正则表达式可以看做一种有特定功能的小型编程语言,在一段文本中定位子字符串。利用正则表达式可以快速地分析大量的文本以找到特定的字符模式;提取、编辑、替换或删除文本子字符串;或将提取的字符串添加到集合。正则表达式的基本语法可参见:深入浅出之正则表达式(一),深入浅出之正则表达式(二)。
C#命名空间System.Text.RegularExpressions提供了支持正则表达式操作的类。这些类主要包括Regex,MatchCollection,Match,GroupCollection,Group,CaputerCollection和Caputer,下图表示了这些类之间的关系。
public static void Main(string[] args) { string text = "I've found this amazing URL at http://www.sohu.com ,and then find ftp://ftp.sohu.com is better."; string pattern = @"(S+)://(S+)"; //匹配URL的模式 MatchCollection mc = Regex.Matches(text, pattern); //满足pattern的匹配集合 Console.WriteLine("文本中包含的URL地址有:"); foreach (Match match in mc) { Console.WriteLine(match.ToString()); } Console.Read(); } /* * 运行后输出如下: * 文本中包含的URL地址有: * http://www.sohu.com * ftp://ftp.sohu.com */
现在,要求变了,不仅要找出URL,还要找出每个URL的协议和域名地址,这时就要用到正则表达式的分组功能了。分组是要匹配的模式pattern用小括号括起来,分成不同的组,如可以把上面例子中的模式改为:string pattern = @"(?<protocol>S+)://(?<address>S+)"; 这样就用括号分成了两个组(实际上是三个组,因为匹配本身可以看做一个大组),"?<protocol>"和"?<address>"定义了每个组的别名protocol和address,这不是必须的,只是方便我们获取需要的组。示例代码如下
public static void Main(string[] args) { string text = "I've found this amazing URL at http://www.sohu.com ,and then find ftp://ftp.sohu.com is better."; string pattern = @"(?<protocol>S+)://(?<address>S+)"; //匹配URL的模式,并分组 MatchCollection mc = Regex.Matches(text, pattern); //满足pattern的匹配集合 Console.WriteLine("文本中包含的URL地址有:"); foreach (Match match in mc) { GroupCollection gc = match.Groups; string outputText = "URL:" + match.Value + ";Protocol:" + gc["protocol"].Value + ";Address:" + gc["address"].Value; Console.WriteLine(outputText); } Console.Read(); } /** * 运行后输出如下: * 文本中包含的URL地址有: * URL:http://www.sohu.com;Protocol:http;Address:www.sohu.com * URL:ftp://ftp.sohu.com;Protocol:ftp;Address:ftp.sohu.com */