c#基础语言编程-正则表达式基础

引言

正则表达式是一种用高度抽象的字符串来描述字符串特征，进而实现对字符串的匹配、提取、替换等等。正则表达式（以下简称正则，Regex）通常不独立存在，各种编程语言和工具作为宿主语言提供对正则的支持，并根据自身语言的特点，进行一定的剪裁或扩展。

元字符

正则表达式是由一种表示特殊含义的元字符和字符组成的。元字符可以是一个字符，如^，也可以是一个字符序列，如“\w”。

• 1、[]:字符组

可以匹配[ ]中包含的任意一个字符。虽然可以是任意一个，但只能是一个。字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时，要求前面字符的码位小于后面字符的码位。

[^…] 排除型字符组。排除型字符组表示任意一个未列出的字符，同样只能是一个。

例子说明：

表达式 说明

[abc] : 表示“a”或“b”或“c”

[\u4e00-\u9fa5] : 表示任意一个汉字

“0-9”在匹配“Windows 2003”时，匹配成功，匹配的结果为“20”。

“[^inW]”在匹配“Windows 2003”时，匹配成功，匹配的结果为“d”。

2、字符范围

一些常用的字符范围，如数字等，由于非常常用，即使使用0-9这样的字符组仍显得麻烦，所以定义了一些元字符，来表示常见的字符范围。

举例：

“\w\s\d”在匹配“Windows 2003”时，匹配成功，匹配的结果为“s 2”。

小数点可以匹配除“\n”以外的任意一个字符。如果要匹配包括“\n”在内的所有字符，一般用[\s\S]，或者是用“.”加(?s)。

• 3 其他元字符
  
  

“^a”在匹配“cba”时，匹配失败，因为表达式要求开始位置后面是字符“a”，而“cba”显然是不满足的。

“\d$”在匹配“123”时，匹配成功，匹配结果为“3”，这个表达式要求匹配结尾处的数字，如果结尾处不是数字，如“123abc”，则是匹配失败的。

• 4 转义字符
  
  

• 5量词
  
  

• 6 分支结构

当一个字符串的某一子串具有多种可能时，采用分支结构来匹配，“|”表示多个子表达式之间“或”的关系，“|”是以()限定范围的，如果在“|”的左右两侧没有()来限定范围，那么它的作用范围即为“|”左右两侧整体。

• \b 单词边界
  
  “\b”匹配单词边界，不匹配任何字符。
  
  “\b”匹配的只是一个位置，这个位置的一侧是构成单词的字符，另一侧为非单词字符、字符串的开始或结束位置。“\b”是零宽度的。 \b表示的是一个断言，什么是断言：只验证，不匹配。

string msg = "Hi,how 12are12 you?Welcome to our country!";
MatchCollection matches = Regex.Matches(msg, @"\b[a-zA-Z]{3}\b");
foreach (Match item in matches)
{
   Console.WriteLine(item.Value);
}
Console.Read();

分析在不加\b单词边界时，会输出每隔3个字符就输出，这样就无法得到字符为3的字符串了。所以加上单词边界断言后，表示就是找字符为3个的字符串。

综述

用正则表达式匹配、提取字符串，要首先进行对字符串的统一特征进行提取，合理切割字符串整体，保证有效提取字符串。