解讀C＃中的規則表達式

　　多少年來許多的編程語言和工具都包含對規則表達式的支持NET基礎類庫中包含有一個名字空間和一系列可以充分發揮規則表達式威力的類而且它們也都與未來的Perl 中的規則表達式兼容

　　此外regexp類還能夠完成一些其他的功能例如從右至左的結合模式和表達式的編輯等

　　在這篇文章中我將簡要地介紹SystemTextRegularExpression中的類和方法一些字符串匹配和替換的例子以及組結構的詳細情況最後還會介紹一些你可能會用到的常見的表達式

應該掌握的基礎知識
　　規則表達式的知識可能是不少編程人員常學常忘的知識之一在這篇文章中我們將假定你已經掌握了規則表達式的用法尤其是Perl 中表達式的用法NET的regexp類是Perl 中表達式的一個超集因此從理論上說它將作為一個很好的起點我們還假設你具有了C#的語法和NET架構的基本知識

　　如果你沒有規則表達式方面的知識我建議你從Perl 的語法著手開始學習在規則表達式方面的權威書籍是由傑弗裡·弗雷德爾編寫的《掌握表達式》一書對於希望深刻理解表達式的讀者我們強烈建議閱讀這本書

RegularExpression組合體
　　regexp規則類包含在SystemTextRegularExpressionsdll文件中在對應用軟件進行編譯時你必須引用這個文件例如csc r:SystemTextRegularExpressionsdll foocs命令將創建fooexe文件它就引用了SystemTextRegularExpressions文件

名字空間簡介
　　在名字空間中僅僅包含著個類和一個定義它們是

　　Capture: 包含一次匹配的結果

　　CaptureCollection: Capture的序列

　　Group: 一次組記錄的結果由Capture繼承而來

　　Match: 一次表達式的匹配結果由Group繼承而來

　　MatchCollection: Match的一個序列

　　MatchEvaluator: 執行替換操作時使用的代理

　　Regex編譯後的表達式的實例

　　Regex類中還包含一些靜態的方法

　　Escape: 對字符串中的regex中的轉義符進行轉義

　　IsMatch: 如果表達式在字符串中匹配該方法返回一個布爾值

　　Match: 返回Match的實例

　　Matches: 返回一系列的Match的方法

　　Replace: 用替換字符串替換匹配的表達式

　　Split: 返回一系列由表達式決定的字符串

　　Unescape:不對字符串中的轉義字符轉義

簡單匹配
　　我們首先從使用RegexMatch類的簡單表達式開始學習

　　Match m = RegexMatch(abracadabra (a|b|r)+);

　　我們現在有了一個可以用於測試的Match類的實例例如if (mSuccess)

　　如果想使用匹配的字符串可以把它轉換成一個字符串

　　ConsoleWriteLine(Match=+mToString());

　　這個例子可以得到如下的輸出: Match=abra這就是匹配的字符串了

字符串的替換
　　簡單字符串的替換非常直觀例如下面的語句

　　string s = RegexReplace(abracadabra abra zzzz);

　　它返回字符串zzzzcadzzzz所有匹配的字符串都被替換成了zzzzz

　　現在我們來看一個比較復雜的字符串替換的例子

　　string s = RegexReplace( abra @^\s*(*?)\s*$ $);

　　這個語句返回字符串abra其前導和後綴的空格都去掉了

　　上面的模式對於刪除任意字符串中的前導和後續空格都非常有用在C#中我們還經常使用字母字符串在一個字母字符串中編譯程序不把字符 \ 作為轉義字符處理在使用字符\指定轉義字符時@是非常有用的另外值得一提的是$在字符串替換方面的使用它表明替換字符串只能包含被替換的字符串

匹配引擎的細節
　　現在我們通過一個組結構來理解一個稍微復雜的例子看下面的例子

　　string text = abracadabraabracadabraabracadabra;

　　string pat = @

　　　　( # 第一個組的開始

　　　　 abra # 匹配字符串abra

　　　　 ( # 第二個組的開始

　　　　 cad # 匹配字符串cad

　　　　 )? # 第二個組結束（可選）

　　　　) # 第一個組結束

　　　　+ # 匹配一次或多次

　　　　;

　　//利用x修飾符忽略注釋

　　Regex r = new Regex(pat x);

　　//獲得組號碼的清單

　　int[] gnums = rGetGroupNumbers();

　　//首次匹配

　　Match m = rMatch(text);

　　while (mSuccess)

　　 {

　　//從組開始

　　 for (int i = ; i < gnumsLength; i++)

　　　　{

　　　　Group g = mGroup(gnums[i]);

　　//獲得這次匹配的組

　　　　ConsoleWriteLine(Group+gnums[i]+=[+gToString()+]);

　　//計算這個組的起始位置和長度

　　　　CaptureCollection cc = gCaptures;

　　　　for (int j = ; j < ccCount; j++)

　　　　 {

　　　　 Capture c = cc[j];

　　　　 ConsoleWriteLine( Capture + j + =[+cToString()

　　　　　　 + ] Index= + cIndex + Length= + cLength);

　　　　 }

　　　　}

　　//下一個匹配

　　 m = mNextMatch();

　　 }

　　這個例子的輸出如下所示

　　Group=[abra]

　　　　　　Capture=[abracad] Index= Length=

　　　　　　Capture=[abra] Index= Length=

　　Group=[cad]

　　　　　　Capture=[cad] Index= Length=

　　Group=[abra]

　　　　　　Capture=[abracad] Index= Length=

　　　　　　Capture=[abra] Index= Length=

　　Group=[cad]

　　　　　　Capture=[cad] Index= Length=

　　Group=[abra]

　　　　　　Capture=[abracad] Index= Length=

　　　　　　Capture=[abra] Index= Length=

　　Group=[cad]

　　　　　　Capture=[cad] Index= Length=

　　我們首先從考查字符串pat開始pat中包含有表達式第一個capture是從第一個圓括號開始的然後表達式將匹配到一個abra第二個capture組從第二個圓括號開始但第一個capture組還沒有結束這意味著第一個組匹配的結果是abracad 而第二個組的匹配結果僅僅是cad因此如果通過使用？符號而使cad成為一項可選的匹配匹配的結果就可能是abra或abracad然後第一個組就會結束通過指定+符號要求表達式進行多次匹配

　　現在我們來看看匹配過程中發生的情況首先通過調用Regex的constructor方法建立表達式的一個實例並在其中指定各種選項在這個例子中由於在表達式中有注釋因此選用了x選項另外還使用了一些空格打開x選項表達式將會忽略注釋和其中沒有轉義的空格

　　然後取得表達式中定義的組的編號的清單你當然可以顯性地使用這些編號在這裡使用的是編程的方法如果使用了命名的組作為一種建立快速索引的途徑這種方法也十分有效

　　接下來是完成第一次匹配通過一個循環測試當前的匹配是否成功接下來是從group 開始重復對組清單執行這一操作在這個例子中沒有使用group 的原因是group 是一個完全匹配的字符串如果要通過收集全部匹配的字符串作為一個單一的字符串就會用到group 了

　　我們跟蹤每個group中的CaptureCollection通常情況下每次匹配每個group中只能有一個capture但本例中的Group則有兩個captureCapture和Capture如果你僅需要Group的ToString就會只得到abra當然它也會與abracad匹配組中ToString的值就是其CaptureCollection中最後一個Capture的值這正是我們所需要的如果你希望整個過程在匹配abra後結束就應該從表達式中刪除+符號讓regex引擎知道我們只需要對表達式進行匹配

基於過程和基於表達式方法的比較
　　一般情況下使用規則表達式的用戶可以分為以下二大類第一類用戶盡量不使用規則表達式而是使用過程來執行一些需要重復的操作第二類用戶則充分利用規則表達式處理引擎的功能和威力而盡可能少地使用過程

　　對於我們大多數用戶而言最好的方案莫過於二者兼而用之了我希望這篇文章能夠說明NET語言中regexp類的作用以及它在性能和復雜性之間的優劣點

基於過程的模式
　　我們在編程中經常需要用到的一個功能是對字符串中的一部分進行匹配或其他一些對字符串處理下面是一個對字符串中的單詞進行匹配的例子

　　string text = the quick red fox jumped over the lazy brown dog;

　　SystemConsoleWriteLine(text=[ + text + ]);

　　string result = ;

　　string pattern = @\w+|\W+;

　　foreach (Match m in RegexMatches(text pattern))

　　 {

　　// 取得匹配的字符串

　　 string x = mToString();

　　// 如果第一個字符是小寫

　　 if (charIsLower(x[]))

　　// 變成大寫

　　　　x = charToUpper(x[]) + xSubstring( xLength);

　　// 收集所有的字符

　　 result += x;

　　 }

　　SystemConsoleWriteLine(result=[ + result + ]);

　　正象上面的例子所示我們使用了C#語言中的foreach語句處理每個匹配的字符並完成相應的處理在這個例子中新創建了一個result字符串這個例子的輸出所下所示

　　text=[the quick red fox jumped over the lazy brown dog]

　　result=[The Quick Red Fox Jumped Over The Lazy Brown Dog]

　　基於表達式的模式
　　完成上例中的功能的另一條途徑是通過一個MatchEvaluator新的代碼如下所示

　　static string CapText(Match m)

　　　　{

　　//取得匹配的字符串

　　　　string x = mToString();

　　// 如果第一個字符是小寫

　　　　if (charIsLower(x[]))

　　// 轉換為大寫

　　　　 return charToUpper(x[]) + xSubstring( xLength);

　　　　return x;

　　　　}

　　　　

　　 static void Main()

　　　　{

　　　　string text = the quick red fox jumped over the

　　　　 lazy brown dog;

　　　　SystemConsoleWriteLine(text=[ + text + ]);

　　　　string pattern = @\w+;

　　　　string result = RegexReplace(text pattern

　　 new MatchEvaluator(TestCapText));

　　　　SystemConsoleWriteLine(result=[ + result + ]);

　　　　}

　　同時需要注意的是由於僅僅需要對單詞進行修改而無需對非單詞進行修改這個模式顯得非常簡單

常用表達式
　　為了能夠更好地理解如何在C#環境中使用規則表達式我寫出一些對你來說可能有用的規則表達式這些表達式在其他的環境中都被使用過希望能夠對你有所幫助

羅馬數字
　　string p = ^m*(d?c{}|c[dm]) + (l?x{}|x[lc])(v?i{}|i[vx])$;

　　string t = vii;

　　Match m = RegexMatch(t p);

交換前二個單詞
　　string t = the quick brown fox;

　　string p = @(\S+)(\s+)(\S+);

　　Regex x = new Regex(p);

　　string r = xReplace(t $$$ );

關健字=值
　　string t = myval = ;

　　string p = @(\w+)\s*=\s*(*)\s*$;

　　Match m = RegexMatch(t p);

實現每行個字符
　　string t = ********************

　　 + ******************************

　　 + ******************************;

　　string p = {};

　　Match m = RegexMatch(t p);

月/日/年 小時:分:秒的時間格式
　　string t = // ::;

　　string p = @(\d+)/(\d+)/(\d+) (\d+):(\d+):(\d+);

　　Match m = RegexMatch(t p);

改變目錄（僅適用於Windows平台）
string t = @C:\Documents and Settings\user\Desktop\;

string r = RegexReplace(t@\\user\\ @\\user\\);

擴展位轉義符
　　string t = %; // capital A

　　string p = %([AFaf][AFaf]);

　　string r = RegexReplace(t p HexConvert);

刪除C語言中的注釋（有待完善）
　　string t = @

　　/*

　　 * 傳統風格的注釋

　　 */

　　;

　　string p = @

　　 /\* # 匹配注釋開始的定界符

　　 *? # 匹配注釋

　　 \*/ # 匹配注釋結束定界符

　　;

　　string r = RegexReplace(t p xs);

刪除字符串中開始和結束處的空格
　　string ta = leading;

　　string pa = @^\s+;

　　string ra = RegexReplace(ta pa );

　　string tb = trailing ;

　　string pb = @\s+$;

　　string rb = RegexReplace(tb pb );

　　在字符\後添加字符n使之成為真正的新行

　　string t = @\ntest\n;

　　string r = RegexReplace(t @\\n \n);

轉換IP地址
　　string t = ;

　　string p = ^ +

　　 @([]?\d\d|[]\d|[])\ +

　　 @([]?\d\d|[]\d|[])\ +

　　 @([]?\d\d|[]\d|[])\ +

　　 @([]?\d\d|[]\d|[]) +

　　 $;

　　Match m = RegexMatch(t p);

刪除文件名包含的路徑
　　string t = @c:\filetxt;

　　string p = @^*\\;

　　string r = RegexReplace(t p );

聯接多行字符串中的行
　　string t = @this is

　　a split line;

　　string p = @\s*\r?\n\s*;

　　string r = RegexReplace(t p );

提取字符串中的所有數字
　　string t = @

　　test

　　test

　　test

　　;

　　string p = @(\d+\?\d*|\\d+);

　　MatchCollection mc = RegexMatches(t p);

找出所有的大寫字母
　　string t = This IS a Test OF ALL Caps;

　　string p = @(\b[^\Waz_]+\b);

　　MatchCollection mc = RegexMatches(t p);

找出小寫的單詞
　　string t = This is A Test of lowercase;

　　string p = @(\b[^\WAZ_]+\b);

　　MatchCollection mc = RegexMatches(t p);

找出第一個字母為大寫的單詞
　　string t = This is A Test of Initial Caps;

　　string p = @(\b[^\Waz_][^\WAZ_]*\b);

　　MatchCollection mc = RegexMatches(t p);

找出簡單的HTML語言中的鏈接
　　string t = @

　　<html>

　　<a >first tag text</a>

　　<a >next tag text</a>

　　</html>

　　;

　　string p = @<A[^>]*?HREF\s*=\s*[]? + @([^ >]+?)[ ]?>;

　　MatchCollection mc = RegexMatches(t p si);

From:http://tw.wingwit.com/Article/program/net/201311/12195.html