正则表达式基本用法

说到正则表达式，大家就会想到那像火星文一样的正则表达式字符串。虽然看起来很奇怪，但是一个个都搞清楚那些东西分别表示什么意思的时候，会发现这东西其实也不难。说干就干，我们来一个个的理解。

先弄点数据

string input = "http://www.tansea.cn/23 233【个人博客】23333【http©双子宫殿】";
List<string> pattern = new List<string>();

先来个最简单的开个味，太深了都没有兴趣往下看了

pattern.Add("http");//常量匹配 result = 2

没有任何的正则表达式的元字符（也就是保留字），http在input里面有2个，所以匹配到了2条

基础篇

一、基本语义描述符

1、d（数字字符）与D（非数字字符）

pattern.Add("233\d");//匹配233+数字字符 result=1
pattern.Add("233\D");//匹配233+非数字字符 result=1

2、w（字母数字下划线）与W（非字母数字下划线）

pattern.Add("\w");//匹配字母+数字+下划线 result=36
pattern.Add("\W");//不匹配字母+数字+下划线 result=11

注意：实测w是能匹配到中文的

3、s（空白字符）与S（非空白字符）

空白字符包括制表符、换行符、垂直制表符、换页符、回车符

pattern.Add("	");//匹配制表符 等价于x09
pattern.Add("
");//匹配换行符 等价于x0A
pattern.Add("v");//匹配垂直制表符 等价于x0B
pattern.Add("f");//匹配换页符 等价于x0C
pattern.Add("
");//匹配回车符 等价于x0D
pattern.Add("\s");//匹配任何空白字符 等价于[	
vf
]
pattern.Add("\S");//匹配任何非空白字符 等价于[	
vf
]

到这里就需要说明一下了，和\的区别

是C#的转义符，如果要让C#把当字符处理，要使用\

或者在字符串前使用@告诉C#这个字符串的反斜杠都当字符处理

pattern.Add(@"s");

注意：如果一个字符串里面有多个，有表示转义符，也有表示字符的，那就不能在字符串之前用@，只能用\来区分

4、.（任何字符，除 ）

pattern.Add(".");//匹配除 "
" 之外的任何字符 result=49

5、xXX（单字节）与uXXXX（双字节）

xXX单字节字符，字符对应转义值可以查ASCII码表

pattern.Add("x61");//匹配单字节字符(x61=a) result=2
pattern.Add("x20");//匹配单字节字符(x20=空格) result=1

uXXXX双字节字符，除常用字符之外的所有字符，包括各种不常用字符和各国语言字符等等

pattern.Add("u00A9");//匹配双字节(u00A9=©) result=1
pattern.Add("[u4e00-u9fa5]");//匹配双字节([u4e00-u9fa5]=汉字) result=8

二、定位描述符

1、^ （匹配字符串的开始位置）

pattern.Add("^http");//开始位置匹配 result = 1
pattern.Add("^tansea");//开始位置匹配 result = 0

input确实是以http开头的，所以匹配到了1条，而下面那条语句没有匹配到记录

2、$（匹配字符串的结束位置）

pattern.Add("】$");//结束位置匹配 result = 1

3、（空格）与B（非空格）

pattern.Add("23\b");//匹配23+空格 result=1
pattern.Add("23\B");//匹配23+非空格 result=2

三、重复描述符

1、*（匹配0-∞次  等价于{0,}）

pattern.Add("233*");//以23开头，后面接0到n个3匹配 result=3

匹配到23、233、23333三条记录

2、+（匹配1-∞次  等价于{1,}）

pattern.Add("233+");//以23开头，后面接1到n个3匹配 result=2

匹配到233、23333两条记录

3、?（匹配0-1次  等价于{0,1}）

pattern.Add("233?");//以23开头，后面接0到1个3匹配 result=3

匹配到23、233、233（23333前面部分）三条记录

4、{n}（匹配n次，n>0）

pattern.Add("233{1}");//以23开头，后面接1个3匹配 result=2

匹配到233、233（23333前面部分）两条记录

5、{n,}（匹配n-∞次，n>0）

pattern.Add("233{1,}");//以23开头，后面接1到无限个3匹配 result=2

匹配到233、23333两条记录

6、{n,m}（匹配n-m次，n>0 且 n<=m）

pattern.Add("233{2,3}");//以23开头，后面接2到3个3匹配 result=1

匹配到23333一条记录

四、选择描述符

1、|（或操作）

pattern.Add("com|cn|net");//或条件 result=1

2、[]（IN操作，匹配所包含的任意一个字符）

pattern.Add("[人从众]");//IN条件 result=1

IN条件与或条件的区别：或条件是支持多字符，将一个段做为一个整体而IN条件只支持单字符

pattern.Add("[^人从众]");//NOT IN条件 result=46
pattern.Add("[o-t]");//BETWEEN条件 匹配小写o到小写t result=8
pattern.Add("[^o-t]");//NOT BETWEEN条件 匹配非小写o到小写t result=39

五、组(...)与非捕获组(?:...)

正则表达式会将刮号里的内容单独保存成一个组，并且匹配到的组可以反向引用， 是引用第n组

pattern.Add("\.(.{1,6})");//.开头取6个字符 result=2

结果：Group[0]=.tansea Group[1]=tansea 

          Group[0]=.cn/23  Group[1]=cn/23 

注意：/23后面是有一个空格的，是取了6个字符

如果不想把刮号里的内容保存到组，可以用非捕获组

pattern.Add("\.(?:.{1,6})");

六、贪婪与非贪婪

正则表达式默认为贪婪模式，可以在重复描述符后加上?改成非贪婪模式

pattern.Add(".*233");//结果为"http://www.tansea.cn/23 233【个人博客】233"一条记录
pattern.Add(".*?233");//结果为"http://www.tansea.cn/23 233"、"【个人博客】233"两条记录

七、回溯与非回溯

正则表达式默认为回溯模式，可以(?>...)改成非回溯模式

在贪婪模式情况下，非回溯模式不会再重新去匹配，而是接着继续匹配

pattern.Add("(.*)233");//结果为"http://www.tansea.cn/23 233【个人博客】233"
pattern.Add("(?>.*)233");//结果为空

八、正向预搜索(?=...)与反向预搜索(?<=...)

1、正向预搜索

pattern.Add("\d{3}(?=【个人博客】)");//匹配3个数字开头后面是"【个人博客】"
pattern.Add("\d{3}(?!=【个人博客】)");//匹配3个数字开头后面不是"【个人博客】"

2、反向预搜索

pattern.Add("(?<=【个人博客】)\d{3}");//匹配"【个人博客】"开头后面是3个数字
pattern.Add("(?!<=【个人博客】)\d{3}");//匹配不是"【个人博客】"开头后面是3个数字

可以看出来，当判断条件在后面时，我们用的是正向预搜索，反之则相反。

预搜索刮号内的内容不会匹配

来看看结果吧

pattern.ForEach(p =>
{
    MatchCollection matches = Regex.Matches(input, p);
    Console.WriteLine("Count:" + matches.Count);
    foreach (Match item in matches)
        //Console.WriteLine("Value:" + item.Groups[0].Value);
        Console.WriteLine("Value:" + item.Groups[0].Value + "=>" + item.Groups[1].Value);
});

实战篇

一、Escape和Uescape

string input = @"dhttp://www.tansea.cn2017";
string pattern = "\d";
string replacement = "X";
string split = ":|/|\.";
//d是元符号，将元符号转换成原义解释
string escapePattern = Regex.Escape(pattern);
Console.WriteLine(Regex.Match(input, escapePattern).Groups[0].Value);//result=d
//\d是原义，将原义转换成元符号解释
string unescapePattern = Regex.Unescape(escapePattern);
Console.WriteLine(Regex.Match(input, unescapePattern).Groups[0].Value);//result=2

二、IsMatch

Regex.IsMatch(input, pattern);//是否找到匹配项

三、Match

Match match = Regex.Match(input, pattern);//返回匹配到的第一项
Console.WriteLine(match.Value);

四、Matches

MatchCollection matches = Regex.Matches(input, pattern);//返回匹配到的所有项
foreach (Match item in matches)
    Console.WriteLine(item.Value);

五、Replace

Console.WriteLine(Regex.Replace(input, pattern, replacement));//用指定的字符串替换匹配到的项
Console.WriteLine(Regex.Replace(input, pattern, m =>
{
    string result = string.Empty;
    switch (m.Value)
    {
        case "2": result = "贰"; break;
        case "0": result = "零"; break;
        case "1": result = "壹"; break;
        case "7": result = "柒"; break;
    }
    return result;
}));//用委托返回的字符串替换匹配到的项

六、Split

List<string> inputs = Regex.Split(input, split).ToList();//以匹配到的项的位置为基本，拆分字符串
inputs.ForEach(i => Console.WriteLine(i));