C#正则表达式
正则表达式是一种匹配输入文本的模式,可以用于解析和验证给定文本以及模式之间是否匹配,模式可以包含运算符、字符字面值或结构。
正则表达式的组成
我们可以使用正则表达式检查给定字符串是否与指定模式相匹配。正则表达式的匹配模式由一系列字符组成,其中可以包括数子、文字、运算符、字符等等。我们可以使用这些模式来搜索字符串或文件,并查看是否找到了匹配的项。
开发中我们一般使用正则表达式来验证用户输入的信息是否正确,比如邮箱地址、手机号码等等。下面列举了用于定义正则表达式的各种类别的字符、运算符和结构:
转义字符;
字符类;
定位符;
分组构造;
限定符;
反向引用构造;
备用构造;
替换;
杂项构造。
1) 转义字符
正则表达式中的反斜杠\用来表示它后面跟随的字符是特殊字符,具有特殊的含义。下表列举了一些常用的转义字符:
转义字符 描述 正则表达式 示例
\a 与报警 (bell) 符 \u0007 匹配 \a 匹配 “Warning!” + ‘\u0007’ 中的 “\u0007”
\b 在字符类中,与退格键 \u0008 匹配 [\b]{3,} 匹配 “\b\b\b\b” 中的 “\b\b\b\b”
\t 与制表符 \u0009 匹配 (\w+)\t 匹配 “Name\tAddr\t” 中的 “Name\t” 和 “Addr\t”
\r 与回车符 \u000D 匹配,(\r 与换行符 \n 不是等效的) \r\n(\w+) 匹配 “\r\nHello\nWorld.” 中的 “\r\nHello”
\v 与垂直制表符 \u000B 匹配 [\v]{2,} 匹配 “\v\v\v” 中的 “\v\v\v”
\f 与换页符 \u000C 匹配 [\f]{2,} 匹配 “\f\f\f” 中的 “\f\f\f”
\n 与换行符 \u000A 匹配 \r\n(\w+) 匹配 “\r\nHello\nWorld.” 中的 “\r\nHello”
\e 与转义符 \u001B 匹配 \e 匹配 “\x001B” 中的 “\x001B”
\nnn 使用八进制形式指定一个字符(nnn 由二到三位数字组成) \w\040\w 匹配 “a bc d” 中的 “a b” 和 “c d”
\xnn 使用十六进制形式指定字符(nn 由两位数字组成) \w\x20\w 匹配 “a bc d” 中的 “a b” 和 “c d”
\cX\cx 匹配 X 或 x 指定的 ASCII 字符,其中 X 或 x 是控件字符的字母 \cC 匹配 “Ctrl” 中的 “C”
\unnnn 使用十六进制形式匹配一个 Unicode 字符(nnnn 表示一个四位数) \w\u0020\w 匹配 “a bc d” 中的 “a b” 和 “c d”
\ 在后面带有不识别的转义字符时,与该字符匹配 \d+[\+-x\*]\d+\d+[\+-x\*\d+ 匹配 “(2+2) * 3*9” 中的 “2+2” 和 “3*9”
2) 字符类
字符类可以与一个字符串中的任何一个字符相匹配,下表中列举了一些常用的字符类:
字符类 描述 正则表达式 示例
[character_group] 匹配 character_group 中的任何一个字符,默认情况下 character_group 中的字符区分大小写 [mn] 匹配 “mat” 中的 “m”,”moon” 中的 “m” 和 “n”
[^character_group] 匹配不在 character_group 中的任何单个字符,默认情况下 character_group 中的字符区分大小写 [^aei] 匹配 “avail” 中的 “v” 和 “l”
[first-last] 字符范围,匹配与从 first 到 last 范围内的任何单个字符 [b-d] [b-d]irds 可以匹配 Birds、 Cirds、 Dirds
. 通配符:匹配任何字符,若要匹配句号(. 或 \u002E),则必须在该字符前面加上转义符 (\.) a.e 匹配 “have” 中的 “ave”, “mate” 中的 “ate”
\p{name} 匹配 name 中指定的 Unicode 字符 \p{Lu} 匹配 “City Lights” 中的 “C” 和 “L”
\P{name} 匹配不在 name 中指定的 Unicode 字符 \P{Lu} 匹配 “City” 中的 “i”、 “t” 和 “y”
\w 匹配字母、数字、下划线 \w 匹配 “Room#1” 中的 “R”、 “o”、 “m” 和 “1”
\W 匹配字母、数字或下划线以外的字符 \W 匹配 “Room#1” 中的 “#”
\s 匹配任何空白字符(包括换行符) \w\s 匹配 “ID A1.3” 中的 “D ”
\S 匹配任何非空白字符(包括换行符) \s\S 匹配 “int __ctr” 中的 ” _”
\d 匹配任何十进制数字 \d 匹配 “4 = IV” 中的 “4”
\D 匹配不是十进制数的任意字符 \D 匹配 “4 = IV” 中的 ” “、 “=”、 ” “、 “I” 和 “V”
3) 定位符
定位符可以根据字符串出现的具体位置来判断匹配是成功还是失败,下表中列举了常用的定位符:
断言 描述 正则表达式 示例
^ 从字符串的开始位置进行匹配 ^\d{3} 匹配 “567-777-” 中的 “567”
$ 从字符串的结尾位置进行匹配 -\d{4}$ 匹配 “8-12-2012” 中的 “-2012”
\A 匹配字符串的开始位置 \A\w{4} 匹配 “Code-007-” 中的 “Code”
\Z 匹配字符串的结尾位置或字符串结尾换行之前的位置 -\d{3}\Z 匹配 “Bond-901-007” 中的 “-007”
\z 匹配字符串的结尾位置 -\d{3}\z 匹配 “-901-333” 中的 “-333”
\G 匹配上一个匹配结束的位置 \G\(\d\) 匹配 “(1)(3)(5)[7](9)” 中的 “(1)”、 “(3)” 和 “(5)”
\b 匹配一个单词的开始或结束的位置 er\b 匹配”never”中的”er”,但不能匹配”verb”中的”er”。
\B 匹配一个单词的中间位置 er\B 匹配”verb”中的”er”,但不能匹配”never”中的”er”。
4) 分组构造
分组构造描述了正则表达式的子表达式,并捕获输入字符串的子字符串。下表列出了常用的分组构造:
分组构造 描述 正则表达式 示例
(subexpression) 捕获匹配的子表达式并将其分配到一个从零开始的序号中 (\w)\1 “deep” 中的 “ee”
(?
(?
(?: subexpression) 定义非捕获组 Write(?:Line)? “Console.WriteLine()” 中的 “WriteLine”
(?imnsx-imnsx:subexpression) 应用或禁用 subexpression 中指定的选项 A\d{2}(?i:\w+)\b “A12xl A12XL a12xl” 中的 “A12xl” 和 “A12XL”
(?= subexpression) 零宽度正预测先行断言 \w+(?=\.) “He is. The dog ran. The sun is out.” 中的 “is”、 “ran” 和 “out”
(?! subexpression) 零宽度负预测先行断言 \b(?!un)\w+\b “unsure sure unity used” 中的 “sure” 和 “used”
(?<=subexpression) 零宽度正回顾后发断言 (?<=19)\d{2}\b "1851 1999 1950 1905 2003" 中的 "99"、"50"和 "05"
(? 零宽度负回顾后发断言 (? "Hi woman Hi man" 中的 "man"
(?> subexpression) 非回溯(也称为”贪婪”)子表达式 [13579](?>A+B+) “1ABB 3ABBC 5AB 5AC” 中的 “1ABB”、 “3ABB” 和 “5AB”
5) 限定符
限定符用来指定在字符串中必须存在某个元素(可以是字符、组或字符类)才能匹配成功。下表列出了常用的限定符:
限定符 描述 正则表达式 示例
* 匹配上一个元素零次或多次 \d*\.\d “.0″、 “19.9”、 “219.9”
+ 匹配上一个元素一次或多次 “be+” 匹配 “been” 中的 “bee”, “bent” 中的 “be”
? 匹配上一个元素零次或一次 “rai?n” “ran”、 “rain”
{n} 匹配上一个元素 n 次 “,\d{3}” 匹配 “1,043.6” 中的 “,043″, “9,876,543,210” 中的 “,876″、 “,543” 和 “,210”
{n, } 匹配上一个元素至少 n 次 “\d{2,}” “166”、 “29”、 “1930”
{n, m} 匹配上一个元素至少 n 次,但不多于 m 次 “\d{3,5}” 匹配 “166”, “17668”, “193024” 中的 “19302”
*? 匹配上一个元素零次或多次,但次数尽可能少 \d*?\.\d “.0″、 “19.9”、 “219.9”
+? 匹配上一个元素一次或多次,但次数尽可能少 “be+?” 匹配 “been” 中的 “be”, “bent” 中的 “be”
?? 匹配上一个元素零次或一次,但次数尽可能少 “rai??n” “ran”、 “rain”
{n}? 匹配前导元素恰好 n 次 “,\d{3}?” 匹配 “1,043.6” 中的 “,043″, “9,876,543,210” 中的 “,876″、 “,543” 和 “,210”
{n,}? 匹配上一个元素至少 n 次,但次数尽可能少 “\d{2,}?” “166”、 “29” 和 “1930”
{n, m}? 匹配上一个元素的次数介于 n 和 m 之间,但次数尽可能少 “\d{3,5}?” 匹配 “166”, “17668”, “193024” 中的 “193” 和 “024”
6) 反向引用构造
反向引用构造允许先前匹配的子表达式随后在相同的正则表达式中进行标识。下表列出了常用的反向引用构造:
反向引用构造 描述 正则表达式 示例
\number 反向引用,匹配编号子表达式的值 (\w)\1 匹配 “seek” 中的 “ee”
\k
7) 备用构造
备用构造用于修改正则表达式以启用 either/or 匹配。下表列出了常用的备用构造:
备用构造 描述 正则表达式 示例
| 匹配以竖线|字符分隔的任何一个元素 th(e|is|at) 匹配 “this is the day. ” 中的 “the” 和 “this”
(?( expression )yes | no) 如果正则表达式模式由 expression 匹配指定,则匹配 yes 部分;否则匹配可选的 no 部分,expression 被解释为零宽度断言 (?(A)A\d{2}\b|\b\d{3}\b) 匹配 “A10 C103 910” 中的 “A10” 和 “910”
(?( name )yes | no ) 如果 name 或已命名或已编号的捕获组具有匹配,则匹配 yes 部分;否则匹配可选的 no 部分。 (?< quoted>“)?(?(quoted).+?”|\S+\s) 匹配 “Dogs.jpg “Yiska playing.jpg”” 中的 Dogs.jpg 和 “Yiska playing.jpg”
8) 替换
替换是替换模式中使用的正则表达式。下表列出了用于替换的字符:
字符 描述 模式 替换模式 输入字符串 结果字符串
$number 替换按组 number 匹配的子字符串 \b(\w+)(\s)(\w+)\b $3$2$1 “one two” “two one”
${name} 替换按命名组 name 匹配的子字符串 \b(?< word1>\w+)(\s)(?< word2>\w+)\b ${word2} ${word1} “one two” “two one”
$$ 替换字符”$” \b(\d+)\s?USD $$$1 “103 USD” “$103”
$& 替换整个匹配项的一个副本 (\$*(\d*(\.+\d+)?){1}) **$& “$1.30” “**$1.30**”
$` 替换匹配前的输入字符串的所有文本 B+ $` “AABBCC” “AAAACC”
$’ 替换匹配后的输入字符串的所有文本 B+ $’ “AABBCC” “AACCCC”
$+ 替换最后捕获的组 B+(C+) $+ “AABBCCDD” AACCDD
$_ 替换整个输入字符串 B+ $_ “AABBCC” “AAAABBCCCC”
9) 杂项构造
下表列出了各种杂项构造:
构造 描述 示例
(?imnsx-imnsx) 在模式中间对诸如不区分大小写这样的选项进行设置或禁用 \bA(?i)b\w+\b 匹配 “ABA Able Act” 中的 “ABA” 和 “Able”
(?#注释) 内联注释。该注释在第一个右括号处终止 \bA(?# 匹配以 A 开头的单词 )\w+\b
# [行尾] 该注释以非转义的 # 开头,并继续到行的结尾 (?x)\bA\w+\b# 匹配以 A 开头的单词
Regex 类
Regex 类用于使用一个正则表达式,下表中列出了 Regex 类中一些常用的方法:
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,从字符串中指定的位置开始查找
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
【示例】匹配以“C”开头的词组:
using System; using System.Text.RegularExpressions; namespace net.yinzhong { class Demo { static void Main(string[] args) { string str = "C#教程 C语言 正则表达式"; showMatch(str, @"\bC\S*"); Console.ReadKey(); } private static void showMatch(string text, string expr) { Console.WriteLine("正则表达式为: " + expr); Console.WriteLine("匹配以“C”开头的字符串: "); MatchCollection mc = Regex.Matches(text, expr); foreach (Match m in mc) { Console.WriteLine(m); } } } }
运行结果如下:
正则表达式为: \bC\S* 匹配以“C”开头的字符串: C#教程 C语言
【示例】匹配以“m”开头,以“e”结尾的单词:
using System; using System.Text.RegularExpressions; namespace net.yinzhong { class Demo { static void Main(string[] args) { string str = "make maze and manage to measure it"; showMatch(str, @"\bm\S*e\b"); Console.ReadKey(); } private static void showMatch(string text, string expr) { Console.WriteLine("正则表达式为: " + expr); Console.WriteLine("匹配以“m”开头,以“e”结尾的单词: "); MatchCollection mc = Regex.Matches(text, expr); foreach (Match m in mc) { Console.WriteLine(m); } } } }
运行结果如下:
make maze manage measure
【示例】去除字符串中多余的空格:
using System; using System.Text.RegularExpressions; namespace net.yinzhong { class Demo { static void Main(string[] args) { string input = "C 语言 "; string pattern = "\\s+"; Regex rgx = new Regex(pattern); string result = rgx.Replace(input, ""); Console.WriteLine("原始字符串: {0}", input); Console.WriteLine("替换后的字符串: {0}", result); Console.ReadKey(); } } }
运行结果如下:
原始字符串: C 语言 替换后的字符串: C语言