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 "";
}
}