[正则表达式]基础知识总结

　　一直只是知道正则表达式的用途，但具体没使用过，今天稍微了解了下它的基础用法。这里总结一下。

　　

　　命令空间：System.Text.RegularExpressions

　　用途：

1. 1. 　　对字符串进行查找和替换；
   2. 　　识别重复的单词；
   3. 　　转换格式；
   4. 　　区分一个字符串的各个子元素，并进行提取。

　　RegEx类：

　　　是对正则表达式引擎的类抽象，通过调用该抽象类的不同方法，实现对正则表达式的处理。

　　　该类的主要方法如下所示，具体用途相信通过方法名即可知道：

　　

                             

 

　　了解完Regex类的主要方法后，还需要关注三个比较重要的类和它们的层次，分别是：Match类、Group类和Capture类。

　　假设有如下字符串，input（原始字符串）,pattern（正则表达式）.

　　Match类：模式匹配返回的一个结果，比如调用Regex.Match()方法，会根据输入的正则表达式（pattern），在字符串（input）中进行匹配，每个匹配的结果返回一个Match类实例。

　　Group类：表示正则表达式（pattern）中的子表达式的匹配结果，用括号括起来，如patter=@"(\d{1,2})[.,]?(\d{1,3})"。就有两个组：（\d{1,2}）和（\d{1,3}）。

　　Capture类：返回匹配子表达式的结果。CaptureCollections返回所有符合子表达式的结果。

　　Group类与Capture类的区别：

　　参考MSDN上的帮助文档（http://msdn.microsoft.com/en-us/library/system.text.regularexpressions.group(v=vs.110).aspx)，通过以下代码来说明它们的区别：

using System;
using System.Text.RegularExpressions;

public class Example
{
   public static void Main()
   {
      string pattern = @"(\b(\w+?)[,:;]?\s?)+[?.!]";
      string input = "This is one sentence. This is a second sentence.";

      Match match = Regex.Match(input, pattern);
      Console.WriteLine("Match: " + match.Value);
      int groupCtr = 0;
      foreach (Group group in match.Groups)
      {
         groupCtr++;
         Console.WriteLine("   Group {0}: '{1}'", groupCtr, group.Value);
         int captureCtr = 0;
         foreach (Capture capture in group.Captures)
         {
            captureCtr++;
            Console.WriteLine("      Capture {0}: '{1}'", captureCtr, capture.Value);
         }
      }   
   }
}
// The example displays the following output: 
//       Match: This is one sentence. 
//          Group 1: 'This is one sentence.' 
//             Capture 1: 'This is one sentence.' 
//          Group 2: 'sentence' 
//             Capture 1: 'This ' 
//             Capture 2: 'is ' 
//             Capture 3: 'one ' 
//             Capture 4: 'sentence' 
//          Group 3: 'sentence' 
//             Capture 1: 'This' 
//             Capture 2: 'is' 
//             Capture 3: 'one' 
//             Capture 4: 'sentence'

　　

　　如果在字符后添加了quantifiers（数量词），如在pattern表达式中，（\w+?）用来匹配出现在一个句子当中的多个单词。但是Group对象只返回最后一个匹配（\w+?）的对象。而Capture记录的是每一次匹配（\w+?）的对象。如果没有添加数量词，Capture和Group可用来表示同一个对象。

　　下图表示了三者的继承关系（左图），在使用时的层次关系（右图）：

　　接下来，就是介绍如何写正则表达式。这就是对不同字符串的分类和抽象表示的过程。主要包括以下9种类型：

1. Character Escapes，转义字符；
2. Character Classes：表示对字符的抽象分类;
3. Anchors：锚点，界定字符位置；
4. Group Construcs：对字符进行组合，使正则引擎想对待一个字符一样处理这个序列，用括号括起一个组；
5. Quantifiers：数量词，定义字符出现的次数；
6. Backreference Constructs：使用之前匹配的子表达式再次进行匹配；
7. Alternation Constructs：选择匹配语句；
8. Substitutions：字符替换；
9. Regular Expression Options:正则表达式具体操作选项。

　　

　　理清楚这些类型之间的关系后，使用正则表达式就会有一个比较清晰的思路和概念。正则表达式的关键就是在于如何写正确的匹配语句，它是后续其它操作的基础。具体的类型格式可参考MSDN的：Quick Reference in PDF (.pdf) format。（具体下载链接：http://msdn.microsoft.com/en-us/library/hs600312.aspx）。

 

　　下面附上一些自己练习的简单正则表达式，以方便有一个直观理解：

      1.将首字母替换成大写：

string input = "this is a Good mornIng.";
string pattern = @"\b([a-z])([a-zA-Z]{2,})\b";
string result = Regex.Replace(input, pattern,
              match=>match.Groups[1].Value.ToUpper()+match.Groups[2].Value);
 Console.WriteLine(result);

//结果：This is a Good MornIng.

 

　　2.替换货币符号：

string word = "$12.4 $0.2 $2 3.5";
string sub = "$1";
string pattern = @"\p{Sc}*(\d+[,.]?\d*)";
string result = Regex.Replace(word, pattern, "($1)");
Console.WriteLine(result);

//Result:
//(12.4) (0.2) (2) (3.5)