.netcorecsharp 中级篇2-4

本节内容为正则表达式的使用

简介

有的时候，你是否有过这种需求：判断一个ip地址、邮箱、密码规则是否合法。如果让你使用if一类的传统方法进行处理，你肯定会被逼疯的。而对于绝大多数的编程语言而言，都有一个字符串处理利器————正则表达式。它可以轻松的让字符串和规则匹配上。有点这样的意思，从前你是判断字符串，去遍历它，而有了正则表达式，你是在书写一个通用性质的规则，让字符串与规则进行匹配。正则表达式本质上就是一串蕴含了一些特殊字符规则的字符串，因此我们书写正则表达式其实是在书写一个字符串，只是它代表了一定的规则而已。

常见的几种正则符号

事实上正则表达式没有过多的知识点，只是一些技巧性的训练，但请相信我，正则表达式是非常重要的。熟练的使用下列的正则符号会对你大有脾益。

元字符

元字符	说明
.	匹配除了换行符以外的任意字符
\w	匹配字母、数字、下划线以及汉字
\s	匹配任意空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

1.例如匹配abc开头的字符串

\babc 或者 ^abc

2.匹配5位数字的字符串

^\d\d\d\d\d$

重复限定符号

有了元字符就可以写不少的正则表达式了，但细心的你们可能会发现：别人写的正则简洁明了,如果你只使用元字符进行正则表达式的书写，既不美观也不实用，因此我们使用重复限定符进行重复数据的处理，下面我们来看一些限定符：

字符	说明
*	重复0次或多次
+	重复一次或一次以上
?	重复0次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

现在我们就能书写相当美观的正则表达式了，例如：
1.匹配7位数字的电话号码

^\d{7}$ 

2.匹配138开头的手机号

^138\d{8}

3.匹配a开头，若干个b结尾的字符串

^ab*$

分组

现在我们已经学会以一点关于书写正则表达式的方法，不过，我们现在无论是匹配还是重复都是针对单个字符进行操作，假如说我希望匹配一个以ab为循环的重复字符串应该如何去处理呢？

答案很简单，就是分组，分组我们通常使用()进行分组，例如匹配以ab为循环的字符串为：

^(ab)*

转义字符

有的时候，我们需要匹配的字符串中本身就含有正则表达式中的关键字符，我们则需要转义，例如我们需要匹配(ab)为循环的字符串：

^(\(ab\))*

反斜杠\就是我们的转义字符。不过对于c#中，字符串含有反斜杠会自动转义，为了避免这种情况，我们需要在字符串之前加上@或者将将转义字符转义，也就是\两个斜杠

条件或

有的时候，我们需要匹配的字符串可能是ab开头也有可能是cd开头，这个时候我们就使用条件语句处理，例如：

^(ab|cd)*

用逻辑或“|”进行处理。

区间匹配

有的时候，我们有可能是需要匹配比如说138-150之间所有数字开头的字符串，或者说a-f按字母表顺序内的字母开头，我们可以这样

^[138-150]*
^[a-f]*

反义

之前我们谈论的都是字符串中含有什么什么，现在我们可能需要匹配到字符串中不含有的字符，那么我们就需要使用反义，如下表

元字符	说明
\w	匹配不是字母、数字、下划线以及汉字
\s	匹配不是空白符
\d	匹配不是数字
\b	匹配不是单词的开始或结束
[^x]	匹配出了x以外的任意字符

贪婪模式与懒惰模式

贪婪

贪婪是当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符，这匹配方式叫做贪婪匹配。特性：一次性读入整个字符串进行匹配，每当不匹配就舍弃最右边一个字符，继续匹配，依次匹配和舍弃（这种匹配-舍弃的方式也叫做回溯），直到匹配成功或者把整个字符串舍弃完为止，因此它是一种最大化的数据返回，能多不会少。

事实上我们之前所谈论的重复限定符就是一种贪婪量词
举个例子例如我们需要匹配由2-5个数字组成的字符串，假设有这样一串数字51354 8454 1 568,使用^\d{2,5}进行匹配的结果是51354 8454 568，事实上对于这些而言，匹配两个就已经满足了，例如51已经满足该正则式，但是在贪婪匹配中，它会尽可能的多匹配，将整个字符串输出。

如果多个贪婪量词叠加在一起，如果字符串能满足他们各自最大程度的匹配时，就互不干扰，但如果不能满足时，会根据深度优先原则，也就是从左到右的每一个贪婪量词，优先最大数量的满足，剩余再分配下一个量词匹配。

懒惰

懒惰匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能少的字符，这匹配方式叫做懒惰匹配。特性：从左到右，从字符串的最左边开始匹配，每次试图不读入字符匹配，匹配成功，则完成匹配，否则读入一个字符再匹配，依此循环（读入字符、匹配）直到匹配成功或者把字符串的字符匹配完为止。

使用懒惰量词就是在贪婪量词后面中加?,对于之前的例子，他会匹配成51 35 84 54 56

拓展

零宽断言

零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。最好还是拿例子来说明吧： 断言用来声明一个应该为真的事实。正则表达式中只有当断言为真时才会继续进行匹配。

非常抽象而且笼统，对吧，事实上我也那么觉得，以上内容来自百度百科，因为我实在是很难解释这个东西，你可以理解为匹配不含正则结果的内容吧。

正向先行断言(正前瞻)

正前瞻的语法为:

//pattern为正则式
(?=pattern)

它用于匹配pattern表达式之前的内容，并不返回本身。感觉还是很奇怪对吧，举一个例子：今年我市gdp为5600亿元。假设你要将这句话中的5600取出来，你使用正前瞻的方式应该怎么做？

\d+(?=亿元)

正向后行断言(正后顾):

正后顾的语法为:

//pattern为正则式
(?<=pattern)

与正前瞻相反，他是返回pattern之后的内容，如果继续实现之前的内容，那么表达式就会变成

(<=今年我市gdp为)\d+

负向先行断言（负前瞻）

负前瞻的语法为:

//pattern为正则式
(?!pattern)

匹配非pattern表达式的前面内容，不返回本身。还是举之前的例子，我要找到5600亿元之前的字母，那么可以是

[a-z]+(?!5600亿元)

负向后行断言（负后顾）

这个想必我不需要进行讲解各位也应当能思考出如何书写及使用了，他的语法类似的是：

//pattern为正则式
(?<!pattern)

作用当然是匹配非pattern之后的内容。

我在这里就举这几个例子，还有一些很好的使用手册你可以参考microsoft documents。

捕获与非捕获

捕获你可以理解为将表达式按组分配，例如你匹配一个电话010-8511561，010是区号，我们有可能利用正则式将它单独取出来。

数字编号捕获组

语法就是我们之前的分组，但是匹配这个电话号码的时候，他的表达式如果是

((\d{3})-(\d{7}))

那么他会分为三组，第一组是完整的电话，第二组是我们的区号，第三组是我们的电话号码。

命名编号捕获组

语法：

(?<name>exp)

这个name就是你自己自定义的，例如之前的我们可以写成

(?<quhao>\d{3})-(?<haoma>\d{7})

这样我们可以通过名称进行访问组内数据，具体的使用我会在后面进行讲解。

非捕获组

同之前相反，它用于表示不需要分组的数据

(?:exp)

例如我们不需要区号，那么正则式就变成了

(?:\d{3})-(\d{7})

反向引用

捕获会返回一个捕获组，这个分组是保存在内存中，不仅可以在正则表达式外部通过程序进行引用，也可以在正则表达式内部进行引用，这种引用方式就是反向引用。

同样的，根据捕获组命名规则，反向引用也有两种
1- 数字反向引用：\k或\number
2- 命名反向引用：\k或’name’

反向引用通常和捕获组是一同使用的，它的作用主要是用来查找一些重复的内容或者做替换指定字符。比如要查找一串字母”aabbbbgbddesddfiid”里成对的字母。

我们捋捋思路：

• 首先我们要有一个匹配字母的捕获组:(\w)
• 然后(\w)\1

这样就可以了，\1代表的是1分组，这样就是一个匹配成对字母的正则式了。

如何使用正则表达式

位于 system.text.regularexpressions 空间下的 regex 可以对正则表达式进行处理。

match

这是匹配结果的对象，内含这几个常用的属性及方法

• value：匹配值
• groups：分组
• index：匹配值的第一个字符的索引
• success：是否符合正则式

• nextmatch：下一个符合的匹配值

  regex.matches

  匹配多个符合的结果，返回一个matchcollection数组，使用foreach并转换成match对象进行访问.

• ismatch：是否符合正则式
• replace：替换匹配上正则式的字符串
• split：按匹配上的字符串进行分割
• match：返回第一个符合正则式的字符串

• matches：返回所有符合的字符串

reference

如果我的文章帮助了您，请您在github.netcoreguide项目帮我点一个star，在博客园中点一个关注和推荐。

github

bilibili主页

warrenryan’sblog