正则表达式高级篇

前言

因为.net的基本正则语法和Perl5基本相同，所以基本语法你可以去下载一下M$的JS帮助文档，上面有详细的说明d表示什么，{,5}表示什么，[表示什么……，这里我只想提醒大家一点，为了避免和反向引用相冲突，在你用 n表示八进制的ASCII码时，请在后加0，就是说，40在表示ASCII码时，请这样写040。

替换

Regex类有一个静态的Replace方法，其实例也有一个Replace方法，这个方法很强大，因为它可以传入一个delegate，这样，你可以自定义每次捕获匹配时，如何处理捕获的内容。 

        public static void Main()         {                 string s = "1 12 3 5";             s = Regex.Replace(s,@"d+",new Matchevaluator(CorrectString),RegexOptions.Compiled|RegexOptions.IgnoreCase);             Console.WriteLine(s);             Console.ReadLine();         }         private static string CorrectString(Match match)         {             string matchValue = match.Value;             if(matchValue.Length == 1)                 matchValue = "0" + matchValue;             return matchValue;         }

以上这段代码说明了如果使用delegate Matchevaluator来处理正则的Match结果，该代码返回"01 12 03 05"。Replace方法除了使用delegate来处理捕获的Match，还可以用字符串来替换Match的结果，而用字符串来替换Match结果除了把Match结果静态的替换成一个固定的文本外，还可以使用以下语法来更方便的实现你需要的功能：

$number

把匹配的第number组替换成替换表达式，还有这句话怎么写也表达不清楚意思，还是来个例子吧：

        public static void Main()         {                 string s = "1 12 3 5";             s = Regex.Replace(s,@"(d+)(?#这个是注释)","0$1",RegexOptions.Compiled|RegexOptions.IgnoreCase);             Console.WriteLine(s);             Console.ReadLine();         }

这段代码返回的是“01 012 03value="5" hasspace="False" negative="False" numbertype="1" tcsc="0">05”

就是说，对组一的每个匹配结果都用"0$1"这个表达式来替换，"0$1"中"$1"由组1匹配的结果代入

 

 

 

 

 

 

${name}

把匹配的组名为"name"的组替换成表达式，

上例的Regex expression改成@"(?<name>d+)(?#这个是注释)"后面的替换式改为"0${name}"结果是一样的

$$  

做$的转义符，如上例表达式改成@"(?<name>d+)(?#这个是注释)"和"$$${name}"，则结果为"$1 $12 $3 $5"

$&

替换整个匹配

$`

替换匹配前的字符

$'

替换匹配后的字符

$+

替换最后匹配的组

$_

替换整个字符串

后面的选项，大家自己写个例子体味一下。

*注,上例中的(?#这个是注释)说明了正则的内联注释语法为(?#)

表达项选项

正则表达式选项RegexOptions有如下一下选项，详细说明请参考联机帮助

这里我提到内联标志，是因为相对于用RegexOptions在new Regex时定义Regex表达式的全局选项来说，内联标志可以更小粒度（以组为单位）的定义匹配选项，从而更方便表达我们的思想

语法是这样的：(?i:expression)为定义一个选项，(?-i:expression)为删除一个选项，(?i-s:expression)则定义i，删除s,是的，我们可以一次定义很多个选项。这样，通过内联选项，你就可以在一个Regex中定义一个组为匹分大小写的，一个组不匹分大小写的，是不是很方便呢?

正则表达式中的组是很重要的一个概念，它是我们通向高级正则应用的的桥梁 组的概念

一个正则表达式匹配结果可以分成多个部分，这就是组(Group)的目的。能够灵活的使用组后，你会发现Regex真是很方便，也很强大。

先举个例子  

        public static void Main()         {                 string s = "2005-2-21";             Regex reg = new Regex(@"(?<y>d{4})-(?<m>d{1,2})-(?<d>d{1,2})",RegexOptions.Compiled);             Match match = reg.Match(s);             int year =  int.Parse(match.Groups["y"].Value);             int month = int.Parse(match.Groups["m"].Value);             int day = int .Parse(match.Groups["d"].Value);             DateTime time = new DateTime(year,month,day);             Console.WriteLine(time);             Console.ReadLine();         }

以上的例子通过组来实现分析一个字符串，并把其转化为一个DateTime实例，当然，这个功能用DateTime.Parse方法就能很方便的实现。

在这个例子中，我把一次Match结果用(?<name>)的方式分成三个组"y","m","d"分别代表年、月、日。

现在我们已经有了组的概念了，再来看如何分组，很简单的，除了上在的办法，我们可以用一对括号就定义出一个组，比如上例可以改成  

        public static void Main()         {                 string s = "2005-2-21";             Regex reg = new Regex(@"(d{4})-(d{1,2})-(d{1,2})",RegexOptions.Compiled);             Match match = reg.Match(s);             int year =  int.Parse(match.Groups[1].Value);             int month = int.Parse(match.Groups[2].Value);             int day = int .Parse(match.Groups[3].Value);             DateTime time = new DateTime(year,month,day);             Console.WriteLine(time);             Console.ReadLine();         }

从上例可以看出，第一个括号对包涵的组被自动编号为1,后面的括号依次编号为2、3…… 

        public static void Main()         {                 string s = "2005-2-21";             Regex reg = new Regex(@"(?<2>d{4})-(?<1>d{1,2})-(?<3>d{1,2})",RegexOptions.Compiled);             Match match = reg.Match(s);             int year =  int.Parse(match.Groups[2].Value);             int month = int.Parse(match.Groups[1].Value);             int day = int .Parse(match.Groups[3].Value);             DateTime time = new DateTime(year,month,day);             Console.WriteLine(time);             Console.ReadLine();         }

再看上例，我们用(?<数字>)的方式手工给每个括号对的组编号，（注意我定义1和2的位置时不是从左到右定义的）

通过以上三例，我们知道了给Regex定义Group的三种办法以及相应的引用组匹配结果的方式。

然后，关于组定义，还有两点请注意： 1、因为括号用于定义组了，所以如果要匹配"("和")"，请使用"("和")"(关于所有特殊字符的定义，请查看相关Regex expression帮助文档)。 2、如果定义Regex时，使用了ExplicitCapture选项，则第二个例子不会成功，因为此选项要求显式定义了编号或名字的组才捕获并保存结果，如果你没有定义ExplicitCapture选项，而有时又定义了类式于(A|B)这样的部分在表达式，而这个(A|B)你又并不想捕获结果，那么可以使用“不捕获的组”语法，即定义成(?:)的方式，针对于(A|B),你可以这样来定义以达到不捕获并保存它到Group集合中的目的－－(?:A|B)。 

反向引用

反向引用，指把匹配出来的组引用到表达式本身其它地方，比如，在匹配HTML的标记时，我们匹配出一个<a>,我们要把匹配出来的a引用出来，用来找到</a>，这个时候就要用到反向引用。 语法     a、反向引用编号的组，语法为 umber     b、反向引用命名的组，语法为k<name> 举例     a、匹配成对的HTML标签

@"<(?<tag>[^s>]+)[^>]*>.*</k<tag>>"        

    b、匹配两个两个重叠出现的字符  

        public static void Main()         {                 string s = "aabbc11asd";             Regex reg = new Regex(@"(w)1");             MatchCollection matches = reg.Matches(s);             foreach(Match m in matches)                 Console.WriteLine(m.Value);             Console.ReadLine();         }      

返回结果为aa bb 11 

辅助匹配组

以下几种组结构，括号中的Pattern都不作为匹配结果的一部分进行保存     1、正声明(?=)    涵义：括号中的模式必须出现在声明右侧，但不作为匹配的一部分

        public static void Main()         {                 string s = "C#.net,VB.net,PHP,Java,Jscript.net";             Regex reg = new Regex(@"[w#]+(?=.net)",RegexOptions.Compiled);             MatchCollection mc = reg.Matches(s);             foreach(Match m in mc)                 Console.WriteLine(m.Value);              Console.ReadLine();             //输出 C# VB Jscript         }

   可以看到匹配引擎要求匹配.net，但却不把.net放到匹配结果中     2、负声明(?!)     涵义：括号中的模式必须不出现在声明右侧         下例演示如何取得一个<a>标签对中的全部内容，即使其中包含别的HTML tag。

        public static void Main()         {              string newsContent = @"url:<a href=""1.html""><img src=""1.gif"">test<span style=""color:red;"">Regex</span></a>.";             Regex regEnd = new Regex(@"<s*a[^>]*>([^<]|<(?!/a))*<s*/as*>",RegexOptions.Multiline);                          Console.WriteLine(regEnd.Match(newsContent).Value); //Result: <a href="1.html"><img src="1.gif">test<span style="color:red;">Regex</span></a>             Console.ReadLine();         }

    3、反向正声明(?<=)     涵义：括号中的模式必须出现在声明左侧，但不作为匹配的一部分     4、反向负声明(?<!)    涵义：括号中的模式必须不出现在声明左侧

非回溯匹配 语法：(?>) 涵义：该组匹配后，其匹配的字符不能通过回溯用于后面的表达式的匹配。呵呵，光看这句话肯定搞不懂，我当初为了搞懂这个也花了不少的时间，还是通过实例来说明吧： "www.csdn.net"可以通过@"w+.(.*).w+"来匹配，却不能通过@"w+.(?>.*).w+"来匹配！为什么呢？

原因是正则匹配是贪婪的，匹配时它会尽可能多的匹配最多的结果，所以，上例两个正则式中的.*都会把csdn.net匹配完，这个时候，第一个表达式在开始匹配时发现.w+没得字符给它匹配了，所以它会进行回溯，所谓回溯，就是把.*匹配的结果往回推，回推留出来的字符再用来匹配.w+,直到.w+匹配成功，整个表达式返回成功的匹配结果。而第二个表达式，因使用的是非回溯匹配，所以，.*匹配完后，不允许通过回溯来匹配.w+，所以整个表达式匹配失败。

请注意，回溯匹配是很浪费资源的一种匹配方式，所以，请尽量避免您的正则式要通过回溯来成功匹配，如上例，可以换成@"w+.([^.]+.)+w+"+"。