C#中正則表達式的元字符介紹

本文整理C#正則表達式的元字符，正則表達式是由字符構(gòu)成的表達式，每個字符代表一個規(guī)則，表達式中的字符分為兩種類型：普通字符和元字符。普通字符是指字面含義不變的字符，按照完全匹配的方式匹配文本，而元字符具有特殊的含義，代表一類字符。

把文本看作是字符流，每個字符放在一個位置上，例如，正則表達式 “Room\d\d\d”，前面四個字符Room是普通字符，后面的字符\是轉(zhuǎn)義字符，和后面的字符d組成一個元字符\d，表示該位置上有任意一個數(shù)字。

用正則表達式的語言來描述是：正則表達式 “Room\d\d\d”共捕獲7個字符，表示“以Room開頭、以三個數(shù)字結(jié)尾”的一類字符串，我們把這一類字符串稱作一個模式（Pattern），也稱作是一個正則。

一、轉(zhuǎn)義字符

轉(zhuǎn)義字符是\，把普通字符轉(zhuǎn)義為具有特殊含義的元字符，常用的轉(zhuǎn)義字符有：

\t：水平制表符

\v：垂直制表符

\r：回車

\n：換行

\\：表示字符 \，也就說，把轉(zhuǎn)義字符 \ 轉(zhuǎn)義為普通的字符 \

\"：表示字符 "，在C#中，雙引號用于定義字符串，字符串包含的雙引號用 \" 來表示

二、字符類

在進行正則匹配時，把輸入文本看作是有順序的字符流，字符類元字符匹配的對象是字符，并會捕獲字符。所謂捕獲字符是指，一個元字符捕獲的字符，不會被其他元字符匹配，后續(xù)的元字符只能從剩下的文本中重新匹配。

常用的字符類元字符：

[ char_group]：匹配字符組中的任意一個字符

[^char_group]：匹配除字符組之外的任意一個字符

[first-last]：匹配從first到last的字符范圍中的任意一個字符，字符范圍包括first和last。

.   ：通配符，匹配除\n之外的任意一個字符

\w：匹配任意一個單詞（word）字符，單詞字符通常是指A-Z、a-z和0-9

\W：匹配任意一個非單詞字符，是指除A-Z、a-z和0-9之外的字符

\s：匹配任意一個空白字符

\S：匹配任意一個非空白字符

\d：匹配任意一個數(shù)字字符

\D：匹配任意一個非數(shù)字字符

注意，轉(zhuǎn)義字符也屬于字符類元字符，在進行正則匹配時，也會捕獲字符。

三、定位符

定位符匹配（或捕獲）的對象是位置，它根據(jù)字符的位置來判斷模式匹配是否成功，定位符不會捕獲字符，是零寬的（寬度為0），常用的定位符有：

^：默認情況下，匹配字符串的開始位置；在多行模式下，匹配每行的開始位置；

$：默認情況下，匹配字符串的結(jié)束位置，或 字符串結(jié)尾的\n之前的位置；在多行模式下，匹配每行結(jié)束之前的位置，或者每行結(jié)尾的\n之前的位置。

\A：匹配字符串的開始位置；

\Z：匹配字符串的結(jié)束位置，或 字符串結(jié)尾的\n之前的位置；

\z：匹配字符串的結(jié)束位置；

\G：匹配上一個匹配結(jié)束的位置；

\b：匹配一個單詞的開始或結(jié)束的位置；

\B：匹配一個單詞的中間位置；

四、量詞、貪婪和懶惰

量詞是指限定前面的一個正則出現(xiàn)的次數(shù)，量詞分為兩種模式：貪婪模式和懶惰模式，貪婪模式是指匹配盡可能多的字符，而懶惰模式是指匹配盡可能少的字符。默認情況下，量詞處于貪婪模式，在量詞的后面加上?來啟用懶惰模式。

*：出現(xiàn)0次或多次

+：出現(xiàn)1次或多次

?：出現(xiàn)0次或1次

{n}：出現(xiàn)n次

{n,}：出現(xiàn)至少n次

{n,m}：出現(xiàn)n到m次

注意，出現(xiàn)多次是指前面的元字符出現(xiàn)多次，例如，\d{2} 等價于 \d\d，只是出現(xiàn)兩個數(shù)字，并不要求兩個數(shù)字是相同的。要表示相同的兩個數(shù)字，必須使用分組來實現(xiàn)。

五、分組和捕獲字符

()  括號不僅確定表達式的范圍，還創(chuàng)建分組，()內(nèi)的表達式就是一個分組，引用分組表示兩個分組匹配的文本是完全相同的。定義一個分組的基本語法：

(pattern)

該類型的分組會捕獲字符，所謂捕獲字符是指：一個元字符捕獲的字符，不會被其他元字符匹配，后續(xù)的元字符只能從剩下的文本中重新匹配。

1、分組編號和命名

默認情況下，每個分組自動分配一個組號，規(guī)則是：從左向右，按分組左括號的出現(xiàn)順序進行編號，第一個分組的組號為1，第二個為2，以此類推。也可以為分組指定名稱，該分組稱作命名分組，命名分組也會被自動編號，編號從1開始，逐個加1，為分組指定名稱的語法是：

(?< name > pattern)

通常來說，分組分為命名分組和編號分組，引用分組的方式有：

通過分組名稱來引用分組：\k<name>

通過分組編號來引用分組：\number

注意，分組只能后向引用，也就是說，從正則表達式文本的左邊開始，分組必須先定義，然后才能在定義之后面引用。

在正則表達式里引用分組的語法為“\number”，比如“\1”代表與分組1 匹配的子串，“\2”代表與分組2 匹配的字串，以此類推。

例如，對于 "<(.*?)>.*?</\1>" 可以匹配 <h3>valid</h3>，在引用分組時，分組對應(yīng)的文本是完全相同的。

2、分組構(gòu)造器

分組構(gòu)造方法如下：

(pattern)：捕獲匹配的子表達式，并為分組分配一個組號

(?< name > pattern)：把匹配的子表達式捕獲到命名的分組中

(?:pattern)：非捕獲的分組，并未分組分配一個組號

(?> pattern)：貪婪分組

3、貪婪分組

貪婪分組也稱作非回溯分組，該分組禁用了回溯，正則表達式引擎將盡可能多地匹配輸入文本中的字符。如果無法進行進一步的匹配，則不會回溯嘗試進行其他模式匹配。

(?> pattern )

4、二選一

| 的意思是或，匹配兩者中的任意一個，注意，｜把左右兩邊的表達式分為兩部分。

pattern1 ｜ pattern2

六，零寬斷言

零寬是指寬度為0，匹配的是位置，所以匹配的子串不會出現(xiàn)在匹配結(jié)果中，而斷言是指判斷的結(jié)果，只有斷言為真，才算匹配成功。

對于定位符，可以匹配一句話的開始、結(jié)束（^ $）或者匹配一個單詞的開始、結(jié)束（\b），這些元字符只匹配一個位置，指定這個位置滿足一定的條件，而不是匹配某些字符，因此，它們被成為 零寬斷言。所謂零寬，指的是它們不與任何字符相匹配，而匹配一個位置；所謂斷言，指的是一個判斷，正則表達式中只有當斷言為真時才會繼續(xù)進行匹配。零寬斷言可以精確的匹配一個位置，而不僅僅是簡單的指定句子或者單詞。

正則表達式把文本看作從左向右的字符流，向右叫做后向（Look behind），向左叫做前向（Look ahead）。對于正則表達式，只有當匹配到指定的模式（Pattern）時，斷言為True，叫做肯定式，把不匹配模式為True，叫做否定式。

按照匹配的方向和匹配的定性，把零寬斷言分為四種類型：

(?= pattern)：前向、肯定斷言

(?! pattern)：前向、否定斷言

(?<= pattern)：后向、肯定斷言

(?<! pattern)：后向、否定斷言

1、前向肯定斷言

前向肯定斷言定義一個模式必須存在于文本的末尾（或右側(cè)），但是該模式匹配的子串不會出現(xiàn)在匹配的結(jié)果中，前向斷言通常出現(xiàn)在正則表達式的右側(cè)，表示文本的右側(cè)必須滿足特定的模式：

 (?= subexpression )

使用前向肯定斷言可以定一個模糊匹配，后綴必須包含特定的字符：

\b\w+(?=\sis\b)

對正則表達式進行分析：

\b：表示單詞的邊界

\w+：表示單詞至少出現(xiàn)一次

(?=\sis\b)：前向肯定斷言，\s 表示一個空白字符， is 是普通字符，完全匹配，\b 是單詞的邊界。

從分析中，可以得出，匹配該正則表達式的文本中必須包含 is 單詞，is是一個單獨的單詞，不是某一個單詞的一個部分。舉個例子

Sunday is a weekend day 匹配該正則，匹配的值是Sunday，而The island has beautiful birds 不匹配該正則。

2、后向肯定斷言

后向肯定斷言定義一個模式必須存在于文本的開始（或左側(cè)），但是該模式匹配的子串不會出現(xiàn)在匹配的結(jié)果中，后向斷言通常出現(xiàn)在正則表達式的左側(cè)，表示文本的左側(cè)必須滿足特定的模式：

(?<= subexpression )

使用后向肯定斷言可以定一個模糊匹配，前綴必須包含特定的字符：

(?<=\b20)\d{2}\b

對正則表達式進行分析：

(?<=\b20)：后向斷言，\b表示單詞的開始，20是普通字符

\d{2}：表示兩個數(shù)字，數(shù)字不要求相同

\b：單詞的邊界

該正則表達式匹配的文本具備的模式是：文本以20開頭、以兩個數(shù)字結(jié)尾。

七，用正則從格式化的文本中扣值

有如下的JSON格式的文本，從文本中扣出字段（CustomerId、CustomerName、CustomerIdSource和CustomerType）的值：

{"CustomerDetails":"[{\"CustomerId\":\"57512f19\",\"CustomerName\":\"cust xyz\",\"CustomerIdSource\":\"AadTenantId\",\"CustomerType\":\"Enterprise\"}]"}

注意，該文本轉(zhuǎn)換為C#中的字符時，需要對雙引號和轉(zhuǎn)義字符進行轉(zhuǎn)義。由于這四個字段提取規(guī)則相同，可以寫一個通用的模式來提取：

public static string GetNestedItem(string txt, string key)
{
    string pat = string.Format("(?<=\\\\\"{0}\\\\\":\\\\\").*?(?=\\\\\")", key);
    return Regex.Match(txt, pat, RegexOptions.IgnoreCase).Value;
}

正則表達式得解析：

(?<=\\\\\"{0}\\\\\":\\\\\")：后向斷言，用于匹配字段名、雙引號和冒號

.*?：懶惰模式，匹配盡可能少的文本

(?=\\\\\")：前向斷言，用于匹配字段值得雙引號

以上就是C#正則表達式元字符詳解的詳細內(nèi)容，更多請關(guān)注億速云其它相關(guān)文章！