正则表达式小记

Posted 2020-06-13

先来看下面一个例子，解析如下IP：

192.160.1.234[port=8080,type=ftp]

将上述表达式中的IP地址，端口号和端口类型提取出来。

没有正则表达式之前，大家猛的一看，估计崩溃了。没办法，用string类的方法截取呗。于是，我们写下了如下代码：

string str = "192.160.1.234[port=8080,type=ftp]";

            int indexIP = str.IndexOf("[");

            string ip = str.Substring(0, indexIP);

            //获取端口号

            int serverestart = str.IndexOf("=");

            int serverend=str.IndexOf(",");

            string server = str.Substring(serverestart+1,serverend-serverestart-1);

            //提取协议类型

            int typestart = str.LastIndexOf("=");

            int typeend = str.LastIndexOf("]");

            string type = str.Substring(typestart+1,typeend-typestart-1);

            string result = string.Format("IP是:{0},端口号是:{1},协议类型是:{2}",ip,server,type);

            MessageBox.Show(result);

接下来，咱们来看下正则表达式能够做什么

正则表达式能够做什么？

正则表达式的用途十分广泛，使用正则表达可以验证用户输入的邮箱格式是否合法，可以获取网页上的邮箱，获取网页上的美图，网站上的职位信息等。

什么是正则表达式？

正则表达式就是一个字符串，正则表达式是用来匹配数据的，和语言无关，在js中也要用到。正则表达式类似于通配符，但又不仅仅是通配符。

注意：不要想着一次性写出通用的正则表达式，够用就行，不行再改。

下面，我们开始进入正题，来看下正则表达式中用于匹配的元字符

元字符（匹配）

01，      通用字符：点

含义：除了换行之外的所有字符

02，      选择字符：[]

含义：一对中括号匹配一个字符

03，      逻辑或：|

含义：和C#中|含义一样

04，      优先级与分组：()

紧接着，我们来介绍下用于限定的元字符

元字符（限定符）：

01，      任意个字符（包含0个）：*

02，      任意个字符（不含0个）：+

03，      是否有：？

04，      N次重复：{n}

05，      至少n次{n,}

06，      N到m次{n,m}

注意：限定符是仅限当前字符(就是前面一个)

元字符(开始与结束)：

01，      开头与否定：^

限定必须开头匹配

在[]中使用表示不出现里面的字符

02，      结束与编组：$

限定必须结束匹配

在分组后引用数据

常用的元字符

01，      数字与非数字

数字：\d

非数字:\D

02,空字符与非空字符

          空字符：\s

       非空字符；\S

         可以匹配空格和换行

03,文字与非文字

  文字（数字，字母和汉字,不包含标点符号）:

   文字：\w

  非文字:\W

注意点：

字符串转义与c#转义相同

d:digital

s:space

w:word

哎！说了这么多，下面咱们通过一个例子来看下在.Net中如何使用正则表达式

.Net中的正则表达式

 在.Net中我们使用Regex类来书写正则表达式

Regex的常用方法：

IsMatch():判断是否匹配

Match():字符串提取

Matches():循环提取

Replace():Replace()

下面来看一个字符串匹配的案例：

案例：匹配正确的身份证号码(15或18位数字，18位数字后可能有X)

分析：这里我们可以使用Regex的静态方法IsMatch来判断是否匹配，其中第一个参数为字符串，第二个参数为正则表达式

bool flag=  Regex.IsMatch(txtphone.Text, @"^(\d{3,4}-?\d{7,8}|\d{11}|\d{5})$");

接下来，咱们来看一个字符串提取的案例：

案例：抓取某网站的所有邮箱。注意：这里是字符串提取，而不是匹配,所以^和$没有必要书写。

分析：在解决这个问题之前，先给大家介绍一个类WebClient。该类的DownLoadString()方法能获取到指定网址的html代码

。下面是实现代码：

          WebClient wc = new WebClient();

            wc.Encoding = Encoding.Default;  

            string str = wc.DownloadString("http://www.douban.com/group/topic/9493130/?start=100");

           MatchCollection ms= Regex.Matches(str, @"\[email protected](\w+\.)+\w+");

           StringBuilder sb = new StringBuilder();

           foreach (Match item in ms)

           {

               sb.AppendLine(item.Value);  

           }

           txtResult.Text = sb.ToString();

输出结果为:

 

字符串提取组

01，用元括号分组

        02，使用Groups获得组集合

首先正则表达式进行匹配提取的时候，按照所提供的“正则表达式”匹配到多个Match，同时Match包含了一个叫做组的概念。组针对一个匹配字符串而言，表示圆括号中的内容。组从左往右开始数，一次编号为1,2,3，使用时只用在groups中使用索引即可。

      现在回到刚开始的问题：

192.168.1.100[port=8080,type=ftp]

解析为：IP地址是...的服务器的...端口是打开的，提供的服务是...

  学过正则之后，再来看这个问题，就变得异常简单了。

正则解决方案：

string str = "192.168.1.100[port=8080,type=ftp]";

            Match match=Regex.Match(str,@"^(\d{3}(\.\d{1,3}){3})\[port=(\d+),type=(\w+)\]$");

            if (match.Success)

            {

                string result = string.Format("IP是{0},端口是{1},类型是{2}", match.Groups[1].Value, match.Groups[3].Value, match.Groups[4].Value);

                MessageBox.Show(result);

            }

怎么样，比之前的代码简单多了吧！这就是正则表达式的魅力所在。

贪婪模式与非贪婪模式

贪婪模式：从左到右尽可能多的匹配。

C#中默认使用贪婪模式，取消贪婪模式使用?

经验：一般开发的时候不用刻意去修饰为非贪婪模式，只有遇到bug的时候发现是贪婪模式的问题再去解决。如果匹配的结果比自己预想的要多，那么一般都是贪婪模式的原因。

接下用一个案例简单看下贪婪模式

         string str = "123agb23424aa123agb23424aa";

            Match match = Regex.Match(str, @"((\d+[a-z]+)+)?((\d+[a-z]+)+)");

           MessageBox.Show(match.Groups[2].Value);

如果不加？输出结果为123agb23424aa123agb

加上?取消贪婪模式后输出结果为：123agb