正則表達式 第五篇:C# 正則表達式

本文整理C#正則表達式的元字符,正則表達式是由字符構成的表達式,每個字符代表一個規則,表達式中的字符分為兩種類型:普通字符和元字符。普通字符是指字面含義不變的字符,按照完全匹配的方式匹配文本,而元字符具有特殊的含義,代表一類字符。

把文本看作是字符流,每個字符放在一個位置上,例如,正則表達式 “Room\d\d\d”,前面四個字符Room是普通字符,後面的字符\是轉義字符,和後面的字符d組成一個元字符\d,表示該位置上有任意一個数字。

用正則表達式的語言來描述是:正則表達式 “Room\d\d\d”共捕獲7個字符,表示“以Room開頭、以三個数字結尾”的一類字符串,我們把這一類字符串稱作一個模式(Pattern),也稱作是一個正則。

一,轉義字符

轉義字符是\,把普通字符轉義為具有特殊含義的元字符,常用的轉義字符有:

  • \t:水平製表符
  • \v:垂直製表符
  • \r:回車
  • \n:換行
  • \\:表示字符 \,也就說,把轉義字符 \ 轉義為普通的字符 \
  • \”:表示字符 “,在C#中,雙引號用於定義字符串,字符串包含的雙引號用 \” 來表示

二,字符類

在進行正則匹配時,把輸入文本看作是有順序的字符流,字符類元字符匹配的對象是字符,並會捕獲字符。所謂捕獲字符是指,一個元字符捕獲的字符,不會被其他元字符匹配,後續的元字符只能從剩下的文本中重新匹配。

常用的字符類元字符:

  • [ char_group]:匹配字符組中的任意一個字符
  • [^char_group]:匹配除字符組之外的任意一個字符
  • [first-last]:匹配從first到last的字符範圍中的任意一個字符,字符範圍包括first和last。
  • .   :通配符,匹配除\n之外的任意一個字符
  • \w:匹配任意一個單詞(word)字符,單詞字符通常是指A-Z、a-z和0-9
  • \W:匹配任意一個非單詞字符,是指除A-Z、a-z和0-9之外的字符
  • \s:匹配任意一個空白字符
  • \S:匹配任意一個非空白字符
  • \d:匹配任意一個数字字符
  • \D:匹配任意一個非数字字符

注意,轉義字符也屬於字符類元字符,在進行正則匹配時,也會捕獲字符。

三,定位符

定位符匹配(或捕獲)的對象是位置,它根據字符的位置來判斷模式匹配是否成功,定位符不會捕獲字符,是零寬的(寬度為0),常用的定位符有:

  • ^:默認情況下,匹配字符串的開始位置;在多行模式下,匹配每行的開始位置;
  • $:默認情況下,匹配字符串的結束位置,或 字符串結尾的\n之前的位置;在多行模式下,匹配每行結束之前的位置,或者每行結尾的\n之前的位置。
  • \A:匹配字符串的開始位置;
  • \Z:匹配字符串的結束位置,或 字符串結尾的\n之前的位置;
  • \z:匹配字符串的結束位置;
  • \G:匹配上一個匹配結束的位置;
  • \b:匹配一個單詞的開始或結束的位置;
  • \B:匹配一個單詞的中間位置;

 

四,量詞、貪婪和懶惰

量詞是指限定前面的一個正則出現的次數,量詞分為兩種模式:貪婪模式和懶惰模式,貪婪模式是指匹配盡可能多的字符,而懶惰模式是指匹配盡可能少的字符。默認情況下,量詞處於貪婪模式,在量詞的後面加上?來啟用懶惰模式。

  • *:出現0次或多次
  • +:出現1次或多次
  • ?:出現0次或1次
  • {n}:出現n次
  • {n,}:出現至少n次
  • {n,m}:出現n到m次

注意,出現多次是指前面的元字符出現多次,例如,\d{2} 等價於 \d\d,只是出現兩個数字,並不要求兩個数字是相同的。要表示相同的兩個数字,必須使用分組來實現。

五,分組和捕獲字符

()  括號不僅確定表達式的範圍,還創建分組,()內的表達式就是一個分組,引用分組表示兩個分組匹配的文本是完全相同的。定義一個分組的基本語法:

(pattern)

該類型的分組會捕獲字符,所謂捕獲字符是指:一個元字符捕獲的字符,不會被其他元字符匹配,後續的元字符只能從剩下的文本中重新匹配。

1,分組編號和命名

默認情況下,每個分組自動分配一個組號,規則是:從左向右,按分組左括號的出現順序進行編號,第一個分組的組號為1,第二個為2,以此類推。也可以為分組指定名稱,該分組稱作命名分組,命名分組也會被自動編號,編號從1開始,逐個加1,為分組指定名稱的語法是:

(?< name > pattern)

通常來說,分組分為命名分組和編號分組,引用分組的方式有:

  • 通過分組名稱來引用分組:\k<name>
  • 通過分組編號來引用分組:\number

注意,分組只能後向引用,也就是說,從正則表達式文本的左邊開始,分組必須先定義,然後才能在定義之後面引用。

在正則表達式里引用分組的語法為“\number”,比如“\1”代表與分組1 匹配的子串,“\2”代表與分組2 匹配的字串,以此類推。

例如,對於 “<(.*?)>.*?</\1>” 可以匹配 <h2>valid</h2>,在引用分組時,分組對應的文本是完全相同的。

2,分組構造器

分組構造方法如下:

  • (pattern):捕獲匹配的子表達式,併為分組分配一個組號
  • (?< name > pattern):把匹配的子表達式捕獲到命名的分組中
  • (?:pattern):非捕獲的分組,並未分組分配一個組號
  • (?> pattern):貪婪分組

3,貪婪分組

貪婪分組也稱作非回溯分組,該分組禁用了回溯,正則表達式引擎將盡可能多地匹配輸入文本中的字符。如果無法進行進一步的匹配,則不會回溯嘗試進行其他模式匹配。

(?> pattern )

4,二選一

| 的意思是或,匹配兩者中的任意一個,注意,|把左右兩邊的表達式分為兩部分。

pattern1 | pattern2

六,零寬斷言

零寬是指寬度為0,匹配的是位置,所以匹配的子串不會出現在匹配結果中,而斷言是指判斷的結果,只有斷言為真,才算匹配成功。

對於定位符,可以匹配一句話的開始、結束(^ $)或者匹配一個單詞的開始、結束(\b),這些元字符只匹配一個位置,指定這個位置滿足一定的條件,而不是匹配某些字符,因此,它們被成為 零寬斷言。所謂零寬,指的是它們不與任何字符相匹配,而匹配一個位置;所謂斷言,指的是一個判斷,正則表達式中只有當斷言為真時才會繼續進行匹配。零寬斷言可以精確的匹配一個位置,而不僅僅是簡單的指定句子或者單詞。

正則表達式把文本看作從左向右的字符流,向右叫做後向(Look behind),向左叫做前向(Look ahead)。對於正則表達式,只有當匹配到指定的模式(Pattern)時,斷言為True,叫做肯定式,把不匹配模式為True,叫做否定式。

按照匹配的方向和匹配的定性,把零寬斷言分為四種類型:

  • (?= pattern):前向、肯定斷言
  • (?! pattern):前向、否定斷言
  • (?<= pattern):後向、肯定斷言
  • (?<! pattern):後向、否定斷言

 1,前向肯定斷言

前向肯定斷言定義一個模式必須存在於文本的末尾(或右側),但是該模式匹配的子串不會出現在匹配的結果中,前向斷言通常出現在正則表達式的右側,表示文本的右側必須滿足特定的模式:

 (?= subexpression )

使用前向肯定斷言可以定一個模糊匹配,後綴必須包含特定的字符:

\b\w+(?=\sis\b)

對正則表達式進行分析:

  • \b:表示單詞的邊界
  •  \w+:表示單詞至少出現一次
  • (?=\sis\b):前向肯定斷言,\s 表示一個空白字符, is 是普通字符,完全匹配,\b 是單詞的邊界。

從分析中,可以得出,匹配該正則表達式的文本中必須包含 is 單詞,is是一個單獨的單詞,不是某一個單詞的一個部分。舉個例子

Sunday is a weekend day 匹配該正則,匹配的值是Sunday,而The island has beautiful birds 不匹配該正則。

2,後向肯定斷言

後向肯定斷言定義一個模式必須存在於文本的開始(或左側),但是該模式匹配的子串不會出現在匹配的結果中,後向斷言通常出現在正則表達式的左側,表示文本的左側必須滿足特定的模式:

(?<= subexpression )

使用後向肯定斷言可以定一個模糊匹配,前綴必須包含特定的字符:

(?<=\b20)\d{2}\b

對正則表達式進行分析:

  • (?<=\b20):後向斷言,\b表示單詞的開始,20是普通字符
  • \d{2}:表示兩個数字,数字不要求相同
  • \b:單詞的邊界

該正則表達式匹配的文本具備的模式是:文本以20開頭、以兩個数字結尾。

七,用正則從格式化的文本中扣值

有如下的JSON格式的文本,從文本中扣出字段(CustomerId、CustomerName、CustomerIdSource和CustomerType)的值:

{"CustomerDetails":"[{\"CustomerId\":\"57512f19\",\"CustomerName\":\"cust xyz\",\"CustomerIdSource\":\"AadTenantId\",\"CustomerType\":\"Enterprise\"}]"}

注意,該文本轉換為C#中的字符時,需要對雙引號和轉義字符進行轉義。由於這四個字段提取規則相同,可以寫一個通用的模式來提取:

public static string GetNestedItem(string txt, string key)
{
    string pat = string.Format("(?<=\\\\\"{0}\\\\\":\\\\\").*?(?=\\\\\")", key);
    return Regex.Match(txt, pat, RegexOptions.IgnoreCase).Value;
}

正則表達式得解析:

  • (?<=\\\\\”{0}\\\\\”:\\\\\”):後向斷言,用於匹配字段名、雙引號和冒號
  • .*?:懶惰模式,匹配盡可能少的文本
  • (?=\\\\\”):前向斷言,用於匹配字段值得雙引號

 

 

參考文檔:

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

台北網頁設計公司這麼多,該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"

網頁設計公司推薦更多不同的設計風格,搶佔消費者視覺第一線

※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整

您可能也會喜歡…