csharp正则表达式

学习笔记：正则表达式

2011-8-29 一．正则表达式

正则表达式(Regex)是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现。

一个正则表达式就是由普通的字符及特殊字符（称为元字符符）组成的文字模式。该模式秒杀在查找文章主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

正则表达式的常用元字符(全为英文状态，注意可以代表的字符种类和个数)：

元字符含义

.(点) 可以匹配除”\n”外的任意一个字符

[](中括号) 可以匹配中括号内的任意一个字符

例如，"[abc]" 匹配"plain"中的"a"

|(或符号) 可以匹配或符号两边的任意一个字符，优先级比较低

匹配x 或y。例如"z|food" 可匹配"z" 或"food"。

正则表达式的常用限定符(全为英文状态)：

元字符含义

*(星号) 其限定的表达式出现次数等于或大于0次

例如，"zo*"可以匹配"z"、"zoo"

+(加号) 其限定的表达式至少出现1次

例如，"zo+"可以匹配"zoo",但不匹配"z"

?(问号) 其限定的表达式出现1次或0次

例如，"a?ve?"可以匹配"never"中的"ve"

{n} 其限定的表达式出现次数确定n次(n≥0)

{n,} 其限定的表达式至少出现n次

{n,m} 其限定的表达式出现的次数为≥n次，≤m次(m>n)

还有几个重要的符号：

符号含义

^ (Shift+6)匹配输入的开始位置

非的意思。例如[^a-z]，匹配非a-z的一个字符。

$ (Shift+4)匹配输入的结尾

\将下一个字符标记为特殊字符或字面值

例如：想匹配”.”时或其他特殊字符时，需写为的”\.”

()(小括号) 1.改变优先级

2.分组，提取信息

需要熟记一些简写：

\d = [0-9]

\D=[^0-9]

\s =空字符，如\n tab space等

\S=非空字符

\w 能组成词的字符(字面、数字、中文或下划线等)

\W 非\w

正则表达式在.Net就是用字符串表示，这个字符串格式比较特殊，无论多么特殊，在C#语言看来都是普通的字符串，具体什么含义由Regex类内部进行语法分析。

正则表达式可以进行字符串的匹配、字符串的提取、字符串的替换。C#中分别对应正则表达式的三个重要方法。

1）IsMatch() 返回值为bool类型

格式：Regex.IsMatch("字符串", "正则表达式");

作用：判断字符串是否符合模板要求

例如：bool b =Regex.IsMatch("bbbbg","^b.*g$");判断字符串是否以b开头且以g结尾，中间可以有其他字符，若正确返回true，否则else。

2）Match() 返回值为Match类型，只能匹配一个

Matches() 返回值为MatchCollection集合类型，匹配所有符合的

格式：Match match = Regex.Match("字符串", "正则表达式");

或MatchCollection matches= Regex. Matches ("字符串", "正则表达式");

作用：①提取匹配的子字符串

②提取组。Groups的下标由1开始，0中存放match的value。

例如：

Match match = Regex.Match("age=30", @"^(.+)=(.+)$");

if (match.Success)

{

Console.WriteLine(match.Groups[1] .V alue);//输出匹配的子字符串

Console.WriteLine(match.Groups[1] .V alue);//获取第一个分组的内容

Console.WriteLine(match.Groups[2] .V alue);//获取第二个分组的内容}

----------------------------------------------------------------------------------

MatchCollection matches = Regex.Matches("2010年10月10日", @"\d+");

for (int i = 0; i < matches.Count; i++)

{

Console.WriteLine(matches[i].Value);

}

3）Replace() 返回值为string

两种常用方式如下：

//将所有的空格替换为单个空格

string str = " aa afds fds f ";

str = Regex.Replace(str, @"\s+", " ");

Console.WriteLine(str);

string str = "hello“welcome to ”beautiful “China”";

//hello"welcome to "beautiful "China"

//$1表示引用第一组。$2表示用第二组。

string strresult = Regex.Replace(str, "“(.+?)”", "\"$1\"");

Console.WriteLine(strresult);

贪婪模式与终结贪婪模式

实际应用有采集器（从某个网页上采集邮箱、图片或其他信息）、敏感词过滤、UBB翻译器。

采集邮箱：

保存图片：

网址处理：

敏感词过滤：

UBB翻译：

一些常用的正则表达式

正则表达式用于字符串处理，表单验证等场合，实用高效，但用到时总是不太把握，以致往往要上网查一番。我将一些常用的表达式收藏在这里，作备忘之用。本贴随时会更新。

匹配中文字符的正则表达式：[\u4e00-\u9fa5]

匹配双字节字符(包括汉字在内)：[^\x00-\xff]

匹配空行的正则表达式：\n[\s| ]*

匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/

匹配首尾空格的正则表达式：(^\s*)|(\s*$)

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

匹配网址URL的正则表达式：http://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?

补充：

^\d+$ //匹配非负整数（正整数+ 0）

^[0-9]*[1-9][0-9]*$ //匹配正整数

^((-\d+)|(0+))$ //匹配非正整数（负整数+ 0）

^-[0-9]*[1-9][0-9]*$ //匹配负整数

^-?\d+$ //匹配整数

^\d+(\.\d+)?$ //匹配非负浮点数（正浮点数+ 0）

^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$ //匹配正浮点数^((-\d+(\.\d+)?)|(0+(\.0+)?))$ //匹配非正浮点数（负浮点数+ 0）

^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$ //匹配负浮点数

^(-?\d+)(\.\d+)?$ //匹配浮点数

^[A-Za-z]+$ //匹配由26个英文字母组成的字符串

^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串

^[a-z]+$ //匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串

^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串

^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ //匹配email地址

^[a-zA-z]+://匹配(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$ //匹配url