Web开发之C#：（9）C#常用类库5：正则表达式
5.正则表达式类
5.1正则表达式
5.1.1正则表达式简介
正则表达式由一些普通字符和一些元字符（metacharacters）组成。
普通字符包括大小写的字母和数字，而元字符则具有特殊的含义。
在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。
例如，正则表达式"testing"中没有包含任何元字符，它可以匹配"testing"和"123testing"等字符串，但是不能匹配"Testing"。
要想真正的用好正则表达式，正确的理解元字符是最重要的事情。
5.1.2 基础的元字符
\ 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”，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。
次数匹配
* 代表{0,} 匹配前面的子表达式0次或多次。。
+ 代表{1,} 匹配前面的子表达式1次或多次。
? 代表{0,1} 匹配前面的子表达式0或1次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。
{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“\n”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)”。
组合匹配
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。
\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。
\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。
\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]。
\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]。
\w 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。(下划线、字母、数字)
\W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
5.1.3复杂的元字符
(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，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，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”。
\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（©）。
5.1.4使用注意事项
注意正则表达式越复杂，出现偏离预期结果概率越大。 第一，尽可能不要写太复杂，否则很难验证其正确性。
第二，对写出的正则表达式，要尽可能检查验证，没有问题再投入使用。
第三，复杂的表达式，可以上网搜索现有成熟的表达式，认真检查后拿过来用。既可以节省时间，又避免自己写考虑不全出问题。
如果使用 ^ 和 $ 封闭标记，则指示整个字符串（而不只是子字符串）都必须匹配正则表达式。
5.2 Regex 类
命名空间：System.Text.RegularExpressions
说明：Regex 类包含若干 static方法，无需显式创建 Regex 对象即可使用正则表达式。
Regex 类是不可变（只读）的，并且具有固有的线程安全性。
重要方法：IsMatch、 Match、 Mathes、 RePlace、Split
5.2.1 Regex.IsMatch() 方法
说明：指示正则表达式在输入字符串中是否找到匹配项。
语法：bool IsRight =Regex.IsMatch("需要处理的字符串","正则表达式")
5.2.2 Regex.Match() 方法
说明：得到单个数据（从字符串左边向右边寻找，遇到第一个符合要求的就结束，并将其返回）
语法：Match m = Regex.Match()("需要处理的字符串","正则表达式")
string str = m.value;
组提取:对提取的每个字符串，进行子字符串的处理，考虑分组
圆括号表示分组，这个分组在匹配到的数据中依旧存在组中
5.2.3 Regex.Matches() 方法
说明：得到所有能匹配的子字符串数据，并返回一个Match集合。
语法：MatchCollection ms = Regex.Matches("需要处理的字符串","正则表达式")
foreach(Match m in ms)
{
}
5.2.4 Regex.Replace()方法
说明：在指定的输入字符串内，使用指定的替换字符串替换与某个正则表达式模式匹配的字符串。
在替换中可以使用组即带括号的。
语法：string str = Regex.Replace(“要处理的字符串”，”含括号的正则表达式”，”要替换成的串”);
5.3 正则实现转码
5.3.1 C# Unicode转码
//（中文）转Unicode码
public string ToUnicode(string str)
{
string UniStr = "";
for (int i = 0; i < str.Length; i )
{
string temp =str[i].ToString();
if (Regex.IsMatch(temp,"[\\u4E00-\\u9FA5\\uF900-\\uFA2D] "))
{
temp = "&#x" ((int)str[i]).ToString("X") ";";
}//如果是中文，则进行转码
UniStr = temp;
}
return UniStr;
}
5.3.2 GB和Unique编码互转
//GB2312转换成unicode编码
public string GB2Unicode(string str)
{
string Hexs = "";
string HH;
Encoding GB = Encoding.GetEncoding("GB2312");
Encoding unicode = Encoding.Unicode;
byte[] GBBytes = GB.GetBytes(str);
for (int i = 0; i < GBBytes.Length; i )
{
HH = "%" GBBytes.ToString("X");
Hexs = HH;
}
return Hexs;
}
//unicode编码转换成GB2312汉字
public string UtoGB(string str)
{
string[] ss = str.Split('%');
byte[] bs = new Byte[ss.Length - 1];
for (int i = 1; i < ss.Length; i )
{
bs[i - 1] = Convert.ToByte(Convert2Hex(ss)); //ss[0]为空串
}
char[] chrs = System.Text.Encoding.GetEncoding("GB2312").GetChars(bs);
string s = "";
for (int i = 0; i < chrs.Length; i )
{
s = chrs.ToString();
}
return s;
}
private string Convert2Hex(string pstr)
{
if (pstr.Length == 2)
{
pstr = pstr.ToUpper();
string hexstr = "0123456789ABCDEF";
int cint = hexstr.IndexOf(pstr.Substring(0, 1)) * 16 hexstr.IndexOf(pstr.Substring(1, 1));
return cint.ToString();
}
else
{
return "";
}
}