C#正規表示式元字元詳解

本文整理C#正規表示式的元字符，正規表示式是由字符構成的表達式，每個字符代表一個規則，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。

把文字看作是字元流，每個字元放在一個位置上，例如，正規表示式“Room\d\d\d”，前面四個字符Room是普通字符，後面的字符\是轉義字符，和後面的字符d組成一個元字符\d，表示該位置上有任意一個數字。

用正規表示式的語言來描述是：正規表示式「Room\d\d\d」共捕獲7個字符，表示“以Room開頭、以三個數字結尾」的一類字串，我們把這一類字串稱作一個模式（Pattern），也稱作是一個正則。

一、轉義字符

轉義字符是\，把普通字符轉義為具有特殊意義的元字符，常用的轉義字符有：

\t：水平製表符

\v：垂直製表符

\r：回車

##\n：換行

\\：表示字元\，也就說，把轉義字元\ 轉義為普通的字元\

\"：表示字元"，在C#中，雙引號用於定義字串，字串包含的雙引號用\" 來表示

二、字元類別##在進行正規比對時，把輸入文字看作是有順序的字符流，字符類元字符匹配的對像是字符，並會捕獲字符。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，後續的元字元只能從剩餘的文字重新匹配。

常用的字元類別元字元：

[^char_group]：符合除字符組之外的任意一個字符

[first-last]：匹配從first到last的字符範圍中的任意一個字符，字符範圍包括first和last.

.   ：通配符，符合除\n之外的任一個字元

\w：符合任何一個單字（word）字符，單字字元通常是指A-Z、a-z和0 -9

\W：匹配任一個非單字字符，是指除A-Z、a-z和0-9之外的字符

\s：匹配任一個空白字符

\S：符合任一非空白字元

\d：符合任一數字字元

\D：符合任一非數字字元

注意，轉義字符也屬於字符類元字符，在進行正則匹配時，也會捕獲字符。

定位符匹配（或捕獲）的物件是位置，它根據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：

#$：預設情況下，符合字串的結束位置，或字串結尾的\n之前的位置；在多行模式下，匹配每行結束之前的位置，或每行結尾的\n之前的位置。

\A：匹配字串的開始位置；

\Z：符合字串的結束位置，或字串結尾的\n之前的位置；

\z：匹配字串的結束位置；

\G：匹配上一個匹配結束的位置；

\b：匹配一個單字的開始或結束的位置；

\B：匹配一個單字的中間位置；

量詞是指限定前面的一個正規出現的次數，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。預設情況下，量詞處於貪婪模式，在量詞的後面加上?來啟用懶惰模式。

：出現1次或多次

?：出現0次或1次

# {n}：出現n次

{n,}：出現至少n次

{n,m}：出現n到m次

##注意，出現多次是指前面的元字元出現多次，例如，\d{2} 等價於\d\d，只是出現兩個數字，並不要求兩個數字是相同的。要表示相同的兩個數字，必須使用分組來實現。

五、分組與擷取字元

#

()  括號不僅決定表達式的範圍，還要建立分組，()內的表達式就是一個分組，引用分組表示兩個分組匹配的文字是完全相同的。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，後續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

預設情況下，每個分組自動分配一個組號，規則是：從左向右，按分組左括號的出現順序進行編號，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：

透過分組名稱來引用分組：\k

透過分組編號來引用分組：\number

注意，分組只能後向引用，也就是說，從正規表示式文字的左邊開始，分組必須先定義，然後才能在定義之後面引用。

在正規表示式裡引用分組的語法為“\number”，例如“\1”代表與分組1 匹配的子字串，“\2”代表與分組2 匹配的字符串，以此類推。

例如，對於"<(.*?)>.*?" 可以匹配

valid

2、分組建構器

分組建構方法如下：

(pattern)：捕獲匹配的子表達式，並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，並未分組分配一組號

(?> pattern)：貪婪分組

3、貪婪分組

貪婪分組也稱為非回溯分組，該分組禁用了回溯，正規表示式引擎將盡可能匹配輸入文字中的字元。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，配對兩者中的任一個，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，符合的是位置，所以符合的子字串不會出現在配對結果中，而斷言是指判斷的結果，只有斷言為真，才算匹配成功。

對於定位符，可以匹配一句話的開始、結束（^ $）或匹配一個單字的開始、結束（\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單字。

正規表示式把文字看作從左向右的字元流，向右叫做後向（Look behind），向左叫做前向（Look ahead）。對於正規表示式，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。

依照符合的方向和配對的定性，把零寬斷言分成四種：

(?= pattern)：前向、肯定斷言

#(?! pattern)：前向、否定斷言

(?<= pattern)：後向、肯定斷言

(?

 1、前向肯定斷言

前向肯定斷言定義一個模式必須存在於文字的結尾（或右邊），但是該模式相符的子字串不會出現在匹配的結果中，前向斷言通常出現在正則表達式的右側，表示文本的右側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，後綴必須包含特定的字元：

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

對正規表示式進行分析：

\b：表示單字的邊界

 \w ：表示單字至少出現一次

(?=\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 是單字的邊界。

從分析中，可以得出，符合該正規表示式的文字中必須包含 is 單詞，is是一個單獨的單詞，不是某一個單字的一個部分。舉個例子

Sunday is a weekend day 匹配该正则，匹配的值是Sunday，而The island has beautiful birds 不匹配该正则。

2、后向肯定断言

后向肯定断言定义一个模式必须存在于文本的开始（或左侧），但是该模式匹配的子串不会出现在匹配的结果中，后向断言通常出现在正则表达式的左侧，表示文本的左侧必须满足特定的模式：

(?<= subexpression )

使用后向肯定断言可以定一个模糊匹配，前缀必须包含特定的字符：

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

对正则表达式进行分析：

(?<=\b20)：后向断言，\b表示单词的开始，20是普通字符

\d{2}：表示两个数字，数字不要求相同

\b：单词的边界

该正则表达式匹配的文本具备的模式是：文本以20开头、以两个数字结尾。

七，用正则从格式化的文本中扣值

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

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

注意，该文本转换为C#中的字符时，需要对双引号和转义字符进行转义。由于这四个字段提取规则相同，可以写一个通用的模式来提取：

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

正则表达式得解析：

(?

.*?：懒惰模式，匹配尽可能少的文本

(?=\\\\\")：前向断言，用于匹配字段值得双引号

本文来自 C#.Net教程 栏目，欢迎学习！  

以上是C#正規表示式元字元詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章！