C# 正則表達式，你會幾個？

作者： zls365 2021-03-02 07:33:13

最近寫爬蟲時需要用到正則表達式，有段時間沒有使用正則表達式現在漸漸感覺有些淡忘，現在使用還需要去查詢一些資料。

本文轉載自微信公眾號「CSharp編程大全」，作者 zls365 。轉載本文請聯系CSharp編程大全公眾號。

最近寫爬蟲時需要用到正則表達式，有段時間沒有使用正則表達式現在漸漸感覺有些淡忘，現在使用還需要去查詢一些資料。為了避免以后這樣的情況，在此記錄下正則表達式的一些基本使用方法附帶小的實例。讓以后在使用時能一目了然知道他的使用，為開發節約時間，同時也分享給大家。

正則元字符

在說正則表達式之前我們先來看看通配符，我想通配符大家都用過。通配符主要有星號(*)和問號(?)，用來模糊搜索文件。winodws中我們常會使用搜索來查找一些文件。如:*.jpg，XXX.docx的方式，來快速查找文件。其實正則表達式和我們通配符很相似也是通過特定的字符匹配我們所要查詢的內容信息。已下代碼都是區分大小寫。

常用元字符

懶惰限定符

捕獲分組

得到上面秘籍后我們可以小試牛刀...

小試牛刀

在C#中使用正則表達式主要是通過Regex類來實現。命名空間：using System.Text.RegularExpressions。

其中常用方法：

在使用正則表達式前我們先來看看“@”符號的使用。

學過C#的人都知道C# 中字符串常量可以以@ 開頭聲名，這樣的優點是轉義序列“不”被處理，按“原樣”輸出，即我們不需要對轉義字符加上 \ (反斜扛)，就可以輕松coding。如:

string filePath = @"c:\Docs\Source\CK.txt" // rather than "c:\\Docs\\Source\\CK.txt"

如要在一個用 @ 引起來的字符串中包括一個雙引號，就需要使用兩對雙引號了。這時候你不能使用 \ 來轉義爽引號了，因為在這里 \ 的轉義用途已經被 @ “屏蔽”掉了。如:

string str=@"""Ahoy!"" cried the captain."  // 輸出為："Ahoy!" cried the captain.

字符串匹配：

在實際項目中我們常常需要對用戶輸入的信息進行驗證。如：匹配用戶輸入的內容是否為數字，是否為有效的手機號碼，郵箱是否合法....等。

實例代碼：

string RegexStr = string.Empty; 
#region 字符串匹配 
 
RegexStr = "^[0-9]+$";  //匹配字符串的開始和結束是否為0-9的數字[定位字符] 
Console.WriteLine("判斷'R1123'是否為數字:{0}", Regex.IsMatch("R1123", RegexStr)); 
Console.WriteLine("判斷'1123'是否為數字:{0}", Regex.IsMatch("1123", RegexStr)); 
 
RegexStr = @"\d+";  //匹配字符串中間是否包含數字(這里沒有從開始進行匹配噢,任意位子只要有一個數字即可) 
Console.WriteLine("'R1123'是否包含數字:{0}", Regex.IsMatch("R1123", RegexStr)); 
Console.WriteLine("'博客園'是否包含數字:{0}", Regex.IsMatch("博客園", RegexStr)); 
 
//感謝@zhoumy的提醒..已修改錯誤代碼 
RegexStr = @"^Hello World[\w\W]*";  //已Hello World開頭的任意字符(\w\W：組合可匹配任意字符) 
Console.WriteLine("'HeLLO WORLD xx hh xx'是否已Hello World開頭:{0}", Regex.IsMatch("HeLLO WORLD xx hh xx", RegexStr, RegexOptions.IgnoreCase)); 
Console.WriteLine("'LLO WORLD xx hh xx'是否已Hello World開頭:{0}", Regex.IsMatch("LLO WORLD xx hh xx", RegexStr,RegexOptions.IgnoreCase)); 
//RegexOptions.IgnoreCase：指定不區分大小寫的匹配。 
 
#endregion

顯示結果：

字符串查找：

實例代碼：

string RegexStr = string.Empty;  
 
#region 字符串查找 
 
string LinkA = "<a href=\"http://www.baidu.com\" target=\"_blank\">百度</a>"; 
 
RegexStr = @"href=""[\S]+""";   // ""匹配" 
Match mt = Regex.Match(LinkA, RegexStr); 
 
Console.WriteLine("{0}。", LinkA); 
Console.WriteLine("獲得href中的值：{0}。", mt.Value); 
 
RegexStr = @"<h[^23456]>[\S]+<h[1]>";    //<h[^23456]>:匹配h除了2,3,4,5,6之中的值,<h[1]>:h匹配包含括號內元素的字符 
Console.WriteLine("{0}。GetH1值：{1}", "<H1>標題<H1>", Regex.Match("<H1>標題<H1>", RegexStr, RegexOptions.IgnoreCase).Value); 
Console.WriteLine("{0}。GetH1值：{1}", "<h2>小標<h2>", Regex.Match("<h2>小標<h2>", RegexStr, RegexOptions.IgnoreCase).Value); 
//RegexOptions.IgnoreCase:指定不區分大小寫的匹配。 
 
RegexStr = @"ab\w+|ij\w{1,}";   //匹配ab和字母 或 ij和字母 
Console.WriteLine("{0}。多選結構：{1}", "abcd", Regex.Match("abcd", RegexStr).Value); 
Console.WriteLine("{0}。多選結構：{1}", "efgh", Regex.Match("efgh", RegexStr).Value); 
Console.WriteLine("{0}。多選結構：{1}", "ijk", Regex.Match("ijk", RegexStr).Value); 
 
RegexStr = @"張三?豐";    //?匹配前面的子表達式零次或一次。 
Console.WriteLine("{0}。可選項元素：{1}", "張三豐", Regex.Match("張三豐", RegexStr).Value); 
Console.WriteLine("{0}。可選項元素：{1}", "張豐", Regex.Match("張豐", RegexStr).Value); 
Console.WriteLine("{0}。可選項元素：{1}", "張飛", Regex.Match("張飛", RegexStr).Value); 
 
/*  
 例如： 
July|Jul　　可縮短為　　July? 
4th|4　　   可縮短為　　4(th)? 
*/ 
 
//匹配特殊字符 
RegexStr = @"Asp\.net";    //匹配Asp.net字符，因為.是元字符他會匹配除換行符以外的任意字符。這里我們只需要他匹配.字符即可。所以需要轉義\.這樣表示匹配.字符 
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "Java Asp.net SQLServer", Regex.Match("Java Asp.net SQLServer", RegexStr).Value); 
Console.WriteLine("{0}。匹配Asp.net字符：{1}", "C# Java", Regex.Match("C# Java", RegexStr).Value); 
 
#endregion

顯示結果：

貪婪與懶惰

string f = "fooot";//貪婪匹配 
RegexStr = @"f[o]+"; 
Match m1 = Regex.Match(f, RegexStr); 
Console.WriteLine("{0}貪婪匹配(匹配盡可能多的字符)：{1}", f, m1.ToString()); 
 
//懶惰匹配 
RegexStr = @"f[o]+?"; 
Match m2 = Regex.Match(f, RegexStr); 
Console.WriteLine("{0}懶惰匹配(匹配盡可能少重復)：{1}", f, m2.ToString());

顯示結果：

從上面的例子中我們不難看出貪婪與懶惰的區別，他們的名子取的都很形象。

貪婪匹配：匹配盡可能多的字符。

懶惰匹配：匹配盡可能少的字符。

(exp)分組

在做爬蟲時我們經常獲得A中一些有用信息。如href,title和顯示內容等。

string TaobaoLink = "<a href=\"http://www.taobao.com\" title=\"淘寶網 - 淘！我喜歡\" target=\"_blank\">淘寶</a>"; 
RegexStr = @"<a[^>]+href=""(\S+)""[^>]+title=""([\s\S]+?)""[^>]+>(\S+)</a>"; 
Match mat = Regex.Match(TaobaoLink, RegexStr); 
for (int i = 0; i < mat.Groups.Count; i++) 
{ 
    Console.WriteLine("第"+i+"組："+mat.Groups[i].Value); 
}

顯示結果：

在正則表達式里使用()包含的文本自動會命名為一個組。上面的表達式中共使用了4個()可以認為是分為了4組。

輸出結果共分為：4組。

0組：為我們所匹配的字符串。

1組：是我們第一個括號[href=""(\S+)""]中(\S+)所匹配的網址信息。內容為：http://www.taobao.com。

2組：是第二個括號[title=""([\s\S]+?)""]中所匹配的內容信息。內容為：淘寶網 - 淘!我喜歡。

這里我們會看到+?懶惰限定符。title=""([\s\S]+?)"" 這里+?的下一個字符為"雙引號，"雙引號在匹配字符串后面還有三個。+?懶惰限定符會盡可能少重復，所他會匹配最前面那個"雙引號。如果我們不使用+?懶惰限定符他會匹配到：淘寶網 - 淘!我喜歡" target= 會盡可能多重復匹配。

3組：是第三個括號[(\S+)]所匹配的內容信息。內容為：淘寶。

說明：反義元字符所對應的元字符都能組合匹配任意字符。如:[\w\W],[\s\S],[\d\D]..

(?<name>exp) 分組取名

當我們匹配分組信息過多后，在某種場合只需取當中某幾組信息。這時我們可以對分組取名。通過分組名稱來快速提取對應信息。

string Resume = "基本信息姓名:CK|求職意向:.NET軟件工程師|性別:男|學歷:本專|出生日期:1988-08-08|戶籍:湖北.孝感|E - Mail:9245162@qq.com|手機:15000000000"; 
RegexStr = @"姓名:(?<name>[\S]+)\|\S+性別:(?<sex>[\S]{1})\|學歷:(?<xueli>[\S]{1,10})\|出生日期:(?<Birth>[\S]{10})\|[\s\S]+手機:(?<phone>[\d]{11})"; 
Match matc = Regex.Match(Resume, RegexStr); 
Console.WriteLine("姓名：{0},手機號：{1}", matc.Groups["name"].ToString(), matc.Groups["phone"].ToString());

顯示結果：

通過(?<name>exp)可以很輕易為分組取名。然后通過Groups["name"]取得分組值。

獲得頁面中A標簽中href值

string PageInfo = @"<hteml> 
                        <div id=""div1""> 
                            <a href=""http://www.baidu.con"" target=""_blank"">百度</a> 
                            <a href=""http://www.taobao.con"" target=""_blank"">淘寶</a> 
                            <a href=""http://www.cnblogs.com"" target=""_blank"">博客園</a> 
                            <a href=""http://www.google.con"" target=""_blank"">google</a> 
                        </div> 
                        <div id=""div2""> 
                            <a href=""/zufang/"">整租</a> 
                            <a href=""/hezu/"">合租</a> 
                            <a href=""/qiuzu/"">求租</a> 
                            <a href=""/ershoufang/"">二手房</a> 
                            <a href=""/shangpucz/"">商鋪出租</a> 
                        </div> 
                    </hteml>"; 
RegexStr = @"<a[^>]+href=""(?<href>[\S]+?)""[^>]*>(?<text>[\S]+?)</a>"; 
MatchCollection mc = Regex.Matches(PageInfo, RegexStr); 
foreach (Match item in mc) 
{ 
    Console.WriteLine("href:{0}--->text:{1}",item.Groups["href"].ToString(),item.Groups["text"].ToString()); 
}

顯示結果：

Replace 替換字符串

用戶在輸入信息時偶爾會包含一些敏感詞，這時我們需要替換這個敏感詞。

string PageInputStr = "靠.TMMD,今天真不爽...."; 
RegexStr = @"靠|TMMD|媽的"; 
Regex rep_regex = new Regex(RegexStr); 
Console.WriteLine("用戶輸入信息：{0}", PageInputStr); 
Console.WriteLine("頁面顯示信息：{0}", rep_regex.Replace(PageInputStr, "***"));

顯示結果：

對一些敏感詞直接替換成***代替。

Split 拆分字符串

string SplitInputStr = "1xxxxx.2ooooo.3eeee.4kkkkkk."; 
RegexStr = @"\d"; 
Regex spl_regex = new Regex(RegexStr); 
string[] str = spl_regex.Split(SplitInputStr); 
foreach (string item in str) 
{ 
    Console.WriteLine(item); 
}

顯示結果：

根據數字截取字符串。

責任編輯：武曉燕來源： CSharp編程大全

開發 C#字符