C#.Net正则表达式学习笔记

在处理字符串时，你会经常有查找符合特定条件的字符串的需求，比如判断一串电话号码是否符合格式、一个邮箱是否符合格式、一个密码是否包含了字母大小写等等。

正则表达式(Regular expressions)用于匹配文本，使用一些定义好的匹配元字符，即“规则字符”，然后以它的逻辑去过滤筛选字符串。

需注意，不同环境下的正则表达式规则略有区别，这里的正则表达式是在微软C#下的。

C#正则表达式主要使用Regex类，你可以先做一些初步了解。

先看这么一个例子：

using System;
using System.Text.RegularExpressions;

class MyProgram
{
    static void Main(string []args)
    {
        string numlist = "333,33,22,65,33";
        string Regular_expressions = @"\b33\b";

        foreach (Match i in Regex.Matches(numlist, Regular_expressions))
            Console.WriteLine(i);
    }
}

整个程序的功能是找出所有为33的字符串并输出。

这里的正则表达式是\b33\b。这是一个非常简单的功能，实际上正则表达式的能力远不止如此，你可以编写出很复杂的式子以完成你想要的功能。

最终的输出是：

33
33

正好有两个33。具体是如何实现的？我们将在下一节中解释部分正则表达式的元字符。

假设此时我们正在阅读一本英文书，我们希望找到其中所有的in，该怎么做？

这应该是最简单的正则表达式了，直接使用in即可。

事实却不行，因为很多单词都包含了in这两个字符，如inside，include等等，如果这样找的话，这里面的in也会被匹配。

正确的做法应该是\bin\b。

\b，即是正则表达式中规定的一个元字符(metacharacter)，代表着一个单词的开头或结尾。两个单词可能会被空格和逗号分隔，但它不匹配这些，它只代表一个位置。

这样，你就可以匹配到一个独立的in。

现在更新一下情景：你仍然在阅读一本英文书，这次你想要找到所有以i开头的单词。怎么做？

答案是\bi\w*\b。

这个正则表达式略微复杂，但也不算难理解。

开头和结尾的两个\b匹配单词边缘，然后是开头字母i，接下来是\w，它可以匹配任意的字母、数字、下划线或者汉字。

后面的*号也是元字符，但它指代数量，在它前面的元字符可以出现任意次以完成匹配。

翻译一下，它的实际含义是先匹配一个字母i，然后经过任意个字符，匹配直到单词结束。

可以理解吧？好，现在情景又被更新了：你要在一群数字中找到一串格式正确的电话号码。

首先你要明白电话号码的格式，很简单，足够11位即可。

答案是：\d\d\d\d\d\d\d\d\d\d\d。

非常简单粗暴，\d也是元字符，匹配一个数字，写满11个即可。

但这样写未免太麻烦，所以这样写也是正确的：\d{11}。这里的11意为前面的元字符必须被匹配11次。

那么，如果你希望匹配到的电话号码要在正确的位置空格，如167 2829 0220，而不是16728290220（这个号码是我瞎编的），该怎么做？

很简单：\d{3}\s\d{4}\s\d{4}。

这里的\s匹配空白，组合起来即可匹配带空格的电话号码。

随着深入学习，你会发现正则表达式会越来越难以理解，越来越复杂。为了避免这个问题 ，你可以在浏览器上寻找一些相关辅助工具，这里不做细述。

字符	描述
\	转义字符，将一个具有特殊功能的字符转义为一个普通字符，或反过来
(pattern)	匹配 pattern 并获取这一匹配
(?:pattern)	匹配 pattern 但不获取匹配结果
(?=pattern)	正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串
(?!pattern)	负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串
x	y
[xyz]	字符集合。匹配所包含的任意一个字符。例如，‘[abc]’可以匹配“plain”中的‘a’
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，‘[^abc]’可以匹配“plain”中的‘p’
[a-z]	匹配指定范围内的任意字符。例如，‘[a-z]’可以匹配’a’到’z’范围内的任意小写字母字符
[^a-z]	匹配不在指定范围内的任意字符。例如，‘[^a-z]’可以匹配不在‘a’～‘z’'内的任意字符
\B	匹配非单词边界
\D	匹配一个非数字字符，等价于 [^0-9]
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车符
\S	匹配任何非空白字符
\t	匹配一个制表符
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK
\W	匹配任何非单词字符。等价于‘[^A-Za-z0-9_]’