2013年11月28日 星期四

C# - Regular Expression 正規表示法

這門知識，其實我也是最近才硑究，不過其實實用性還蠻廣的，尤其是對字串處理這門課而言，如果想要深造，這我想是必修的課程。當然，下面這些知識，有許多部分是參考官方的內容。

 Regular Expression 稱為「正規表達式」或「字串篩選條件」，大部分簡稱RE，它為敘述一句符合某段句法規則之字串的字串，通常用來找尋與驗證或替換符合規則的字串，是個強大的字串匹配的類別。
Visual C# 中為 Regex 類別，在此就使用它為基礎做介紹。
Regex 建構函式有二：
Regex regex = new Regex(string pattern);
Regex regex = new Regex(string pattern, RegexOptions options);
以上 string pattern 為規則字串，RegexOptions options 為字串比對選項，是一個列舉型別，以下為它所有列舉值的成員與說明：
編號 成員名稱 說明 
01Compiled指定規則運算式要編譯為組件，這將產生較快速的執行，但會增加啟動時間。
02CultureInvariant指定忽略語言中的文化差異。
03ECMAScript啟用運算式的 ECMAScript 相容行為，這個值只能結合 IgnoreCase、Multiline 和 Compiled 值使用，將這個值與任何其他值一起使用都將導致例外狀況。
04ExplicitCapture指定唯一有效的擷取為明確命名的或編號的，格式為 (?…) 的群組。這允許未命名的括號充當非擷取群組，而避免運算式 (?:…) 的語法不便。
05IgnoreCase指定區分大小寫的比對。
06IgnorePatternWhitespace從模式排除未逸出的泛空白字元 (White Space)，並啟用以 # 標記的註解。不過，IgnorePatternWhitespace 值不會影響或排除字元類別中的泛空白字元。
07Multiline多行模式，變更 ^ 和 $ 的意義以致它們分別在任何一行的開頭和結尾做比對，而不只是整個字串的開頭和結尾。
08None指定無選項設定。
09RightToLeft指定搜尋將由右至左，而非由左至右。
10Singleline指定單行模式，變更點 (.) 的意義以至於它符合一切字元 (而不是 \n 之外的一切字元)。
以上表格轉自：

所以宣告時，要加入這些比對選項的列舉值，可以如以下宣告 ( pattern 為規則字串 )：
//單一比對列舉值宣告
Regex regex = new Regex(pattern, RegexOptions.IgnoreCase);

//多個比對列舉值宣告
Regex regex = new Regex(pattern,RegexOptions.IgnoreCase 
                                | RegexOptions.Compiled 
                                | RegexOptions.Singleline );
接下來就開始介紹 Regular Expression 的語法規則：
編號字元描述
01 \ 將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後參照、或一個八進制轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。
02 ^ 匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性，^也匹配「\n」或「\r」之後的位置。
03 $ 匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性，$也匹配「\n」或「\r」之前的位置。
04 * 匹配前面的子運算式零次或多次。例如：Gooo*gle 能匹配 Google、Goooooogle。* 等於 {0,}。
05 + 匹配前面的子運算式一次或多次。例如：Gooo+gle 能匹配 Gooogle、Goooooogle，但不能匹配 Google。+ 等於 {1,}
06 ? 匹配前面的子運算式零次或一次。例如：Gooo?gle 只能匹配 Gooogle 和 Google。? 等於 {0,1}
07 {n} n是一個非負整數。匹配確定的n次。例如：o{3} 能匹配 Gooogle 的 ooo，但不能匹配 Google。
08 {n,} n是一個非負整數。至少匹配n次。
09 {n,m} m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次
10 ? 當該字元緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配範式是非貪婪的。非貪婪範式儘可能少的匹配所搜尋的字串，而預設的貪婪範式則儘可能多的匹配所搜尋的字串。
11 . 匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「[.\n]」的範式。
12 (pattern) 匹配pattern並獲取這一匹配。( ... ) 有群組的意思。例如：(ab) 能匹配 abc 中的 ab，但不能匹配 acc。
13 (?:pattern) 匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行儲存供以後使用。例如：run(?:n|ning) 能匹配 running 整個字串，並且從此字串後繼續比對。 
14 (?=pattern) 正向預查，在任何匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如：Office(?=2003|2007|2010) 能匹配 Office2003 中的 Office，但不能匹配 Office2005 中的 Office，而從 Office 字串後繼續比對。
15 (?!pattern) 負向預查，在任何不匹配pattern的字串開始處匹配尋找字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如：Office(?!2003|2007|2010) 能匹配 Office2005 中的 Office，但不能匹配 Office2010 中的 Office，而從 Office 字串後繼續比對。
16 x|y 匹配x或y。
17 [xyz] 字符集合。匹配所包含的任意一個字元。
18 [^xyz] 負值字符集合。匹配未包含的任意字元。
19 [a-z] 字元範圍。匹配指定範圍內的任意字元。
20 [^a-z] 負值字元範圍。匹配任何不在指定範圍內的任意字元。
21 \b 匹配一個單詞邊界，也就是指單詞和空格間的位置。
22 \B 匹配非單詞邊界。
23 \cx 匹配由x指明的控制字元。例如，\cM匹配一個Control-M或Enter符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。
24 \d 匹配一個數位字元。\d 等於[0-9]。
25 \D 匹配一個非數位字元。\D 等於[^0-9]。
26 \f 匹配一個換頁符。\f 等於\x0c和\cL。
27 \n 匹配一個換行符。\n 等於\x0a和\cJ。
28 \r 匹配一個Enter符。\r 等於\x0d和\cM。
29 \s 匹配任何空白字元，包括空格、製表符、換頁符等等。\s 等於[\f\n\r\t\v]。
30 \S 匹配任何非空白字元。\S 等於[^\f\n\r\t\v]。
31 \t 匹配一個製表符。\t 等於\x09和\cI。
32 \v 匹配一個垂直製表符。\v 等於\x0b和\cK。
33 \w 匹配包括底線的任何單詞字元。\w 等於「[A-Za-z0-9_]」。
34 \W 匹配任何非單詞字元。\W 等於「[^A-Za-z0-9_]」。
35 \xn 匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數位長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則運算式中可以使用ASCII編碼。
36 \num 匹配num，其中num是一個正整數。對所獲取的匹配的參照。例如，「(.)\1」匹配兩個連續的相同字元。
37 \n 標識一個八進制轉義值或一個向後參照。如果\n之前至少n個獲取的子運算式，則n為向後參照。否則，如果n為八進制數位（0-7），則n為一個八進制轉義值。
38 \nm 標識一個八進制轉義值或一個向後參照。如果\nm之前至少有nm個獲得子運算式，則nm為向後參照。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後參照。如果前面的條件都不滿足，若n和m均為八進制數位（0-7），則\nm將匹配八進制轉義值nm。
39 \nml 如果n為八進制數位（0-3），且m和l均為八進制數位（0-7），則匹配八進制轉義值nml。
40 \un 匹配n，其中n是一個用四個十六進制數位表示的Unicode字元。例如，\u00A9匹配版權符號（©）。
以上表格轉自：
http://zh.wikipedia.org/zh-tw/%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F

-雲遊山水為知已逍遙一生而忘齡- 電腦神手
張貼者： 於

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)