C# 正则表达式(Regex)
正则表达式是形成搜索模式的一系列字符。正则表达式可用于检查字符串是否包含指定的搜索模式。也可以进行字符串的替换和提取。本文主要介绍C# 正则表达式。
1、C# 正则表达式
正则表达式是由普通字符（如英文字母）以及特殊字符（也称为元字符）组成的文字模式。该模式对文本查找时需要匹配的一个或多个字符串描述，给出一个匹配模板。它专门用于操作字符串，可以简化对字符串的复杂操作。正则表达式可以是单个字符，也可以是更复杂的模式。
C#正则表达式类Regex，包含于System.Text.RegularExpressions命名空间下面，常用方法如下：
|
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， 从字符串中指定的开始位置开始。 |
|
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。 |
例如：
找出字符串中是否存在 “cjavapy”：
using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
public class RegexDemo
{
public static void Main(string[] args)
{
Regex regex = new Regex("cjavapy",RegexOptions.IgnoreCase);//RegexOptions.IgnoreCase不区分大小写
bool isMatched = regex.IsMatch("url is www.cjavapy.com");
if (isMatched)
{
Console.WriteLine("匹配到结果");
}
else
{
Console.WriteLine("没有匹配到");
}
}
}
}2、匹配标志(flag)
new Regex()构造函数中的flag更改了执行搜索的方式。 比较常用的如下：
RegexOptions.IgnoreCase：在执行搜索时，字母的大小写将被忽略。
详细介绍如下表：
|
标志 |
描述 |
|
RegexOptions.Compiled |
指定将正则表达式编译为程序集。 这会产生更快的执行速度， 但会增加启动时间。 在调用 Options 方法时， 不应将此值分配给 |
|
RegexOptions.CultureInvariant |
指定忽略语言中的区域性差异。 |
|
RegexOptions.ECMAScript |
为表达式启用符合 ECMAScript 的行为。 该值只能与 IgnoreCase、Multiline 和 Compiled 值一起使用。 该值与其他任何值一起使用均将导致异常。。 |
|
RegexOptions.ExplicitCapture |
指定唯一有效的捕获是显式命名 或编号的 (?<name>...) 形式的组。 这使未命名的圆括号可以充当非捕获组， 并且不会使表达式的语法 (?:...) 显得笨拙。 |
|
RegexOptions.IgnoreCase |
指定不区分大小写的匹配。 |
|
RegexOptions.IgnorePatternWhitespace |
消除模式中的非转义空白并启用由 # 标记的注释。 但是，此值不影响 数值量词或标记的空格。 |
|
RegexOptions.Multiline |
多行模式。 更改 ^ 和 $ 的含义， 使它们分别在任意一行的行首和行尾匹配， 而不仅仅在整个字符串的开头和结尾匹配。 |
|
None |
指定不设置任何选项。 |
|
RightToLeft |
指定搜索从右向左而不是从左向右进行。 |
|
Singleline |
指定单行模式。 更改点 (.) 的含义， 以使它与每个字符（而不是除 \n 之外的所有字符）匹配。 |
3、正则表达式pattern
new Regex()构造函数的第一个参数是pattern。它描述了要搜索的内容。
方括号用于查找字符范围：
|
表达式 |
描述 |
|
[abc] |
从方括号之间的选项中找到一个字符 |
|
[^abc] |
在括号之间找不到一个字符 |
|
[0-9] |
在0到9的范围内找到一个字符 |
4、元字符
元字符是具有特殊含义的字符：
|
字符 |
描述 |
|
\ |
将下一个字符标记为一个特殊字符、或一个原义字符、 或一个 向后引用、或一个八进制转义符。 例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。 序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。 |
|
^ |
匹配输入字符串的开始位置。 如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。 |
|
$ |
匹配输入字符串的结束位置。 如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。 |
|
* |
匹配前面的子表达式零次或多次。 例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
|
+ |
匹配前面的子表达式一次或多次。 例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
|
? |
匹配前面的子表达式零次或一次。 例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。 |
|
{n} |
n 是一个非负整数。匹配确定的 n 次。 例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
|
{n,} |
n 是一个非负整数。至少匹配n 次。 例如，'o{2,}' 不能匹配 "Bob" 中的 'o'， 但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
|
{n,m} |
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。 例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。 请注意在逗号和两个数之间不能有空格。 |
|
? |
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时， 匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串， 而默认的贪婪模式则尽可能多的匹配所搜索的字符串。 例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
|
. |
匹配除换行符（\n、\r）之外的任何单个字符。 要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。 |
|
(pattern) |
匹配 pattern 并获取这一匹配。 所获取的匹配可以从产生的 Matches 集合得到， 在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。 要匹配圆括号字符，请使用 '\(' 或 '\)'。 |
|
(?:pattern) |
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配， 不进行存储供以后使用。 这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。 例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。 |
|
(?=pattern) |
正向肯定预查（look ahead positive assert）， 在任何匹配pattern的字符串开始处匹配查找字符串。 这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"， 但不能匹配"Windows3.1"中的"Windows"。 预查不消耗字符，也就是说，在一个匹配发生后， 在最后一次匹配之后立即开始下一次匹配的搜索， 而不是从包含预查的字符之后开始。 |
|
(?!pattern) |
正向否定预查(negative assert)， 在任何不匹配pattern的字符串开始处匹配查找字符串。 这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"， 但不能匹配"Windows2000"中的"Windows"。 预查不消耗字符，也就是说，在一个匹配发生后， 在最后一次匹配之后立即开始下一次匹配的搜索， 而不是从包含预查的字符之后开始。 |
|
(?<=pattern) |
反向(look behind)肯定预查，与正向肯定预查类似， 只是方向相反。例如，" (?<=95|98|NT|2000)Windows "能匹配" 2000Windows "中的" Windows "，但不能匹配" 3.1Windows "中的" Windows "。 |
|
(?<!pattern) |
反向否定预查，与正向否定预查类似，只是方向相反。例如" (?<!95|98|NT|2000)Windows "能匹配" 3.1Windows "中的" Windows "，但不能匹配" 2000Windows "中的" Windows "。 |
|
x|y |
匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。 '(z|f)ood' 则匹配 "zood" 或 "food"。 |
|
[xyz] |
字符集合。匹配所包含的任意一个字符。 例如， '[abc]' 可以匹配 "plain" 中的 'a'。 |
|
[^xyz] |
负值字符集合。匹配未包含的任意字符。 例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。 |
|
[a-z] |
字符范围。匹配指定范围内的任意字符。 例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。 |
|
[^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。 例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。 |
|
\b |
匹配一个单词边界，也就是指单词和空格间的位置。 例如， 'er\b' 可以匹配"never" 中的 'er'， 但不能匹配 "verb" 中的 'er'。 |
|
\B |
匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'， 但不能匹配 "never" 中的 'er'。 |
|
\cx |
匹配由 x 指明的控制字符。 例如， \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。 否则，将 c 视为一个原义的 'c' 字符。 |
|
\d |
匹配一个数字字符。等价于 [0-9]。 |
|
\D |
匹配一个非数字字符。等价于 [^0-9]。 |
|
\f |
匹配一个换页符。等价于 \x0c 和 \cL。 |
|
\n |
匹配一个换行符。等价于 \x0a 和 \cJ。 |
|
\r |
匹配一个回车符。等价于 \x0d 和 \cM。 |
|
\s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
|
\S |
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
|
\t |
匹配一个制表符。等价于 \x09 和 \cI。 |
|
\v |
匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
|
\w |
匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。 |
|
\W |
匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。 |
|
\xn |
匹配 n，其中 n 为十六进制转义值。 十六进制转义值必须为确定的两个数字长。 例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。 正则表达式中可以使用 ASCII 编码。 |
|
\num |
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。 例如，'(.)\1' 匹配两个连续的相同字符。 |
|
\n |
标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式， 则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。 |
|
\nm |
标识一个八进制转义值或一个向后引用。 如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。 如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。 如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。 |
|
\nml |
如果 n 为八进制数字 (0-3)， 且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。 |
|
\un |
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。 例如， \u00A9 匹配版权符号 (?)。 |
5、量词
{m,n}是通用形式的量词，正则表达式还有三个常用量词，分别是+、?、*。它们的形态虽然不同于{m,n}，功能却是相同的（也可以把它们理解为“量词简记法”）：
|
常用量词 |
{m,n}等价形式 |
说明 |
|
* |
{0,} |
可能出现，也可能不出现，出现次数没有上限 |
|
+ |
{1,} |
至少出现1次，出现次数没有上限 |
|
? |
{0,1} |
至多出现1次，也可能不出现 |
使用示例如下表：
|
量词 |
描述 |
|
n+ |
匹配任何包含至少一个n的字符串 |
|
n* |
匹配包含零个或多个n的任何字符串 |
|
n? |
匹配任何包含零或一个n的字符串 |
|
n{x} |
匹配包含x个n的任何字符串 |
|
n{x,y} |
匹配任何包含x到y个n的字符串 |
|
n{x,} |
匹配任何包含至少x个n的字符串 |
注意：如果表达式需要搜索特殊字符之一，则可以使用反斜杠（\）进行转义。在Java中，字符串中的反斜杠需要自己转义，因此需要两个反斜杠转义特殊字符。例如，要搜索一个或多个问号，可以使用以下表达式：" \\? "。
6、匹配模式
1) Greediness（贪婪匹配）
x?、x*、x+、x{n，} 是最大匹配。在 Greediness 的模式下，会尽量大范围的匹配，直到匹配了整个内容，这时发现匹配不能成功时，开始回退缩小匹配范围，直到匹配成功。
例如，
using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
public class RegexDemo
{
public static void Main(string[] args)
{
Regex regex = new Regex("<.+>", RegexOptions.IgnoreCase);
Console.WriteLine(regex.Replace("c<div>python</div>java", "***"));
}
}
}2) Reluctant(Laziness)（非贪婪匹配）
x??、x*?、x+?、x{n，}? 是最小匹配，其实x{n，m}?和x{n }?有些多余。在 Greediness 模式之后添加 ? 就是最小匹配。
在 Reluctant 的模式下，只要匹配成功，就不再继续尝试匹配更大范围的内容
例如，
using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
public class RegexDemo
{
public static void Main(string[] args)
{
Regex regex = new Regex("<.+?>", RegexOptions.IgnoreCase);
Console.WriteLine(regex.Replace("c<div>python</div>java", "***"));
}
}
}7、Regex类的静态方法使用示例
除了上面的调用的方法，还可以用Regex类的静态执行正则表达式，包括Regex.Replace()、Regex.Split()和Regex.Matches()。
例如，
using System;
using System.Text.RegularExpressions;
namespace cjavapy
{
public class RegexDemo
{
public static void Main(string[] args)
{
//Regex.Replace替换
Console.WriteLine(Regex.Replace("https://www.cjavapy.com", "[https://]", "", RegexOptions.IgnoreCase));
//Regex.Split替换
string input = "https://www.cjavapy.com";
string pattern = "\\."; // Split on hyphens
string[] substrings = Regex.Split(input, pattern);
foreach (string match in substrings)
{
Console.WriteLine("'{0}'", match);
}
//①正则表达式 = > 匹配字符串
string Text = @"This is a book , this is my book , Is not IIS";
//定义一个模式字符串,不仅仅是纯文本，还可以是正则表达式
string Pattern = "is";
MatchCollection Matches = Regex.Matches(
Text,
Pattern,
RegexOptions.IgnoreCase | //忽略大小写
RegexOptions.ExplicitCapture | //提高检索效率
RegexOptions.RightToLeft //从左向右匹配字符串
);
Console.WriteLine("从右向左匹配字符串：");
foreach (Match NextMatch in Matches)
{
Console.WriteLine("匹配的位置：{0,2} ", NextMatch.Index);
Console.WriteLine("匹配的内容：{0,2} ", NextMatch.Value);
Console.WriteLine("/n");
}
Console.WriteLine();
//②匹配以大写I开头
//“/b”是转义序列，代表开头和结尾(一个字的边界，忽略空白或标点)
Pattern = @"/bI";
Matches = Regex.Matches(
Text,
Pattern,
RegexOptions.ExplicitCapture //提高检索效率
);
Console.WriteLine("从左向右匹配字符串：");
foreach (Match NextMatch in Matches)
{
Console.WriteLine("匹配的位置：{0} ", NextMatch.Index);
Console.WriteLine("匹配的内容：{0} ", NextMatch.Value);
Console.WriteLine("/n");
}
Console.WriteLine();
//③匹配以大写I开头，大写S结尾的字符串
//“/b”是转义序列，代表开头和结尾(一个字的边界，忽略空白或标点)
///S*匹配任何不是空白的字符
Pattern = @"/bI/S*S/b";
Matches = Regex.Matches(
Text,
Pattern,
RegexOptions.ExplicitCapture //提高检索效率
);
Console.WriteLine("从左向右匹配字符串：");
foreach (Match NextMatch in Matches)
{
Console.WriteLine("匹配的位置：{0} ", NextMatch.Index);
Console.WriteLine("匹配的内容：{0} ", NextMatch.Value);
Console.WriteLine("/n");
}
Console.WriteLine();
//④匹配his 或者iis，其中忽略大小写
Pattern = @"[h|i]is";
Matches = Regex.Matches(
Text,
Pattern,
RegexOptions.IgnoreCase | //忽略大小写
RegexOptions.ExplicitCapture //提高检索效率
);
Console.WriteLine("从左向右匹配字符串：");
foreach (Match NextMatch in Matches)
{
Console.WriteLine("匹配的位置：{0} ", NextMatch.Index);
Console.WriteLine("匹配的内容：{0} ", NextMatch.Value);
Console.WriteLine("/n");
}
Console.WriteLine();
//⑤对Url的分组匹配
Text = "http://192.168.0.1:2008";
Pattern = @"/b(/S+)://(/S+)(?::(/S+))/b";
Matches = Regex.Matches(Text, Pattern);
Console.WriteLine("从左向右匹配字符串：");
foreach (Match NextMatch in Matches)
{
Console.WriteLine("匹配的位置：{0} ", NextMatch.Index);
Console.WriteLine("匹配的内容：{0} ", NextMatch.Value);
Console.WriteLine("/n");
for (int i = 0; i < NextMatch.Groups.Count; i++)
{
Console.WriteLine("匹配的组 {0}：{1,4} ", i + 1, NextMatch.Groups[i].Value);
Console.WriteLine("/n");
}
}
//Console.Read();
}
}
}