正则表达式基本用法

说到正则表达式，大家就会想到那像火星文一样的正则表达式字符串。虽然看起来很奇怪，但是一个个都搞清楚那些东西分别表示什么意思的时候，会发现这东西其实也不难。说干就干，我们来一个个的理解。

先弄点数据

string input = "http://www.tansea.cn/23 233【个人博客】23333【http©双子宫殿】";
list<string> pattern = new list<string>();

先来个最简单的开个味，太深了都没有兴趣往下看了

pattern.add("http");//常量匹配 result = 2

没有任何的正则表达式的元字符（也就是保留字），http在input里面有2个，所以匹配到了2条

基础篇

一、基本语义描述符

1、\d（数字字符）与\d（非数字字符）

pattern.add("233\\d");//匹配233+数字字符 result=1
pattern.add("233\\d");//匹配233+非数字字符 result=1

2、\w（字母数字下划线）与\w（非字母数字下划线）

pattern.add("\\w");//匹配字母+数字+下划线 result=36
pattern.add("\\w");//不匹配字母+数字+下划线 result=11

注意：实测\w是能匹配到中文的

3、\s（空白字符）与\s（非空白字符）

空白字符包括制表符、换行符、垂直制表符、换页符、回车符

pattern.add("\t");//匹配制表符 等价于\x09
pattern.add("\n");//匹配换行符 等价于\x0a
pattern.add("\v");//匹配垂直制表符 等价于\x0b
pattern.add("\f");//匹配换页符 等价于\x0c
pattern.add("\r");//匹配回车符 等价于\x0d
pattern.add("\\s");//匹配任何空白字符 等价于[\t\n\v\f\r]
pattern.add("\\s");//匹配任何非空白字符 等价于[\t\n\v\f\r]

到这里就需要说明一下了，\和\\的区别

\是c#的转义符，如果要让c#把\当字符处理，要使用\\

或者在字符串前使用@告诉c#这个字符串的反斜杠都当字符处理

pattern.add(@"\s");

注意：如果一个字符串里面有多个\，有表示转义符，也有表示字符的，那就不能在字符串之前用@，只能用\\来区分

4、.（任何字符，除\n）

pattern.add(".");//匹配除 "\n" 之外的任何字符 result=49

5、\xxx（单字节）与\uxxxx（双字节）

\xxx单字节字符，字符对应转义值可以查ascii码表

pattern.add("\x61");//匹配单字节字符(x61=a) result=2
pattern.add("\x20");//匹配单字节字符(x20=空格) result=1

\uxxxx双字节字符，除常用字符之外的所有字符，包括各种不常用字符和各国语言字符等等

pattern.add("\u00a9");//匹配双字节(u00a9=©) result=1
pattern.add("[\u4e00-\u9fa5]");//匹配双字节([\u4e00-\u9fa5]=汉字) result=8

二、定位描述符

1、^ （匹配字符串的开始位置）

pattern.add("^http");//开始位置匹配 result = 1
pattern.add("^tansea");//开始位置匹配 result = 0

input确实是以http开头的，所以匹配到了1条，而下面那条语句没有匹配到记录

2、$（匹配字符串的结束位置）

pattern.add("】$");//结束位置匹配 result = 1

3、\b（空格）与\b（非空格）

pattern.add("23\\b");//匹配23+空格 result=1
pattern.add("23\\b");//匹配23+非空格 result=2

三、重复描述符

1、*（匹配0-∞次  等价于{0,}）

pattern.add("233*");//以23开头，后面接0到n个3匹配 result=3

匹配到23、233、23333三条记录

2、+（匹配1-∞次  等价于{1,}）

pattern.add("233+");//以23开头，后面接1到n个3匹配 result=2

匹配到233、23333两条记录

3、?（匹配0-1次  等价于{0,1}）

pattern.add("233?");//以23开头，后面接0到1个3匹配 result=3

匹配到23、233、233（23333前面部分）三条记录

4、{n}（匹配n次，n>0）

pattern.add("233{1}");//以23开头，后面接1个3匹配 result=2

匹配到233、233（23333前面部分）两条记录

5、{n,}（匹配n-∞次，n>0）

pattern.add("233{1,}");//以23开头，后面接1到无限个3匹配 result=2

匹配到233、23333两条记录

6、{n,m}（匹配n-m次，n>0 且 n<=m）

pattern.add("233{2,3}");//以23开头，后面接2到3个3匹配 result=1

匹配到23333一条记录

四、选择描述符

1、|（或操作）

pattern.add("com|cn|net");//或条件 result=1

2、[]（in操作，匹配所包含的任意一个字符）

pattern.add("[人从众]");//in条件 result=1

in条件与或条件的区别：或条件是支持多字符，将一个段做为一个整体而in条件只支持单字符

pattern.add("[^人从众]");//not in条件 result=46
pattern.add("[o-t]");//between条件 匹配小写o到小写t result=8
pattern.add("[^o-t]");//not between条件 匹配非小写o到小写t result=39

五、组(...)与非捕获组(?:...)

正则表达式会将刮号里的内容单独保存成一个组，并且匹配到的组可以反向引用，\n是引用第n组

pattern.add("\\.(.{1,6})");//.开头取6个字符 result=2

结果：group[0]=.tansea group[1]=tansea 

          group[0]=.cn/23  group[1]=cn/23 

注意：/23后面是有一个空格的，是取了6个字符

如果不想把刮号里的内容保存到组，可以用非捕获组

pattern.add("\\.(?:.{1,6})");

六、贪婪与非贪婪

正则表达式默认为贪婪模式，可以在重复描述符后加上?改成非贪婪模式

pattern.add(".*233");//结果为"http://www.tansea.cn/23 233【个人博客】233"一条记录
pattern.add(".*?233");//结果为"http://www.tansea.cn/23 233"、"【个人博客】233"两条记录

七、回溯与非回溯

正则表达式默认为回溯模式，可以(?>...)改成非回溯模式

在贪婪模式情况下，非回溯模式不会再重新去匹配，而是接着继续匹配

pattern.add("(.*)233");//结果为"http://www.tansea.cn/23 233【个人博客】233"
pattern.add("(?>.*)233");//结果为空

八、正向预搜索(?=...)与反向预搜索(?<=...)

1、正向预搜索

pattern.add("\\d{3}(?=【个人博客】)");//匹配3个数字开头后面是"【个人博客】"
pattern.add("\\d{3}(?!=【个人博客】)");//匹配3个数字开头后面不是"【个人博客】"

2、反向预搜索

pattern.add("(?<=【个人博客】)\\d{3}");//匹配"【个人博客】"开头后面是3个数字
pattern.add("(?!<=【个人博客】)\\d{3}");//匹配不是"【个人博客】"开头后面是3个数字

可以看出来，当判断条件在后面时，我们用的是正向预搜索，反之则相反。

预搜索刮号内的内容不会匹配

来看看结果吧

pattern.foreach(p =>
{
    matchcollection matches = regex.matches(input, p);
    console.writeline("count:" + matches.count);
    foreach (match item in matches)
        //console.writeline("value:" + item.groups[0].value);
        console.writeline("value:" + item.groups[0].value + "=>" + item.groups[1].value);
});

实战篇

一、escape和uescape

string input = @"\dhttp://www.tansea.cn2017";
string pattern = "\\d";
string replacement = "x";
string split = ":|/|\\.";
//\d是元符号，将元符号转换成原义解释
string escapepattern = regex.escape(pattern);
console.writeline(regex.match(input, escapepattern).groups[0].value);//result=\d
//\\d是原义，将原义转换成元符号解释
string unescapepattern = regex.unescape(escapepattern);
console.writeline(regex.match(input, unescapepattern).groups[0].value);//result=2

二、ismatch

regex.ismatch(input, pattern);//是否找到匹配项

三、match

match match = regex.match(input, pattern);//返回匹配到的第一项
console.writeline(match.value);

四、matches

matchcollection matches = regex.matches(input, pattern);//返回匹配到的所有项
foreach (match item in matches)
    console.writeline(item.value);

五、replace

console.writeline(regex.replace(input, pattern, replacement));//用指定的字符串替换匹配到的项
console.writeline(regex.replace(input, pattern, m =>
{
    string result = string.empty;
    switch (m.value)
    {
        case "2": result = "贰"; break;
        case "0": result = "零"; break;
        case "1": result = "壹"; break;
        case "7": result = "柒"; break;
    }
    return result;
}));//用委托返回的字符串替换匹配到的项

六、split

list<string> inputs = regex.split(input, split).tolist();//以匹配到的项的位置为基本，拆分字符串
inputs.foreach(i => console.writeline(i));