Regular Expression 與 C# Regex 教學

Regular Expression 稱為「正規表達式」,但我都稱它為「字串篩選條件」,Regular 有「正規」、「常態」之意,在此處為「規則」的意思。它為敘述一句符合某段句法規則之字串的字串,通常用來找尋與驗證或替換符合規則的字串,是個強大的字串匹配的類別。

Visual C# 中為 Regex 類別,在此就使用它為基礎做介紹。

Regex 建構函式有二:

Regex regex = new Regex(string pattern);
Regex regex = new Regex(string pattern, RegexOptions options);

以上 string pattern 為規則字串,RegexOptions options 為字串比對選項,是一個列舉型別,以下為它所有列舉值的成員與說明:

編號  成員名稱  說明 
01 Compiled 指定規則運算式要編譯為組件,這將產生較快速的執行,但會增加啟動時間。
02 CultureInvariant 指定忽略語言中的文化差異。
03 ECMAScript 啟用運算式的 ECMAScript 相容行為,這個值只能結合 IgnoreCase、Multiline 和 Compiled 值使用,將這個值與任何其他值一起使用都將導致例外狀況。
04 ExplicitCapture 指定唯一有效的擷取為明確命名的或編號的,格式為 (?…) 的群組。這允許未命名的括號充當非擷取群組,而避免運算式 (?:…) 的語法不便。
05 IgnoreCase 指定區分大小寫的比對。
06 IgnorePatternWhitespace 從模式排除未逸出的泛空白字元 (White Space),並啟用以 # 標記的註解。不過,IgnorePatternWhitespace 值不會影響或排除字元類別中的泛空白字元。
07 Multiline 多行模式,變更 ^ 和 $ 的意義以致它們分別在任何一行的開頭和結尾做比對,而不只是整個字串的開頭和結尾。
08 None 指定無選項設定。
09 RightToLeft 指定搜尋將由右至左,而非由左至右。
10 Singleline 指定單行模式,變更點 (.) 的意義以至於它符合一切字元 (而不是 \n 之外的一切字元)。

以上表格轉自:

http://msdn.microsoft.com/zh-tw/library/system.text.regularexpressions.regexoptions%28v=VS.80%29.aspx

通常我用 1、5、10 就夠了,其他的列舉成員我鮮少在用。

所以宣告時,要加入這些比對選項的列舉值,可以如以下宣告 ( pattern 為規則字串 ):

//單一比對列舉值宣告
Regex regex = new Regex(pattern, RegexOptions.IgnoreCase);

//多個比對列舉值宣告
Regex regex = new Regex(pattern,RegexOptions.IgnoreCase 
                                | RegexOptions.Compiled 
                                | RegexOptions.Singleline );

接下來就開始介紹 Regular Expression 的語法規則:

編號 字元 描述
01  \  將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後參照、或一個八進制轉義符。例如,「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。
02  ^  匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性,^也匹配「\n」或「\r」之後的位置。
03  $  匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性,$也匹配「\n」或「\r」之前的位置。
04  *  匹配前面的子運算式零次或多次。例如:Gooo*gle 能匹配 Google、Goooooogle。* 等於 {0,}。
05  +  匹配前面的子運算式一次或多次。例如:Gooo+gle 能匹配 Gooogle、Goooooogle,但不能匹配 Google。+ 等於 {1,}
06  ?  匹配前面的子運算式零次或一次。例如:Gooo?gle 只能匹配 Gooogle 和 Google。? 等於 {0,1}
07  {n}  n是一個非負整數。匹配確定的n次。例如:o{3} 能匹配 Gooogle 的 ooo,但不能匹配 Google。
08  {n,}  n是一個非負整數。至少匹配n次。
09  {n,m}  m和n均為非負整數,其中n<=m。最少匹配n次且最多匹配m次
10  ?  當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時,匹配範式是非貪婪的。非貪婪範式儘可能少的匹配所搜尋的字串,而預設的貪婪範式則儘可能多的匹配所搜尋的字串。
11  .  匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元,請使用像「[.\n]」的範式。
12  (pattern)  匹配pattern並獲取這一匹配。( ... ) 有群組的意思。例如:(ab) 能匹配 abc 中的 ab,但不能匹配 acc。
13  (?:pattern)  匹配pattern但不獲取匹配結果,也就是說這是一個非獲取匹配,不進行儲存供以後使用。例如:run(?:n|ning) 能匹配 running 整個字串,並且從此字串後繼續比對。 
14  (?=pattern)  正向預查,在任何匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如:Office(?=2003|2007|2010) 能匹配 Office2003 中的 Office,但不能匹配 Office2005 中的 Office,而從 Office 字串後繼續比對。
15  (?!pattern)  負向預查,在任何不匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如:Office(?!2003|2007|2010) 能匹配 Office2005 中的 Office,但不能匹配 Office2010 中的 Office,而從 Office 字串後繼續比對。
16  x|y  匹配x或y。
17  [xyz]  字符集合。匹配所包含的任意一個字元。
18  [^xyz]  負值字符集合。匹配未包含的任意字元。
19  [a-z]  字元範圍。匹配指定範圍內的任意字元。
20  [^a-z]  負值字元範圍。匹配任何不在指定範圍內的任意字元。
21  \b  匹配一個單詞邊界,也就是指單詞和空格間的位置。
22  \B  匹配非單詞邊界。
23  \cx  匹配由x指明的控制字元。例如,\cM匹配一個Control-M或Enter符。x的值必須為A-Z或a-z之一。否則,將c視為一個原義的「c」字元。
24  \d  匹配一個數位字元。\d 等於[0-9]。
25  \D  匹配一個非數位字元。\D 等於[^0-9]。
26  \f  匹配一個換頁符。\f 等於\x0c和\cL。
27  \n  匹配一個換行符。\n 等於\x0a和\cJ。
28  \r  匹配一個Enter符。\r 等於\x0d和\cM。
29  \s  匹配任何空白字元,包括空格、製表符、換頁符等等。\s 等於[\f\n\r\t\v]。
30  \S  匹配任何非空白字元。\S 等於[^\f\n\r\t\v]。
31  \t  匹配一個製表符。\t 等於\x09和\cI。
32  \v  匹配一個垂直製表符。\v 等於\x0b和\cK。
33  \w  匹配包括底線的任何單詞字元。\w 等於「[A-Za-z0-9_]」。
34  \W  匹配任何非單詞字元。\W 等於「[^A-Za-z0-9_]」。
35  \xn  匹配n,其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數位長。例如,「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則運算式中可以使用ASCII編碼。
36  \num  匹配num,其中num是一個正整數。對所獲取的匹配的參照。例如,「(.)\1」匹配兩個連續的相同字元。
37  \n  標識一個八進制轉義值或一個向後參照。如果\n之前至少n個獲取的子運算式,則n為向後參照。否則,如果n為八進制數位(0-7),則n為一個八進制轉義值。
38  \nm  標識一個八進制轉義值或一個向後參照。如果\nm之前至少有nm個獲得子運算式,則nm為向後參照。如果\nm之前至少有n個獲取,則n為一個後跟文字m的向後參照。如果前面的條件都不滿足,若n和m均為八進制數位(0-7),則\nm將匹配八進制轉義值nm。
39  \nml  如果n為八進制數位(0-3),且m和l均為八進制數位(0-7),則匹配八進制轉義值nml。
40  \un  匹配n,其中n是一個用四個十六進制數位表示的Unicode字元。例如,\u00A9匹配版權符號(©)。

以上表格轉自:

http://zh.wikipedia.org/zh-tw/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F

以下為一 Regex 使用的方法:

//原始字串
string input = "The men's soft tennis team captured the first gold medal for Taiwan "
             + "yesterday in the 2010 Asian Games in Guangzhou, China, while their " 
             + "female counterparts garnered a silver for Taiwan, which is competing " 
             + "as Chinese Taipei at the regional sport games.";
//規則字串 
string pattern = @"(?\sc[\w]*)";
//宣告 Regex 忽略大小寫 
Regex regex = new Regex(pattern, RegexOptions.IgnoreCase);
//將比對後集合傳給 MatchCollection 
MatchCollection matches = regex.Matches(input); 
int index = 0;
// 一一取出 MatchCollection 內容
foreach (Match match in matches) 
{
    // 將 Match 內所有值的集合傳給 GroupCollection groups
    GroupCollection groups = match.Groups;
    // 印出 Group 內 word 值
    Console.WriteLine( ++ index + ": " + groups["word"].Value.Trim()); 
}
//上面程式碼執行結果為下:
//1: captured
//2: China
//3: counterparts
//4: competing
//5: Chinese
文章標籤
創作者介紹

吉米.NET

Jimmy 發表在 痞客邦 PIXNET 留言(0) 人氣()