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