C# 正则表达式(Regex)

正则表达式是形成搜索模式的一系列字符。正则表达式可用于检查字符串是否包含指定的搜索模式。也可以进行字符串的替换和提取。本文主要介绍C# 正则表达式。

1、C# 正则表达式

正则表达式是由普通字符(如英文字母)以及特殊字符(也称为元字符)组成的文字模式。该模式对文本查找时需要匹配的一个或多个字符串描述,给出一个匹配模板。它专门用于操作字符串,可以简化对字符串的复杂操作。正则表达式可以是单个字符,也可以是更复杂的模式。

C#正则表达式类Regex,包含于System.Text.RegularExpressions命名空间下面,常用方法如下:

方法

描述

public bool IsMatch( string input )

指示 Regex 构造函数中指定的正则表达式,

是否在指定的输入字符串中找到匹配项。

public bool IsMatch( string input, 

int startat )


指示 Regex 构造函数中指定的正则表达式,

是否在指定的输入字符串中找到匹配项,

从字符串中指定的开始位置开始。

public static bool IsMatch( string input, 

string pattern )


指示指定的正则表达式,

是否在指定的输入字符串中找到匹配项。

public MatchCollection Matches( string input )


在指定的输入字符串中,

搜索正则表达式的所有匹配项。

public string Replace( string input,

 string replacement )


在指定的输入字符串中,

把所有匹配正则表达式模式的所有匹配的字符串,

替换为指定的替换字符串。

public string[] Split( string input )


把输入字符串分割为子字符串数组,

根据在 Regex 构造函数中,

指定的正则表达式模式定义的位置进行分割。

例如:

找出字符串中是否存在 “cjavapy”

using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
    public class RegexDemo
    {
        public static void Main(string[] args)
        {
            Regex regex = new Regex("cjavapy",RegexOptions.IgnoreCase);//RegexOptions.IgnoreCase不区分大小写
            bool isMatched = regex.IsMatch("url is www.cjavapy.com");
            if (isMatched)
            {
                Console.WriteLine("匹配到结果");
            }
            else
            {
                Console.WriteLine("没有匹配到");
            }
        }
    }
}

2、匹配标志(flag)

new Regex()构造函数中的flag更改了执行搜索的方式。 比较常用的如下:

RegexOptions.IgnoreCase:在执行搜索时,字母的大小写将被忽略。

详细介绍如下表:

标志

描述

RegexOptions.Compiled

指定将正则表达式编译为程序集。 

这会产生更快的执行速度,

但会增加启动时间。 在调用 Options 方法时,

不应将此值分配给 

CompileToAssembly(RegexCompilationInfo[], AssemblyName) 属性。

RegexOptions.CultureInvariant


指定忽略语言中的区域性差异。

RegexOptions.ECMAScript

为表达式启用符合 ECMAScript 的行为。 

该值只能与 IgnoreCaseMultiline 

和 Compiled 值一起使用。

 该值与其他任何值一起使用均将导致异常。。

RegexOptions.ExplicitCapture

指定唯一有效的捕获是显式命名

或编号的 (?<name>...) 形式的组。

这使未命名的圆括号可以充当非捕获组,

并且不会使表达式的语法 (?:...) 显得笨拙。

RegexOptions.IgnoreCase

指定不区分大小写的匹配。

RegexOptions.IgnorePatternWhitespace

消除模式中的非转义空白并启用由 # 标记的注释。

 但是,此值不影响

或消除标记单独的正则表达式语言元素的开头的字符类

数值量词或标记的空格。

RegexOptions.Multiline

多行模式。 更改 ^ 和 $ 的含义,

使它们分别在任意一行的行首和行尾匹配,

而不仅仅在整个字符串的开头和结尾匹配。

None

指定不设置任何选项。 

RightToLeft


指定搜索从右向左而不是从左向右进行。

Singleline

指定单行模式。 更改点 (.) 的含义,

以使它与每个字符(而不是除 \n 之外的所有字符)匹配。

3、正则表达式pattern

new Regex()构造函数的第一个参数是pattern。它描述了要搜索的内容。

方括号用于查找字符范围:

表达式

描述

[abc]

从方括号之间的选项中找到一个字符

[^abc]

在括号之间找不到一个字符

[0-9]

在0到9的范围内找到一个字符

4、元字符

元字符是具有特殊含义的字符:

字符

描述

\

将下一个字符标记为一个特殊字符、或一个原义字符、

或一个 向后引用、或一个八进制转义符。

例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。

序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。

^

匹配输入字符串的开始位置。

如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。

$

匹配输入字符串的结束位置。

如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。

*

匹配前面的子表达式零次或多次。

例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。

+

匹配前面的子表达式一次或多次。

例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。

?

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" 。? 等价于 {0,1}。

{n}

n 是一个非负整数。匹配确定的 n 次。

例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。

{n,}

n 是一个非负整数。至少匹配n 次。

例如,'o{2,}' 不能匹配 "Bob" 中的 'o',

但能匹配 "foooood" 中的所有 o。'o{1,}' 

等价于 'o+'。'o{0,}' 则等价于 'o*'。

{n,m}

m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。

例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。

请注意在逗号和两个数之间不能有空格。

?

当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,

匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,

而默认的贪婪模式则尽可能多的匹配所搜索的字符串。

例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。

.

匹配除换行符(\n、\r)之外的任何单个字符。

要匹配包括 '\n' 在内的任何字符,请使用像"(.|\n)"的模式。

(pattern)

匹配 pattern 并获取这一匹配。

所获取的匹配可以从产生的 Matches 集合得到,

在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。

要匹配圆括号字符,请使用 '\(' 或 '\)'。

(?:pattern)

匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,

不进行存储供以后使用。

这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。

例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。

(?=pattern)

正向肯定预查(look ahead positive assert),

在任何匹配pattern的字符串开始处匹配查找字符串。

这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。

例如,"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows",

但不能匹配"Windows3.1"中的"Windows"。

预查不消耗字符,也就是说,在一个匹配发生后,

在最后一次匹配之后立即开始下一次匹配的搜索,

而不是从包含预查的字符之后开始。

(?!pattern)

正向否定预查(negative assert),

在任何不匹配pattern的字符串开始处匹配查找字符串。

这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。

例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows",

但不能匹配"Windows2000"中的"Windows"。

预查不消耗字符,也就是说,在一个匹配发生后,

在最后一次匹配之后立即开始下一次匹配的搜索,

而不是从包含预查的字符之后开始。

(?<=pattern)

反向(look behind)肯定预查,与正向肯定预查类似,

只是方向相反。例如,"

(?<=95|98|NT|2000)Windows

"能匹配"

2000Windows

"中的"

Windows

",但不能匹配"

3.1Windows

"中的"

Windows

"。

(?<!pattern)

反向否定预查,与正向否定预查类似,只是方向相反。例如"

(?<!95|98|NT|2000)Windows

"能匹配"

3.1Windows

"中的"

Windows

",但不能匹配"

2000Windows

"中的"

Windows

"。

x|y

匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。

'(z|f)ood' 则匹配 "zood" 或 "food"。

[xyz]

字符集合。匹配所包含的任意一个字符。

例如, '[abc]' 可以匹配 "plain" 中的 'a'。

[^xyz]

负值字符集合。匹配未包含的任意字符。

例如, '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。

[a-z]

字符范围。匹配指定范围内的任意字符。

例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。

[^a-z]

负值字符范围。匹配任何不在指定范围内的任意字符。

例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

\b

匹配一个单词边界,也就是指单词和空格间的位置。

例如, 'er\b' 可以匹配"never" 中的 'er',

但不能匹配 "verb" 中的 'er'。

\B

匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er',

但不能匹配 "never" 中的 'er'。

\cx

匹配由 x 指明的控制字符。

例如, \cM 匹配一个 Control-M 或回车符。

x 的值必须为 A-Z 或 a-z 之一。

否则,将 c 视为一个原义的 'c' 字符。

\d

匹配一个数字字符。等价于 [0-9]。

\D

匹配一个非数字字符。等价于 [^0-9]。

\f

匹配一个换页符。等价于 \x0c 和 \cL。

\n

匹配一个换行符。等价于 \x0a 和 \cJ。

\r

匹配一个回车符。等价于 \x0d 和 \cM。

\s

匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

\S

匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。

\t

匹配一个制表符。等价于 \x09 和 \cI。

\v

匹配一个垂直制表符。等价于 \x0b 和 \cK。

\w

匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。

\W

匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。

\xn

匹配 n,其中 n 为十六进制转义值。

十六进制转义值必须为确定的两个数字长。

例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。

正则表达式中可以使用 ASCII 编码。

\num

匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。

例如,'(.)\1' 匹配两个连续的相同字符。

\n

标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,

则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。

\nm

标识一个八进制转义值或一个向后引用。

如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。

如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。

如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。

\nml

如果 n 为八进制数字 (0-3),

且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。

\un

匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。

例如, \u00A9 匹配版权符号 (?)。

5、量词

{m,n}是通用形式的量词,正则表达式还有三个常用量词,分别是+?*。它们的形态虽然不同于{m,n},功能却是相同的(也可以把它们理解为“量词简记法”):

常用量词

{m,n}等价形式

说明

*

{0,}

可能出现,也可能不出现,出现次数没有上限

+

{1,}

至少出现1次,出现次数没有上限

?

{0,1}

至多出现1次,也可能不出现

使用示例如下表:

量词

描述

n+

匹配任何包含至少一个n的字符串

n*

匹配包含零个或多个n的任何字符串

n?

匹配任何包含零或一个n的字符串

n{x}

匹配包含x个n的任何字符串

n{x,y}

匹配任何包含x到y个n的字符串

n{x,}

匹配任何包含至少x个n的字符串

注意:如果表达式需要搜索特殊字符之一,则可以使用反斜杠(\)进行转义。在Java中,字符串中的反斜杠需要自己转义,因此需要两个反斜杠转义特殊字符。例如,要搜索一个或多个问号,可以使用以下表达式:" \\? "。

6、匹配模式

1) Greediness(贪婪匹配)

x?x*x+x{n,} 是最大匹配。在 Greediness 的模式下,会尽量大范围的匹配,直到匹配了整个内容,这时发现匹配不能成功时,开始回退缩小匹配范围,直到匹配成功。

例如,

using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
    public class RegexDemo
    {
        public static void Main(string[] args)
        {
            Regex regex = new Regex("<.+>", RegexOptions.IgnoreCase);
            Console.WriteLine(regex.Replace("c<div>python</div>java", "***"));
        }
    }
}

2) Reluctant(Laziness)(非贪婪匹配)

x??x*?x+?x{n,}? 是最小匹配,其实x{n,m}?x{n }?有些多余。在 Greediness 模式之后添加 ? 就是最小匹配。

在 Reluctant 的模式下,只要匹配成功,就不再继续尝试匹配更大范围的内容

例如,

using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
    public class RegexDemo
    {
        public static void Main(string[] args)
        {
            Regex regex = new Regex("<.+?>", RegexOptions.IgnoreCase);
            Console.WriteLine(regex.Replace("c<div>python</div>java", "***"));
        }
    }
}

7、Regex类的静态方法使用示例

除了上面的调用的方法,还可以用Regex类的静态执行正则表达式,包括Regex.Replace()Regex.Split()Regex.Matches()

例如,

using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
    public class RegexDemo
    {
        public static void Main(string[] args)
        {
            //Regex.Replace替换
            Console.WriteLine(Regex.Replace("https://www.cjavapy.com", "[https://]", "", RegexOptions.IgnoreCase));
            //Regex.Split替换
            string input = "https://www.cjavapy.com";
            string pattern = "\\.";            // Split on hyphens
            string[] substrings = Regex.Split(input, pattern);
            foreach (string match in substrings)
            {
                Console.WriteLine("'{0}'", match);
            }

            //①正则表达式 = > 匹配字符串  
            string Text = @"This is a book , this is my book , Is not IIS";
            //定义一个模式字符串,不仅仅是纯文本,还可以是正则表达式  
            string Pattern = "is";
            MatchCollection Matches = Regex.Matches(
                Text,
                Pattern,
                RegexOptions.IgnoreCase |         //忽略大小写  
                RegexOptions.ExplicitCapture |    //提高检索效率  
                RegexOptions.RightToLeft          //从左向右匹配字符串  
                );
            Console.WriteLine("从右向左匹配字符串:");
            foreach (Match NextMatch in Matches)
            {
                Console.WriteLine("匹配的位置:{0,2} ", NextMatch.Index);
                Console.WriteLine("匹配的内容:{0,2} ", NextMatch.Value);
                Console.WriteLine("/n");
            }
            Console.WriteLine();
            //②匹配以大写I开头  
            //“/b”是转义序列,代表开头和结尾(一个字的边界,忽略空白或标点)  
            Pattern = @"/bI";
            Matches = Regex.Matches(
                Text,
                Pattern,
                RegexOptions.ExplicitCapture    //提高检索效率  
                );
            Console.WriteLine("从左向右匹配字符串:");
            foreach (Match NextMatch in Matches)
            {
                Console.WriteLine("匹配的位置:{0} ", NextMatch.Index);
                Console.WriteLine("匹配的内容:{0} ", NextMatch.Value);
                Console.WriteLine("/n");
            }
            Console.WriteLine();
            //③匹配以大写I开头,大写S结尾的字符串  
            //“/b”是转义序列,代表开头和结尾(一个字的边界,忽略空白或标点)  
            ///S*匹配任何不是空白的字符  
            Pattern = @"/bI/S*S/b";
            Matches = Regex.Matches(
                Text,
                Pattern,
                RegexOptions.ExplicitCapture    //提高检索效率  
                );
            Console.WriteLine("从左向右匹配字符串:");
            foreach (Match NextMatch in Matches)
            {
                Console.WriteLine("匹配的位置:{0} ", NextMatch.Index);
                Console.WriteLine("匹配的内容:{0} ", NextMatch.Value);
                Console.WriteLine("/n");
            }
            Console.WriteLine();
            //④匹配his 或者iis,其中忽略大小写  
            Pattern = @"[h|i]is";
            Matches = Regex.Matches(
                Text,
                Pattern,
                RegexOptions.IgnoreCase |         //忽略大小写  
                RegexOptions.ExplicitCapture    //提高检索效率  
                );
            Console.WriteLine("从左向右匹配字符串:");
            foreach (Match NextMatch in Matches)
            {
                Console.WriteLine("匹配的位置:{0} ", NextMatch.Index);
                Console.WriteLine("匹配的内容:{0} ", NextMatch.Value);
                Console.WriteLine("/n");
            }
            Console.WriteLine();
            //⑤对Url的分组匹配  
            Text = "http://192.168.0.1:2008";
            Pattern = @"/b(/S+)://(/S+)(?::(/S+))/b";
            Matches = Regex.Matches(Text, Pattern);
            Console.WriteLine("从左向右匹配字符串:");
            foreach (Match NextMatch in Matches)
            {
                Console.WriteLine("匹配的位置:{0} ", NextMatch.Index);
                Console.WriteLine("匹配的内容:{0} ", NextMatch.Value);
                Console.WriteLine("/n");
                for (int i = 0; i < NextMatch.Groups.Count; i++)
                {
                    Console.WriteLine("匹配的组 {0}:{1,4} ", i + 1, NextMatch.Groups[i].Value);
                    Console.WriteLine("/n");
                }
            }
            //Console.Read();
        }
    }
}

推荐阅读
cjavapy编程之路首页