié)果，而用字符串來(lái)替換Match結(jié)果除了把Match結(jié)果靜態(tài)的替換成一個(gè)固定的文本外，還可以使用以下語(yǔ)法來(lái)更方便的實(shí)現(xiàn)你需要的功能： $number把匹配的第number組替換成替換表達(dá)式，還有這句話怎么寫也表達(dá)不清楚意思，還是來(lái)個(gè)例子吧：publicstaticvoidMain()strings=11235;s=Regex.Replace(s,(d+)(?#這個(gè)是注釋),0$1,RegexOptions.Compiled|RegexOption

5、s.IgnoreCase);Console.WriteLine(s);Console.ReadLine();這段代碼返回的是“01 012 0305” 就是說(shuō)，對(duì)組一的每個(gè)匹配結(jié)果都用0$1這個(gè)表達(dá)式來(lái)替換，0$1中$1由組1匹配的結(jié)果代入$name把匹配的組名為name的組替換成表達(dá)式，上例的Regex expression改成(?d+)(?#這個(gè)是注釋)后面的替換式改為0$name結(jié)果是一樣的$做$的轉(zhuǎn)義符，如上例表達(dá)式改成(?d+)(?#這個(gè)是注釋)和$name，則結(jié)果為$1 $12 $3 $5$&替換整個(gè)匹配$替換匹配前的字符$替換匹配后的字符$+替換最后匹配的組$_替換整個(gè)字符串后面

6、的選項(xiàng)，大家自己寫個(gè)例子體味一下。*注,上例中的(?#這個(gè)是注釋)說(shuō)明了正則的內(nèi)聯(lián)注釋語(yǔ)法為(?#)表達(dá)項(xiàng)選項(xiàng)正則表達(dá)式選項(xiàng)RegexOptions有如下一下選項(xiàng)，詳細(xì)說(shuō)明請(qǐng)參考聯(lián)機(jī)幫助RegexOptions枚舉值內(nèi)聯(lián)標(biāo)志簡(jiǎn)單說(shuō)明ExplicitCapturen只有定義了命名或編號(hào)的組才捕獲IgnoreCasei不區(qū)分大小寫IgnorePatternWhitespacex消除模式中的非轉(zhuǎn)義空白并啟用由#標(biāo)記的注釋。MultiLinem多行模式，其原理是修改了和$的含義SingleLines單行模式，和MultiLine相對(duì)應(yīng)這里我提到內(nèi)聯(lián)標(biāo)志，是因?yàn)橄鄬?duì)于用RegexOptions在new

7、Regex時(shí)定義Regex表達(dá)式的全局選項(xiàng)來(lái)說(shuō)，內(nèi)聯(lián)標(biāo)志可以更小粒度（以組為單位）的定義匹配選項(xiàng)，從而更方便表達(dá)我們的思想語(yǔ)法是這樣的：(?i:expression)為定義一個(gè)選項(xiàng)，(?-i:expression)為刪除一個(gè)選項(xiàng)，(?i-s:expression)則定義i，刪除s,是的，我們可以一次定義很多個(gè)選項(xiàng)。這樣，通過(guò)內(nèi)聯(lián)選項(xiàng)，你就可以在一個(gè)Regex中定義一個(gè)組為匹分大小寫的，一個(gè)組不匹分大小寫的，是不是很方便呢?正則表達(dá)式中的組是很重要的一個(gè)概念，它是我們通向高級(jí)正則應(yīng)用的的橋梁組的概念一個(gè)正則表達(dá)式匹配結(jié)果可以分成多個(gè)部分，這就是組(Group)的目的。能夠靈活的使用組后，你會(huì)發(fā)現(xiàn)

8、Regex真是很方便，也很強(qiáng)大。先舉個(gè)例子publicstaticvoidMain()strings=2005-2-21;Regexreg=newRegex(?d4)-(?d1,2)-(?d1,2),RegexOptions.Compiled);Matchmatch=reg.Match(s);intyear=int.Parse(match.Groupsy.Value);intmonth=int.Parse(match.Groupsm.Value);intday=int.Parse(match.Groupsd.Value);DateTimetime=newDateTime(year,month,

9、day);Console.WriteLine(time);Console.ReadLine();以上的例子通過(guò)組來(lái)實(shí)現(xiàn)分析一個(gè)字符串，并把其轉(zhuǎn)化為一個(gè)DateTime實(shí)例，當(dāng)然，這個(gè)功能用DateTime.Parse方法就能很方便的實(shí)現(xiàn)。在這個(gè)例子中，我把一次Match結(jié)果用(?)的方式分成三個(gè)組y,m,d分別代表年、月、日?，F(xiàn)在我們已經(jīng)有了組的概念了，再來(lái)看如何分組，很簡(jiǎn)單的，除了上在的辦法，我們可以用一對(duì)括號(hào)就定義出一個(gè)組，比如上例可以改成publicstaticvoidMain()strings=2005-2-21;Regexreg=newRegex(d4)-(d1,2)-(d1,2),

10、RegexOptions.Compiled);Matchmatch=reg.Match(s);intyear=int.Parse(match.Groups1.Value);intmonth=int.Parse(match.Groups2.Value);intday=int.Parse(match.Groups3.Value);DateTimetime=newDateTime(year,month,day);Console.WriteLine(time);Console.ReadLine();從上例可以看出，第一個(gè)括號(hào)對(duì)包涵的組被自動(dòng)編號(hào)為1,后面的括號(hào)依次編號(hào)為2、3publicstaticv

11、oidMain()strings=2005-2-21;Regexreg=newRegex(?d4)-(?d1,2)-(?d1,2),RegexOptions.Compiled);Matchmatch=reg.Match(s);intyear=int.Parse(match.Groups2.Value);intmonth=int.Parse(match.Groups1.Value);intday=int.Parse(match.Groups3.Value);DateTimetime=newDateTime(year,month,day);Console.WriteLine(time);Conso

12、le.ReadLine();再看上例，我們用(?)的方式手工給每個(gè)括號(hào)對(duì)的組編號(hào)，（注意我定義1和2的位置時(shí)不是從左到右定義的）通過(guò)以上三例，我們知道了給Regex定義Group的三種辦法以及相應(yīng)的引用組匹配結(jié)果的方式。然后，關(guān)于組定義，還有兩點(diǎn)請(qǐng)注意：1、因?yàn)槔ㄌ?hào)用于定義組了，所以如果要匹配(和)，請(qǐng)使用(和)(關(guān)于所有特殊字符的定義，請(qǐng)查看相關(guān)Regex expression幫助文檔)。2、如果定義Regex時(shí)，使用了ExplicitCapture選項(xiàng)，則第二個(gè)例子不會(huì)成功，因?yàn)榇诉x項(xiàng)要求顯式定義了編號(hào)或名字的組才捕獲并保存結(jié)果，如果你沒(méi)有定義ExplicitCapture選項(xiàng)，而有時(shí)又定

13、義了類式于(A|B)這樣的部分在表達(dá)式，而這個(gè)(A|B)你又并不想捕獲結(jié)果，那么可以使用“不捕獲的組”語(yǔ)法，即定義成(?:)的方式，針對(duì)于(A|B),你可以這樣來(lái)定義以達(dá)到不捕獲并保存它到Group集合中的目的(?:A|B)。反向引用反向引用，指把匹配出來(lái)的組引用到表達(dá)式本身其它地方，比如，在匹配HTML的標(biāo)記時(shí)，我們匹配出一個(gè),我們要把匹配出來(lái)的a引用出來(lái)，用來(lái)找到，這個(gè)時(shí)候就要用到反向引用。語(yǔ)法 a、反向引用編號(hào)的組，語(yǔ)法為number b、反向引用命名的組，語(yǔ)法為k舉例 a、匹配成對(duì)的HTML標(biāo)簽(?s+)*.*/k b、匹配兩個(gè)兩個(gè)重疊出現(xiàn)的字符publicstaticvoidMain

14、()strings=aabbc11asd;Regexreg=newRegex(w)1);MatchCollectionmatches=reg.Matches(s);foreach(Matchminmatches)Console.WriteLine(m.Value);Console.ReadLine();返回結(jié)果為aa bb 11輔助匹配組以下幾種組結(jié)構(gòu)，括號(hào)中的Pattern都不作為匹配結(jié)果的一部分進(jìn)行保存 1、正聲明(?=)涵義：括號(hào)中的模式必須出現(xiàn)在聲明右側(cè)，但不作為匹配的一部分publicstaticvoidMain()strings=C#.net,VB.net,PHP,Java,JS;

15、Regexreg=newRegex(w#+(?=.net),RegexOptions.Compiled);MatchCollectionmc=reg.Matches(s);foreach(Matchminmc)Console.WriteLine(m.Value);Console.ReadLine();/輸出C#VBJScript可以看到匹配引擎要求匹配.net，但卻不把.net放到匹配結(jié)果中 2、負(fù)聲明(?!)涵義：括號(hào)中的模式必須不出現(xiàn)在聲明右側(cè)下例演示如何取得一個(gè)標(biāo)簽對(duì)中的全部?jī)?nèi)容，即使其中包含別的HTML tag。publicstaticvoidMain()stringnewsConte

16、nt=url:testRegex.;RegexregEnd=newRegex(*(|(?!/a)*,RegexOptions.Multiline);Console.WriteLine(regEnd.Match(newsContent).Value);/Result:testRegexConsole.ReadLine(); 3、反向正聲明(?=)涵義：括號(hào)中的模式必須出現(xiàn)在聲明左側(cè)，但不作為匹配的一部分 4、反向負(fù)聲明(?)涵義：該組匹配后，其匹配的字符不能通過(guò)回溯用于后面的表達(dá)式的匹配。呵呵，光看這句話肯定搞不懂，我當(dāng)初為了搞懂這個(gè)也花了不少的時(shí)間，還是通過(guò)實(shí)例來(lái)說(shuō)明吧：可以通過(guò)w+.(.*)

17、.w+來(lái)匹配，卻不能通過(guò)w+.(?.*).w+來(lái)匹配！為什么呢？原因是正則匹配是貪婪的，匹配時(shí)它會(huì)盡可能多的匹配最多的結(jié)果，所以，上例兩個(gè)正則式中的.*都會(huì)把匹配完，這個(gè)時(shí)候，第一個(gè)表達(dá)式在開始匹配時(shí)發(fā)現(xiàn).w+沒(méi)得字符給它匹配了，所以它會(huì)進(jìn)行回溯，所謂回溯，就是把.*匹配的結(jié)果往回推，回推留出來(lái)的字符再用來(lái)匹配.w+,直到.w+匹配成功，整個(gè)表達(dá)式返回成功的匹配結(jié)果。而第二個(gè)表達(dá)式，因使用的是非回溯匹配，所以，.*匹配完后，不允許通過(guò)回溯來(lái)匹配.w+，所以整個(gè)表達(dá)式匹配失敗。請(qǐng)注意，回溯匹配是很浪費(fèi)資源的一種匹配方式，所以，請(qǐng)盡量避免您的正則式要通過(guò)回溯來(lái)成功匹配，如上例，可以換成w+.(.+

18、.)+w+。Lazy匹配語(yǔ)法：?,*?,+?,n?,n,m?涵義：簡(jiǎn)單說(shuō)，后面的這個(gè)?(lazy符)告訴正則引擎，它前面的表達(dá)式匹配到最短的匹配項(xiàng)就不用匹配下去了，如?，?本身匹配0-1個(gè)匹配項(xiàng)，那么?就取最短的，匹配0個(gè)項(xiàng)就不匹配下去了，同理，*?匹配0個(gè)，+?匹配1個(gè)，n?匹配n個(gè)，n,m?匹配n個(gè)。當(dāng)用”w*?”匹配”abcd”時(shí)，會(huì)有五次成功匹配，每次都匹配的結(jié)果都是空字符串，為什么會(huì)是5次呢，這是因?yàn)檎齽t引擎在匹配一個(gè)表達(dá)式時(shí)是一個(gè)字符一個(gè)字符對(duì)比下去的，每成功匹配一次，就前進(jìn)一下。判斷表達(dá)式語(yǔ)法：1、A|B，這個(gè)是最基本的，A或者B，其實(shí)這個(gè)不能算判斷2、(?(expression

19、)yes-expression|no-expression),其中no-expression為可選項(xiàng)，意為，如果expression成立，則要求匹配yes-expression,否則要求匹配no-expression3、(?(group-name)yes-expressioin|no-expression),其中no-expression為可選項(xiàng)，意為，如果名為group-name的組匹配成功，則要求匹配yes-expression,否則要求匹配no-expression判斷表達(dá)式還是很好理解的，唯有一點(diǎn)要注意：(?(A)A|B)不能匹配AA,為什么呢?要怎么樣寫才能匹配呢，大家先想想我們應(yīng)該這樣寫Regex: ”(?(A)AA|B)”，請(qǐng)注意，判斷式中的內(nèi)容并不會(huì)做為yes-expression或no-expression表達(dá)式的一部分。.net的正則引擎工作特點(diǎn).net的正則引擎工作方式大多數(shù)和我們“想當(dāng)然”的方式一樣，只是有幾點(diǎn)要注意：