C# 高级教程（3）—— 深入探究正则表达式

        在 C# 的编程世界中，正则表达式是一个强大且实用的工具，它能帮助开发者高效地处理文本检索和匹配等复杂问题。本文将详细介绍正则表达式的概念、组成，以及 C#中 ——System.Text.RegularExpressions 命名空间下 Regex 类的使用。

一、正则表达式概述

        正则表达式，英文名为 Regular Expression，是计算机科学领域的重要概念。它借助数学算法，解决计算机程序里的文本检索、匹配等难题。正则表达式语言专注于字符串处理，在众多编程语言中都得到了广泛支持，C# 也不例外。

1. 检索：通过正则表达式，从字符串中精准获取所需部分。
2. 匹配：判断给定字符串是否符合正则表达式设定的过滤逻辑。

        可以将正则表达式理解为定义字符串书写规则的工具，比如判断用户输入的密码是否合法，或者邮箱格式是否正确。

二、正则表达式的组成

        正则表达式由普通字符和特殊字符（即元字符）构成文字模式，该模式描述了在查找文字主体时待匹配的一个或多个字符串。

三、C# 中操作正则表达式

        在 C# 中，System.Text.RegularExpressions 命名空间下的 Regex 类提供了一系列静态方法和委托，用于操作正则表达式。

1. IsMatch 静态方法

该方法用于判断指定字符串是否与正则表达式匹配，返回值为布尔类型，有三个重载方法：

bool IsMatch(string input, string pattern);

• 参数：
  • input：要搜索匹配项的字符串。
  • pattern：要匹配的正则表达式模式。
• 返回结果：如果正则表达式找到匹配项，则返回 true；否则，返回 false。

 

bool IsMatch(string input, string pattern, RegexOptions options);

• 参数：
  • input：要搜索匹配项的字符串。
  • pattern：要匹配的正则表达式模式。
  • options：枚举值的按位组合，提供匹配选项。
• 返回结果：如果正则表达式找到匹配项，则返回 true；否则，返回 false。

bool IsMatch(string input, string pattern, RegexOptions options, TimeSpan matchTimeout);

• 参数：
  • input：要搜索匹配项的字符串。
  • pattern：要匹配的正则表达式模式。
  • options：枚举值的按位组合，提供匹配选项。
  • matchTimeout：超时间隔，或 System.Text.RegularExpressions.Regex.InfiniteMatchTimeout 指示该方法不应超时。
• 返回结果：如果正则表达式找到匹配项，则返回 true；否则，返回 false。

 

2.RegexOptions 枚举类型

RegexOptions 是一个枚举类型，包含以下常用枚举值：

RegexOptions 枚举值	内联标志	简单说明
ExplicitCapture	n	只有定义了命名或编号的组才捕获
IgnoreCase	i	不区分大小写
IgnorePatternWhitespace	x	消除模式中的非转义空白并启用由 # 标记的注释
MultiLine	m	多行模式，修改了 ^ 和 $ 的含义
SingleLine	s	单行模式，与 MultiLine 相对应

        内联标志可针对一组正则表达式，更精细地定义匹配选项。

3. Match 静态方法

        该方法使用指定的匹配选项，在输入字符串中搜索指定正则表达式的第一个匹配项，返回一个包含匹配信息的对象。同样有三个重载方法，参数与 IsMatch 方法相同：

Match Match(string input, string pattern);
Match Match(string input, string pattern, RegexOptions options);
Match Match(string input, string pattern, RegexOptions options, TimeSpan matchTimeout);

        此外，Regex 类中还有一个同名的非静态方法，在处理多个实例时，效率更高。

 

3. Matches 静态方法

        该方法在指定的输入字符串中搜索指定正则表达式的所有匹配项，与 Match 方法不同，它返回所有匹配项。同样有三个重载方法，参数与 Match 方法完全相同：

MatchCollection Matches(string input, string pattern);
MatchCollection Matches(string input, string pattern, RegexOptions options);
MatchCollection Matches(string input, string pattern, RegexOptions options, TimeSpan matchTimeout);

 

4. Replace 方法

        正则表达式主要用于验证、提取、分割和替换字符串，Replace 方法实现了替换功能，有以下四个重载方法：

string Replace(string input, string pattern, string replacement);

• 参数：
  • input：源字符串。
  • pattern：匹配条件。
  • replacement：替换内容，将符合匹配条件 pattern 的内容替换为此内容。

 

string result = Regex.Replace("abc", "ab", "##");
// 结果是##c，把字符串abc中的ab替换成##

string Replace(string input, string pattern, string replacement, RegexOptions options);

• 参数：
  • input：源字符串。
  • pattern：匹配条件。
  • replacement：替换内容。
  • options：RegexOptions 枚举类型，用于设定匹配选项，如忽略大小写可使用 RegexOptions.IgnoreCase。

 

string result = Regex.Replace("ABc", "ab", "##", RegexOptions.IgnoreCase);

        对于复杂的替换需求，比如匹配到多种内容，需要将不同内容替换成不同字符，可使用以下两个方法：

 

string Replace(string input, string pattern, MatchEvaluator evaluator);

• 参数：
  • input：源字符串。
  • pattern：匹配条件。
  • evaluator：一个代理，本质上可理解为一个函数指针，通过代理绑定的函数实现复杂替换。

string Replace(string input, string pattern, MatchEvaluator evaluator, RegexOptions options);

• 参数：
  • input：源字符串。
  • pattern：匹配条件。
  • evaluator：一个代理。
  • options：RegexOptions 枚举类型，用于设定匹配选项。

 

5. Split 静态方法

        该方法使用正则表达式匹配的位置，将文本拆分为一个字符串数组，有三个重载方法：

string[] Split(string input, string pattern);
string[] Split(string input, string pattern, RegexOptions options);
string[] Split(string input, string pattern, RegexOptions options, TimeSpan matchTimeout);

 

四、正则表达式中的特殊符号与示例

1. @ 符号

        在正则表达式字符串前加上 @ 字符，可防止编译器解析其中的转义字符，使其作为正则表达式的语法（元字符）存在。

string s = @"www.baidu.com \n lkjsdflkj";

2. 定位元字符

字符	说明
\b	匹配单词的开始或结束
\B	匹配非单词的开始或结束
^	匹配必须出现在字符串的开头或行的开头
$	匹配必须出现在以下位置：字符串结尾、字符串结尾处的 \n 之前或行的结尾
\A	指定匹配必须出现在字符串的开头（忽略 Multiline 选项）
\z	指定匹配必须出现在字符串的结尾（忽略 Multiline 选项）
\z	指定匹配必须出现在字符串的结尾或字符串结尾处的 \n 之前（忽略 Multiline 选项）
\G	指定匹配必须出现在上一个匹配结束的地方，与 Match.NextMatch() 一起使用时，确保所有匹配都是连续的

定位元字符示例

// 示例一：匹配开始 ^
string str = "I am Blue cat";
Console.WriteLine(Regex.Replace(str, "^", "准备开始:"));

// 示例二：匹配结束 $
string str2 = "I am Blue cat";
Console.WriteLine(Regex.Replace(str2, "$", " 结束了！"));

 

3. 基本语法元字符

字符	说明
.	匹配除换行符以外的任意字符
\w	匹配字母、数字、下划线、汉字 (指大小写字母、0 - 9 的数字、下划线_)
\W	\w 的补集 （除 “大小写字母、0 - 9 的数字、下划线_” 之外）
\s	匹配任意空白符 (包括换行符 \n、回车符 \r、制表符 \t、垂直制表符 \v、换页符 \f)
\S	\s 的补集 (除 \s 定义的字符之外)
\d	匹配数字 (0 - 9 数字)
\D	表示 \d 的补集 (除 0 - 9 数字之外)

        在正则表达式中，\ 是转义字符，* 是元字符。若要表示 \、.、* 字符，需使用 \\、\.、\*。

基本语法元字符示例

// 示例一：校验只允许输入数字
string strCheckNum1 = "23423423a3", strCheckNum2 = "324234";
Console.WriteLine("匹配字符串" + strCheckNum1 + "是否为数字:" + Regex.IsMatch(strCheckNum1, @"^\d*$"));
Console.WriteLine("匹配字符串" + strCheckNum2 + "是否为数字:" + Regex.IsMatch(strCheckNum2, @"^\d*$"));

// 示例二：校验只允许输入除大小写字母、0 - 9的数字、下划线_以外的任何字符
string strCheckStr1 = "abcds_a", strCheckStr2 = "**&&((((2", strCheckStr3 = "**&&((((";
string regexStr = @"^\W*$";
Console.WriteLine("匹配字符串" + strCheckStr1 + "是否为除大小写字母、0 - 9的数字、下划线_以外的任何字符:" + Regex.IsMatch(strCheckStr1, regexStr));
Console.WriteLine("匹配字符串" + strCheckStr2 + "是否为除大小写字母、0 - 9的数字、下划线_以外的任何字符:" + Regex.IsMatch(strCheckStr2, regexStr));
Console.WriteLine("匹配字符串" + strCheckStr3 + "是否为除大小写字母、0 - 9的数字、下划线_以外的任何字符:" + Regex.IsMatch(strCheckStr3, regexStr));

4. 反义字符

字符	说明
\W	\w 的补集 （除 “大小写字母、0 - 9 的数字、下划线_” 之外）
\S	\s 的补集 (除 \s 定义的字符之外)
\D	表示 \d 的补集 (除 0 - 9 数字之外)
\B	匹配不是单词开头或结束的位置
[ab]	匹配中括号中的字符
[a - c]	匹配 a 字符到 c 字符之间的字符
[^x]	匹配除了 x 以外的任意字符
[^adwz]	匹配除了 adwz 这几个字符以外的任意字符

反义字符示例

// 示例：查找除ahou这之外的所有字符
string strFind1 = "I am a Cat!", strFind2 = "My Name's Blue cat!";
Console.WriteLine("除ahou这之外的所有字符，原字符为：" + strFind1 + "替换后:" + Regex.Replace(strFind1, @"[^ahou]", "*"));
Console.WriteLine("除ahou这之外的所有字符，原字符为：" + strFind2 + "替换后:" + Regex.Replace(strFind2, @"[^ahou]", "*"));

5. 重复描述字符

字符	说明
{n}	匹配前面的字符 n 次
{n,}	匹配前面的字符 n 次或多于 n 次
{n,m}	匹配前面的字符 n 到 m 次
?	重复零次或一次
+	重复一次或更多次
*	重复零次或更多次

重复描述字符示例

// 示例：校验输入内容是否为合法QQ号(备注：QQ号为5 - 12位数字)
string isQq1 = "1233", isQq2 = "a1233", isQq3 = "0123456789123", isQq4 = "556878544";
string regexQq = @"^\d{5,12}$";
Console.WriteLine(isQq1 + "是否为合法QQ号(5 - 12位数字):" + Regex.IsMatch(isQq1, regexQq));
Console.WriteLine(isQq2 + "是否为合法QQ号(5 - 12位数字):" + Regex.IsMatch(isQq2, regexQq));
Console.WriteLine(isQq3 + "是否为合法QQ号(5 - 12位数字):" + Regex.IsMatch(isQq3, regexQq));
Console.WriteLine(isQq4 + "是否为合法QQ号(5 - 12位数字):" + Regex.IsMatch(isQq4, regexQq));

6. 择一匹配

| 字符用于将两个匹配条件进行逻辑 “或”（Or）运算。

择一匹配示例

// 示例一：查找数字或字母
string findStr1 = "ad(d3)-df";
string regexFindStr = @"[a-z]|\d";
string newStrFind = String.Empty;
MatchCollection newStr = Regex.Matches(findStr1, regexFindStr);
newStr.Cast<Match>().Select(m => m.Value).ToList<string>().ForEach(i => newStrFind += i);
Console.WriteLine(findStr1 + "中的字母和数字组成的新字符串为:" + newStrFind);

// 示例二：将人名输出（"zhangsan;lisi,wangwu.zhaoliu"）
string strSplit = "zhangsan;lisi,wangwu.zhaoliu";
string regexSplitstr = @"[;]|[,]|[.]";
Regex.Split(strSplit, regexSplitstr).ToList().ForEach(i => Console.WriteLine(i));

7. 对正则表达式分组 ()

使用小括号来指定子表达式（也叫做分组）。

分组示例

// 示例一：重复单字符和重复分组字符
Console.WriteLine("请输入一个任意字符串，测试分组：");
string inputStr = Console.ReadLine();
string strGroup1 = @"a{2}";
Console.WriteLine("单字符重复2两次替换为22，结果为：" + Regex.Replace(inputStr, strGroup1, "22"));
// 重复多个字符 使用（abcd）{n}进行分组限定
string strGroup2 = @"(ab\w{2}){2}";
Console.WriteLine("分组字符重复2两次替换为5555，结果为：" + Regex.Replace(inputStr, strGroup2, "5555"));

// 示例二：校验IP4地址（如：192.168.1.4，为四段，每段最多三位，每段最大数字为255，并且第一位不能为0）
string regexStrIp4 = @"^(((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?))$";
Console.WriteLine("请输入一个IP4地址：");
string inputStrIp4 = Console.ReadLine();
Console.WriteLine(inputStrIp4 + " 是否为合法的IP4地址：" + Regex.IsMatch(inputStrIp4, regexStrIp4));
Console.WriteLine("请输入一个IP4地址：");
string inputStrIp4Second = Console.ReadLine();
Console.WriteLine(inputStrIp4 + " 是否为合法的IP4地址：" + Regex.IsMatch(inputStrIp4Second, regexStrIp4));

五·结语

        通过对正则表达式的深入学习，我们能够在 C# 编程中，更高效地处理字符串相关的复杂问题。