2010年11月14日 星期日

Regular Expression 與 C# Regex 教學

Regular Expression 稱為「正規表達式」,但我都稱它為「字串篩選條件」,Regular 有「正規」、「常態」之意,在此處為「規則」的意思。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
1Compiled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。
2CultureInvariant指定忽略語言中的文化差異。
3ECMAScript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。
4ExplicitCapture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。
5IgnoreCase指定區分大小寫的比對。
6IgnorePatternWhitespace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。
7Multiline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。
8None指定無選項設定。
9RightToLeft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:http://msdn.microsoft.com/zh-tw/library/system.text.regularexpressions.regexoptions%28v=VS.80%29.aspx

通常我用 1、5、10 就夠了,其他的列舉成員我鮮少在用。
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
1\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「(」。
2^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。
3$匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性,$也匹配「\n」或「\r」之前的位置。
4*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,}。
5+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,}
6?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}
7{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。
8{n,}n是一個非負整數。至少匹配n次。
9{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。
13(?=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。
14(?!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。
15x|y匹配x或y。
16[xyz]字符集合。匹配所包含的任意一個字元。
17[^xyz]負值字符集合。匹配未包含的任意字元。
18[a-z]字元範圍。匹配指定範圍內的任意字元。
19[^a-z]負值字元範圍。匹配任何不在指定範圍內的任意字元。
20\b匹配一個單詞邊界,也就是指單詞和空格間的位置。
21\B匹配非單詞邊界。
22\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。
23\d匹配一個數位字元。\d 等於[0-9]。
24\D匹配一個非數位字元。\D 等於[^0-9]。
25\f匹配一個換頁符。\f 等於\x0c和\cL。
26\n匹配一個換行符。\n 等於\x0a和\cJ。
27\r匹配一個Enter符。\r 等於\x0d和\cM。
28\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]。
29\S匹配任何非空白字元。\S 等於[^\f\n\r\t\v]。
30\t匹配一個製表符。\t 等於\x09和\cI。
31\v匹配一個垂直製表符。\v 等於\x0b和\cK。
32\w匹配包括底線的任何單詞字元。\w 等於「[A-Za-z0-9_]」。
33\W匹配任何非單詞字元。\W 等於「[^A-Za-z0-9_]」。
34\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。
35\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。
36\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。
37\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。
38\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。
39\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

小弟所寫的另一篇文章 Regular expression 常用驗證 中有常用的驗證規則字串,供大家參考。

以下為一 Regex 使用的方法:
string input = "The men's soft tennis team captured the first gold medal for Taiwan " + 
"yesterday in the 2010 Asian Games in Guangzhou, China, while their " + 
"female counterparts garnered a silver for Taiwan, which is competing " + 
"as Chinese Taipei at the regional sport games."; // 原始字串
string pattern = @"(?<word>\sc[\w]*)"; // 規則字串
Regex regex = new Regex(pattern, RegexOptions.IgnoreCase); // 宣告 Regex 忽略大小寫
MatchCollection matches = regex.Matches(input); // 將比對後集合傳給 MatchCollection
int index = 0;
foreach (Match match in matches) // 一一取出 MatchCollection 內容
{
// 將 Match 內所有值的集合傳給 GroupCollection groups
GroupCollection groups = match.Groups;
// 印出 Group 內 word 值
Console.WriteLine( ++ index + ": " + groups["word"].Value.Trim()); 
}
上面程式碼執行結果為下:
1: captured
2: China
3: counterparts
4: competing
5: Chinese

回目錄
回首頁

6 則留言 :

  1. 謝謝分享
    事後才通知不好意思,引用了這文章
    https://tw.knowledge.yahoo.com/question/question?qid=1614040205852

    回覆刪除
    回覆
    1. 沒關係,謝謝你,如果文章哪裡有問題還請指教。

      刪除
  2. 你好
    有regex 問題請教
    我使用VBA 撰寫一程式

    Sub AAregex()

    Dim u As String
    Dim text As String
    Dim result As String
    Dim allMatches As Object
    Dim RE As Object


    Set RE = CreateObject("vbscript.regexp")
    RE.Pattern = "(((\d+)/(\d+)/(\d+))\W*([\d,]*)\W*([\d,]*)\W*([\d,]*)\W*([\d.,]*)\W{2}([\-\+\d.]*))\n"
    RE.Global = True
    RE.IgnoreCase = True
    Set allMatches = RE.Execute(u)
    Set RE = Nothing
    Set allMatches = Nothing



    Set RE = CreateObject("vbscript.regexp")
    RE.Pattern = "(((\d+)/(\d+)/(\d+))\W*([\d.,]*)\W*([\d.,]*)\W*([\d.,]*)\W*([\d.,]*)\n"
    RE.Global = True
    RE.IgnoreCase = True
    Set allMatches = RE.Execute(u)
    Set RE = Nothing

    End Sub

    以上是我的程式碼
    但是在第二次使用"Set allMatches = RE.Execute(u)"
    出現錯誤訊息"應用程式或物件定義上的錯誤"
    請問這是什麼意思呢

    回覆刪除
    回覆
    1. 您好:
      第2段的正規是錯誤了,少了一個右括號")",導致regexp無法正常解析

      刪除

Related Posts Plugin for WordPress, Blogger...