C#知识点-17（正则表达式）

正则表达式

概念：正则表达式是用来进行文本处理的技术，是语言无关的，在几乎所有语言中都有实现

元字符：

1、.：匹配除\n之外的任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”，“b..g”可以匹配“buug”。  

2、[ ] ：字符组，匹配括号中的任何一个字符（范围,字符集合）。例如正则表达式“b[aui]g”匹配bug、big和bag，但是不匹配beg、baug。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[0-9]c”等价于“a[0123456789]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母，“[A-Za-z0-9]”可以匹配任何的大小写字母或者数字。

3、| ：将两个匹配条件进行逻辑“或”运算。‘z|food’ 能匹配 “z” 或 “food”。‘(z|f)ood’ 则匹配 “zood” 或 “food”。

4、( ) ：将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。把一些字符表示为一个整体。改变优先级、定义提取组两个作用。

限定符：限定前面正则表达式出现的次数

1、*：匹配0至多个在它之前的子表达式。等价于{0,}。例如正则表达式“zo*”（等同于z(o)*）能匹配 “z” 、“zo”以及 “zoo”；因此“.*”意味着能够匹配任意字符串。"z(b|c)*"→zb、zbc、zcb、zccc、zbbbccc。"z(ab)*"能匹配z、zab、zabab（用括号改变优先级）。

2、+ ：匹配前面的子表达式一次或多次，和*对比（0到多次）。等价于{1,}例如正则表达式9+匹配9、99、999等。 “zo+”能匹配 “zo”以及 “zoo” ，不能匹配"z"。

3、? ：匹配前面的子表达式零次或一次。等价于：{0,1}例如，“do(es)?” 可以匹配 “do” 或 “does” 。【colou?r、favou?r】一般用来匹配“可选部分”。（终止贪婪模式）

4、{n} ：匹配确定的 n 次。“zo{2}”→zoo。例如，“e{2}” 不能匹配“bed”中的“e”，但是能匹配“seed”中的两个“e”。 //seeeed,不可以。

5、{n,} :至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配 “seeeeeeeed”中的所有“e”。 

6、{n,m} ：最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。 {2,5}//bed,seed,seeed;beeeeed错误。

7、^（shift+6） ：匹配一行的开始。例如正则表达式“^regex”能够匹配字符串“regex我会用”的开始，但是不能匹配“我会用regex”。  

8、$（shift+4） ：匹配行结束符。例如正则表达式“浮云$” 能够匹配字符串“一切都是浮云”的末尾，但是不能匹配字符串“浮云呀”  

正则简写表达式：

\d：代表一个数字，等同于[0-9]   \\d  →\d
\D：代表非数字，等同于[^0-9]
\s：代表换行符、Tab制表符等空白字符 ,(空格、回车、制表符)
\S：代表非空白字符（a0%$@@）
\w：匹配字母或数字或下划线或汉字，即能组成单词的字符。如果通过 ECMAScript 选项指定了符合 ECMAScript 的行为，则 \w 等效于 [a-zA-Z_0-9]。  ^$()!@#$%^&*()
\W：非\w ，等同于[^\w] %
\b：单词的边界（一边是单词（\w），一边不是单词。（\W））。Hello ni hao,are you kidding? D-Day 

正则表达式（Regular Expression）的主要类：Regex
常用的3种情况：（C#语法）
判断是否匹配：Regex.IsMatch(“字符串”,”正则表达式”);
字符串提取：Regex.Match(“字符串”,“要提取的字符串的正则表达式”);//只能提取一个（提取一次）
字符串提取(循环提取所有)： Regex.Matches()，（可以提取所有匹配的字符串。）
字符串替换：Regex.Replace(“字符串”,”正则”,”替换内容”);
Regex.Split();

贪婪模式&&非贪婪模式

贪婪模式演示：（当提取多个超链接的时候）
“1111。11。111。111111。”
贪婪：.+。(默认为贪婪模式，尽可能的多匹配。)
非贪婪：.+?。（尽可能的少匹配，（1个。））
从文本提取出名字：
Match match = Regex.Match("大家好。我是S.H.E。我22岁了。我病了，呜呜。fffff", "我是(.+)。");//没有加^$。
看结果。+、*的匹配默认是贪婪(greedy)的：尽可能多的匹配，直到“再贪婪一点儿”其后的匹配模式就没法匹配为止。
在+、*后添加?就变成非贪婪模式（? 的另外一个用途）：让其后的匹配模式尽早的匹配。修改成"我是(.+?)。"
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。

匹配组

正则表达式可以从一段文本中将所有符合匹配的内容都输出出来。Match获得的是匹配的第一个。Regex.Matches方法可以获得所有的匹配项。

字符串替换

Regex.Replace，将字符串中匹配的内容替换为指定的内容

将所有连续的a替换为一个A（原需求：把连续的空格替换为一个空格）：

string s = Regex.Replace(“你aaa好aa哈哈a你”, “a+", "A");

删除所有连续的a，其实就是将连续的a替换为空字符串。