目前為止，許多編程語言和工具都包含對正則表達式的支持，C#也不例外，C#基礎類庫中包含有一個命名空間（System.Text.RegularExpressions）和一系列可以充分發(fā)揮規(guī)則表達式威力的類(Regex、Match、Group等)。那么，什么是正則表達式，怎么定義正則表達式呢？

一、正則表達式基礎

什么是正則表達式

在編寫字符串的處理程序時，經(jīng)常會有查找符合某些復雜規(guī)則的字符串的需要。正則表達式就是用于描述這些規(guī)則的工具。換句話說，正則表達式就是記錄文本規(guī)則的代碼。

通常，我們在使用WINDOWS查找文件時，會使用通配符（*和?）。如果你想查找某個目錄下的所有Word文檔時，你就可以使用*.doc進行查找，在這里，*就被解釋為任意字符串。和通配符類似，正則表達式也是用來進行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求——當然，代價就是更復雜。

一個簡單的例子——驗證電話號碼

學習正則表達式的最好方法是從例子開始，下面我們從驗證電話號碼開始，一步一步的了解正則表達式。

在我們國家，電話號碼（如：0379-65624150）通常包含3到4為以0開頭的區(qū)號和一個7或8為的號碼，中間通常以連字符'-'隔開。在這個例子中，首先我們要介紹一個元字符\d，它用來匹配一個0到9的數(shù)字。這個正則表達式可以寫成：^0\d{2,3}-\d{7,8}$

我們來對他進行分析，0匹配數(shù)字“0”，\d匹配一個數(shù)字，{2,3}表示重復2到3次，-只匹配”-”自身，接下來的\d同樣匹配一個數(shù)字，而 {7,8}則表示重復7到8次。當然，電話號碼還可以寫成 (0379)65624150，這里就交給讀者完成。

元字符

在上面的例子中，我們接觸到了一個元字符\d，正如你所想的，正則表達式還有很多像\d一樣的元字符，下表列出了一些常用的元字符：

表1、常用的元字符

 轉(zhuǎn)義字符

如果你想查找元字符本身的話，比如你查找.,或者*,就出現(xiàn)了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時你就得使用\來取消這些字符的特殊意義。因此，你應該使用\.和\*。當然，要查找\本身，你也得用\\.

例如：unibetter\.com匹配unibetter.com，C:\\Windows匹配C:\Windows。

限定符

限定符又叫重復描述字符，表示一個字符要出現(xiàn)的次數(shù)。比如我們在匹配電話號碼時使用的{3,4}就表示出現(xiàn)3到4次。常用的限定符有：

                                               表2、常用的限定符

二、.NET中正則表達式的支持

System.Text.RegularExpressions 命名空間包含一些類，這些類提供對 .NET Framework 正則表達式引擎的訪問。該命名空間提供正則表達式功能，可以從運行在 Microsoft .NET Framework 內(nèi)的任何平臺或語言中使用該功能。

1、在C#中使用正則表達式

在了解了C#中支持正則表達式的類后，我們一起來將上面提到的驗證電話號碼的正則表達式寫入C#代碼中，實現(xiàn)電話號碼的驗證。

第一步，建立一個名為SimpleCheckPhoneNumber的Windows項目。

第二步，引入System.Text.RegularExpressions命名空間。

第三步，寫出正則表達式。這里的正則表達式就是上面的驗證號碼的字符串。由于上面的字符串只能驗證用連字符連接區(qū)號和號碼的方式的電話號碼，所以我們做了一些修改：0\d{2,3}-\d{7,8}|\(0\d{2,3}\)\d{7,8}。在這個表達式中，| 號面的一部分是我們上面提到過的，后面一部分是用來驗證(0379)65624150這種電話號碼寫法的。由于 (  和  ) 也是元字符，所以要用轉(zhuǎn)義字符。| 表示分支匹配，要么匹配前面的一部分，要么匹配后面的一部分。

第四步，正則表達式構(gòu)造一個Regex類。

第五步，使用Regex類的IsMatch方法驗證匹配。Regex類的IsMatch()方法返回一個bool值，如果有匹配項，返回true，否則返回false。

 三、正則表達式進階

分組

在匹配電話號碼的時候，我們已經(jīng)用到過重復單個字符。下面我們來了解如何使用分組來匹配一個IP地址。

眾所周知，IP地址是四段點分十進制的字符串表示的。所以，我們可以通過地址的分組，來進行匹配。首先，我們來匹配第一段：2[0-4]\d|25[0-5]|[01]?\d\d? 這段正則表達式可以匹配IP地址的一段數(shù)字。2[0-4]\d 匹配以2開頭，十位為0到4，個位為任何數(shù)字的三位字段，25[0-5] 匹配以25 開頭，個位為0到5 的三位字段，[01]?\d\d? 匹配任何以1者0頭，個位和十位為任何數(shù)子的字段。? 表示出現(xiàn)零次或一次。所以， [01] 和 最后一個 \d 都可以不出現(xiàn)，如果我們再向這個字符串后面添加一個 \. 來匹配 . 就可以劃分一個段了。現(xiàn)在，我們把 2[0-4]\d|25[0-5]|[01]?\d\d?\. 當做一個分組，就可以寫成 (2[0-4]\d|25[0-5]|[01]?\d\d?\.) 。接下來我們就來使用這個分組。將這個分組重復兩次，然后，再使用 2[0-4]\d|25[0-5]|[01]?\d\d? 就可以了。完整的正則表達式為： (2[0-4]\d|25[0-5]|[01]?\d\d?\.){3}2[0-4]\d|25[0-5]|[01]?\d\d?

 后向引用

在我們了解分組以后，我們就可以使用后向引用了。所謂后向引用，就是使用前面捕獲的結(jié)果，對后面的字符進行匹配。多用于匹配重復字符。比如匹配 go go 這樣的重復字符。我們就可以使用 (go) \1來進行匹配。

默認情況下，每個分組會自動擁有一個組號，規(guī)則是：從左向右，以分組的左括號為標志，第一個出現(xiàn)的分組的組號為1，第二個為2，以此類推。當然，你也可以自己指定子表達式的組名。要指定一個子表達式的組名，請使用這樣的語法：(?<Word>\w+)(或者把尖括號換成'也行：(?'Word'\w+)),這樣就把\w+的組名指定為Word了。要反向引用這個分組捕獲的內(nèi)容，你可以使用\k<Word>,所以上一個例子也可以寫成這樣：\b(?<Word>\w+)\b\s+\k<Word>\b。

自定義組名還有另外一個好處，在我們的C#程序中，如果需要得到分組的值，我們就可以很明確的使用我們定義的分組的名字來得到，而不必使用下標。

當我們并不想使用后向引用時，是不需要捕獲組記憶任何東西的，這種情況下就可以利用(?:nocapture)語法來主動地告訴正則表達式引擎，不要把圓括號的內(nèi)容當作捕獲組，以便提高效率。

 零寬斷言

在前面的元字符介紹中，我們已經(jīng)知道了有這樣一類字符，可以匹配一句話的開始、結(jié)束（^ $）或者匹配一個單詞的開始、結(jié)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(xù)進行匹配。

在有些時候，我們精確的匹配一個位置，而不僅僅是句子或者單詞，這就需要我們自己寫出斷言來進行匹配。下面是斷言的語法：

表3、斷言的語法及說明

很難理解嗎？我們來看一個例子。

有一個標簽：<book>，我們想要得到標簽<book>的標簽名（book），這個時候，我們就可以使用斷言來處理?？聪旅孢@個表達式：(?<=\<)(?<tag>\w*)(?=\>) ，使用這個表達式，可以匹配< 和 >之間的字符，也就是這里的book。使用斷言還還可以寫出更加復雜的表達式，這里就不再舉例了。

還有一點非常重要，就是斷言語法所使用的圓括號并不作為捕獲組，所以不能使用編號或命名來對它進行引用。

 貪婪與懶惰

當正則表達式中包含能接受重復的限定符時，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符。來看一下這個表達式：a\w*b ，用它來匹配字符串 aabab 時，得到的匹配結(jié)果是 aabab 。這種匹配被稱為貪婪匹配。

有些時候，我們希望讓它盡可能的少重復，即用上面的例子得到的匹配結(jié)果是 aab，這時我們就要使用懶惰匹配。懶惰匹配需要在重復限定符的后面添加一個 ? 符號，上面的表達式就可以寫成：a\w*?b 我們再來匹配字符串 aabab時，得到的匹配結(jié)果是 aab 和 ab 。

也許這個時候你要問，ab 比aab重復次數(shù)更少，為什么不先匹配ab呢？其實在正則表達式中還有比貪婪/懶惰優(yōu)先級更高的規(guī)則：最先開始的匹配擁有最高的優(yōu)先權(quán)——The match that begins earliest wins。

 注釋

語法：(?#comment)

   例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d\d?(?#0-199)

   注意：如果使用注釋，則需要格外注意不要在注釋的小括號前面出現(xiàn)空格、換行符等一些字符，如果可以忽略這些字符，則最好使用“忽略模式里的空白符”選項，即C#中RegexOptions枚舉的IgnorePatternWhitespace選項（C#中的RegexOptions枚舉下面將會提到）。

 C#中的處理選項

在C#中，可以使用RegexOptions 枚舉來選擇C#對正則表達式的處理方式。下面是MSDN中RegexOptions 枚舉的成員介紹：

 C#中Capture類、Group類、Match類

Capture類：表示單個子表達式捕獲中的結(jié)果。Capture類表示單個成功捕獲中的一個子字符串。該類沒有公共構(gòu)造函數(shù)，可以從Group類或者Match類中得到一個Capture類的對象集合。Capture類有三個常用屬性，分別是Index、Length和Value。Index表示捕獲的子字符串的第一個字符的位置。Length表示捕獲的子字符串的長度，Value表示捕獲的子字符串。

Group類：表示正則表達式中分組的信息。該類提供了對分組匹配的正則表達式的支持。該類沒有公共構(gòu)造函數(shù)。可以從Match類中得到一個Group類的集合。如果正則表達式中的分組已命名，則可以使用名字對其進行訪問，如果沒有命名，則可以采用下標訪問。注意：每一個Match的Groups集合中的第0個元素（Groups[0]）都是這個Match捕獲的字符串，也是Capture的Value。

Match類：表示單個正則表達式匹配的結(jié)果。該類同樣沒有公共構(gòu)造函數(shù)，可以從Regex類的Match()方法得到該類的一個實例，也可以使用Regex類的Matches()方法得到給類的一個集合。

這三個類都能表示單個正則表達式匹配的結(jié)果，但Match類得到的更為詳細，包含捕獲和分組信息。所以，Match類在這個三個類中是最常用的。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論