解讀C中的正則表達(dá)式

1、解讀C中的正則表達(dá)式作者： 發(fā)表時間： 2003-7-13 10:22:52多少年來，許多的編程語言和工具都包含對正則表達(dá)式的支持，.NET基礎(chǔ)類庫中包含有一個名字空間和一系列可以充分發(fā)揮規(guī)則表達(dá)式威力的類，而且它們也都與未來的Perl 5中的規(guī)則表達(dá)式兼容。此外，regexp類還能夠完成一些其他的功能，例如從右至左的結(jié)合模式和表達(dá)式的編輯等。在這篇文章中，我將簡要地介紹System.Text.RegularExpression中的類和方法、一些字符串匹配和替換的例子以及組結(jié)構(gòu)的詳細(xì)情況，最后，還會介紹一些你可能會用到的常見的表達(dá)式。應(yīng)該掌握的基礎(chǔ)知識規(guī)則表達(dá)式的知識可能是不少編程人員“常學(xué)常

2、忘”的知識之一。在這篇文章中，我們將假定你已經(jīng)掌握了規(guī)則表達(dá)式的用法，尤其是Perl 5中表達(dá)式的用法。.NET的regexp類是Perl 5中表達(dá)式的一個超集，因此，從理論上說它將作為一個很好的起點(diǎn)。我們還假設(shè)你具有了C#的語法和.NET架構(gòu)的基本知識。如果你沒有規(guī)則表達(dá)式方面的知識，我建議你從Perl 5的語法著手開始學(xué)習(xí)。在規(guī)則表達(dá)式方面的權(quán)威書籍是由杰弗里弗雷德爾編寫的掌握表達(dá)式一書，對于希望深刻理解表達(dá)式的讀者，我們強(qiáng)烈建議閱讀這本書。RegularExpression組合體regexp規(guī)則類包含在System.Text.RegularExpressions.dll文件中，在對應(yīng)用軟

3、件進(jìn)行編譯時你必須引用這個文件，例如，csc r:System.Text.RegularExpressions.dll foo.cs命令將創(chuàng)建foo.exe文件，它就引用了System.Text.RegularExpressions文件。名字空間簡介在名字空間中僅僅包含著6個類和一個定義，它們是：Capture: 包含一次匹配的結(jié)果；CaptureCollection: Capture的序列；Group: 一次組記錄的結(jié)果，由Capture繼承而來；Match: 一次表達(dá)式的匹配結(jié)果，由Group繼承而來；MatchCollection: Match的一個序列；MatchEvaluator:

4、執(zhí)行替換操作時使用的代理；Regex：編譯后的表達(dá)式的實(shí)例。Regex類中還包含一些靜態(tài)的方法：Escape: 對字符串中的regex中的轉(zhuǎn)義符進(jìn)行轉(zhuǎn)義；IsMatch: 如果表達(dá)式在字符串中匹配，該方法返回一個布爾值；Match: 返回Match的實(shí)例；Matches: 返回一系列的Match的方法；Replace: 用替換字符串替換匹配的表達(dá)式；Split: 返回一系列由表達(dá)式?jīng)Q定的字符串；Unescape:不對字符串中的轉(zhuǎn)義字符轉(zhuǎn)義。簡單匹配我們首先從使用Regex、Match類的簡單表達(dá)式開始學(xué)習(xí)。Match m = Regex.Match(abracadabra, (a|b|r)+)

5、;我們現(xiàn)在有了一個可以用于測試的Match類的實(shí)例，例如：if (m.Success).如果想使用匹配的字符串，可以把它轉(zhuǎn)換成一個字符串：Console.WriteLine(Match=+m.ToString();這個例子可以得到如下的輸出: Match=abra。這就是匹配的字符串了。字符串的替換簡單字符串的替換非常直觀。例如下面的語句：string s = Regex.Replace(abracadabra, abra, zzzz);它返回字符串zzzzcadzzzz，所有匹配的字符串都被替換成了zzzzz?，F(xiàn)在我們來看一個比較復(fù)雜的字符串替換的例子：string s = Regex.Re

6、place( abra , s*(.*?)s*$, $1);這個語句返回字符串a(chǎn)bra，其前導(dǎo)和后綴的空格都去掉了。上面的模式對于刪除任意字符串中的前導(dǎo)和后續(xù)空格都非常有用。在C#中，我們還經(jīng)常使用字母字符串，在一個字母字符串中，編譯程序不把字符“ ” 作為轉(zhuǎn)義字符處理。在使用字符“”指定轉(zhuǎn)義字符時，.是非常有用的。另外值得一提的是$1在字符串替換方面的使用，它表明替換字符串只能包含被替換的字符串。匹配引擎的細(xì)節(jié)現(xiàn)在，我們通過一個組結(jié)構(gòu)來理解一個稍微復(fù)雜的例子?？聪旅娴睦樱簊tring text = abracadabra1abracadabra2abracadabra3;string pa

7、t = ( # 第一個組的開始 abra # 匹配字符串a(chǎn)bra ( # 第二個組的開始 cad # 匹配字符串cad )? # 第二個組結(jié)束（可選）) # 第一個組結(jié)束+ # 匹配一次或多次;/利用x修飾符忽略注釋Regex r = new Regex(pat, x);/獲得組號碼的清單int gnums = r.GetGroupNumbers();/首次匹配Match m = r.Match(text);while (m.Success) /從組1開始 for (int i = 1; i gnums.Length; i+)Group g = m.Group(gnumsi);/獲得這次匹配的

8、組Console.WriteLine(Group+gnumsi+=+g.ToString()+);/計算這個組的起始位置和長度CaptureCollection cc = g.Captures;for (int j = 0; j cc.Count; j+) Capture c = ccj; Console.WriteLine( Capture + j + =+c.ToString() + Index= + c.Index + Length= + c.Length); /下一個匹配 m = m.NextMatch(); 這個例子的輸出如下所示：Group1=abraCapture0=abraca

9、d Index=0 Length=7Capture1=abra Index=7 Length=4Group2=cadCapture0=cad Index=4 Length=3Group1=abraCapture0=abracad Index=12 Length=7Capture1=abra Index=19 Length=4Group2=cadCapture0=cad Index=16 Length=3Group1=abraCapture0=abracad Index=24 Length=7Capture1=abra Index=31 Length=4Group2=cadCapture0=ca

10、d Index=28 Length=3我們首先從考查字符串pat開始，pat中包含有表達(dá)式。第一個capture是從第一個圓括號開始的，然后表達(dá)式將匹配到一個abra。第二個capture組從第二個圓括號開始，但第一個capture組還沒有結(jié)束，這意味著第一個組匹配的結(jié)果是abracad ，而第二個組的匹配結(jié)果僅僅是cad。因此如果通過使用？符號而使cad成為一項可選的匹配，匹配的結(jié)果就可能是abra或abracad。然后，第一個組就會結(jié)束，通過指定+符號要求表達(dá)式進(jìn)行多次匹配?，F(xiàn)在我們來看看匹配過程中發(fā)生的情況。首先，通過調(diào)用Regex的constructor方法建立表達(dá)式的一個實(shí)例，并在其

11、中指定各種選項。在這個例子中，由于在表達(dá)式中有注釋，因此選用了x選項，另外還使用了一些空格。打開x選項，表達(dá)式將會忽略注釋和其中沒有轉(zhuǎn)義的空格。然后，取得表達(dá)式中定義的組的編號的清單。你當(dāng)然可以顯性地使用這些編號，在這里使用的是編程的方法。如果使用了命名的組，作為一種建立快速索引的途徑這種方法也十分有效。接下來是完成第一次匹配。通過一個循環(huán)測試當(dāng)前的匹配是否成功，接下來是從group 1開始重復(fù)對組清單執(zhí)行這一操作。在這個例子中沒有使用group 0的原因是group 0是一個完全匹配的字符串，如果要通過收集全部匹配的字符串作為一個單一的字符串，就會用到group 0了。我們跟蹤每個group

12、中的CaptureCollection。通常情況下每次匹配、每個group中只能有一個capture，但本例中的Group1則有兩個capture：Capture0和Capture1。如果你僅需要Group1的ToString，就會只得到abra，當(dāng)然它也會與abracad匹配。組中ToString的值就是其CaptureCollection中最后一個Capture的值，這正是我們所需要的。如果你希望整個過程在匹配abra后結(jié)束，就應(yīng)該從表達(dá)式中刪除+符號，讓regex引擎知道我們只需要對表達(dá)式進(jìn)行匹配?；谶^程和基于表達(dá)式方法的比較一般情況下，使用規(guī)則表達(dá)式的用戶可以分為以下二大類：第一類用

13、戶盡量不使用規(guī)則表達(dá)式，而是使用過程來執(zhí)行一些需要重復(fù)的操作；第二類用戶則充分利用規(guī)則表達(dá)式處理引擎的功能和威力，而盡可能少地使用過程。對于我們大多數(shù)用戶而言，最好的方案莫過于二者兼而用之了。我希望這篇文章能夠說明.NET語言中regexp類的作用以及它在性能和復(fù)雜性之間的優(yōu)、劣點(diǎn)?；谶^程的模式我們在編程中經(jīng)常需要用到的一個功能是對字符串中的一部分進(jìn)行匹配或其他一些對字符串處理，下面是一個對字符串中的單詞進(jìn)行匹配的例子：string text = the quick red fox jumped over the lazy brown dog.;System.Console.WriteLin

14、e(text= + text + );string result = ;string pattern = w+|W+;foreach (Match m in Regex.Matches(text, pattern) / 取得匹配的字符串 string x = m.ToString();/ 如果第一個字符是小寫 if (char.IsLower(x0)/ 變成大寫x = char.ToUpper(x0) + x.Substring(1, x.Length-1);/ 收集所有的字符 result += x; System.Console.WriteLine(result= + result + )

15、;正象上面的例子所示，我們使用了C#語言中的foreach語句處理每個匹配的字符，并完成相應(yīng)的處理，在這個例子中，新創(chuàng)建了一個result字符串。這個例子的輸出所下所示：text=the quick red fox jumped over the lazy brown dog.result=The Quick Red Fox Jumped Over The Lazy Brown Dog.基于表達(dá)式的模式完成上例中的功能的另一條途徑是通過一個MatchEvaluator，新的代碼如下所示：static string CapText(Match m)/取得匹配的字符串string x = m.To

16、String();/ 如果第一個字符是小寫if (char.IsLower(x0)/ 轉(zhuǎn)換為大寫 return char.ToUpper(x0) + x.Substring(1, x.Length-1);return x; static void Main()string text = the quick red fox jumped over the lazy brown dog.;System.Console.WriteLine(text= + text + );string pattern = w+;string result = Regex.Replace(text, pattern,

17、 new MatchEvaluator(Test.CapText);System.Console.WriteLine(result= + result + );同時需要注意的是，由于僅僅需要對單詞進(jìn)行修改而無需對非單詞進(jìn)行修改，這個模式顯得非常簡單。常用表達(dá)式為了能夠更好地理解如何在C#環(huán)境中使用規(guī)則表達(dá)式，我寫出一些對你來說可能有用的規(guī)則表達(dá)式，這些表達(dá)式在其他的環(huán)境中都被使用過，希望能夠?qū)δ阌兴鶐椭?。羅馬數(shù)字string p1 = m*(d?c0,3|cdm) + (l?x0,3|xlc)(v?i0,3|ivx)$;string t1 = vii;Match m1 = Regex.Matc

18、h(t1, p1);交換前二個單詞string t2 = the quick brown fox;string p2 = (S+)(s+)(S+);Regex x2 = new Regex(p2);string r2 = x2.Replace(t2, $3$2$1, 1);關(guān)健字=值string t3 = myval = 3;string p3 = (w+)s*=s*(.*)s*$;Match m3 = Regex.Match(t3, p3);實(shí)現(xiàn)每行80個字符string t4 = * + * + *;string p4 = .80,;Match m4 = Regex.Match(t4, p

19、4);月/日/年 小時:分:秒的時間格式string t5 = 01/01/01 16:10:01;string p5 = (d+)/(d+)/(d+) (d+):(d+):(d+);Match m5 = Regex.Match(t5, p5);改變目錄（僅適用于Windows平臺）string t6 = C:Documents and Settingsuser1Desktop;string r6 = Regex.Replace(t6,user1, user2);擴(kuò)展16位轉(zhuǎn)義符string t7 = %41; / capital Astring p7 = %(0-9A-Fa-f0-9A-Fa

20、-f);string r7 = Regex.Replace(t7, p7, HexConvert);刪除C語言中的注釋（有待完善）string t8 = /* * 傳統(tǒng)風(fēng)格的注釋 */;string p8 = /* # 匹配注釋開始的定界符 .*? # 匹配注釋 */ # 匹配注釋結(jié)束定界符;string r8 = Regex.Replace(t8, p8, , xs);刪除字符串中開始和結(jié)束處的空格string t9a = leading;string p9a = s+;string r9a = Regex.Replace(t9a, p9a, );string t9b = trailing

21、;string p9b = s+$;string r9b = Regex.Replace(t9b, p9b, );在字符后添加字符n，使之成為真正的新行string t10 = ntestn;string r10 = Regex.Replace(t10, n, n);轉(zhuǎn)換IP地址string t11 = 2;string p11 = + (01?dd|20-4d|250-5). + (01?dd|20-4d|250-5). + (01?dd|20-4d|250-5). + (01?dd|20-4d|250-5) + $;Match m11 = Regex.Match(t11, p11);刪除文件名包含的路徑string t12 = c:file.txt;string p12 = .*;string r12 = Regex.Replace(t12, p12, );聯(lián)接多行字符串中的行string t13 = this isa spl