正則表達式是處理字符串的常用工具。在C#中,我們一般使用Regex類來表示一個正則表達式。一般正則表達式引擎支持以下3種匹配模式:單行模式(Singleline)、多行模式(Multiline)與忽略大小寫(IgnoreCase)。
1. 單行模式(Singleline)
MSDN定義:更改點 (.) 的含義,使它與每一個字符匹配(而不是與除 \n 之外的每個字符匹配)。
使用單行模式的典型場景是獲取網頁源碼中的信息。
示例:
我們使用WebBrowser控件,從http://www.xxx.com/1.htm上獲取了如下HTML源碼,它存儲在變量str中:
<html>
<body>
<div>
Line 1
Line 2
</div>
</body>
</html>
我們想把div標簽以及其中的內容提取出來,編寫代碼如下:
string pattern = @"<div>.*</div>";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");
//結果為:Mismatch!
錯誤分析:
一般認為點符號(.)是匹配任意單個字符的,而(.*)就是匹配任意多個字符。但實際上點符號不能匹配換行符。在Windows中與它等效的表達式為[^\r\n]。
而我們從網站上獲取的HTML源碼,極少有不換行的。這時候單行模式派上用場了,它可以改變點符號的意義。修改regex實例的構造函數,用RegexOptions.Singleline來聲明使用單行模式:
string pattern = @"<div>.*</div>";
Regex regex = new Regex(pattern, RegexOptions.Singleline);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");
/*
結果為:
<div>
Line 1
Line 2
</div>
*/
單行模式的嵌入修飾符:
我們可以直接在正則表達式中嵌入單行模式:
(?s)<div>.*</div>
(?s)修飾符說明,其後面的表達式采用單行模式。所以使用時請不要將它放在末尾。另外可以使用(?-s)關閉單行模式。
注意:嵌入模式的優先級要高於Regex類的RegexOptions設置,所以使用了(?s)後,無論是否使用RegexOptions.Singleline,均按照單行模式解析。
2. 多行模式(Multiline)
MSDN定義:更改 ^ 和 $ 的含義,使它們分別在任意一行的行首和行尾匹配,而不僅僅在整個字符串的開頭和結尾匹配。
示例:
有一個文本文件,它的每一行是一個用戶名,將文件讀入變量str中進行處理。其內容如下:
二十四畫生
TerryLee
莫相會
Dflying Chen
Rainy
借用博客園各位前輩的大名:)
我們想找出一個使用英文字母開頭的用戶名,編寫代碼如下:
string pattern = @"^[A-Za-z]+.*";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");
//結果為:Mismatch!
錯誤分析:
(^)是字符串的起始錨定,str的第一個字符是一個中文字,所以匹配不上。我們就可以使用多行模式來改變(^)的含義,使它匹配每一行的起始,而不是整個字符串的起始。
更改代碼如下:
string pattern = @"^[A-Za-z]+.*";
Regex regex = new Regex(pattern, RegexOptions.Multiline);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");
//結果為:TerryLee
同時,多行模式也會改變($)的含義,使它匹配每一行的結尾,而不是整個字符串的結尾。
與(^)和($)不同的是,(\A)和(\Z)並不受多行模式的影響,永遠匹配整個字符串的起始和結尾。
多行模式的嵌入修飾符:(?m)與(?-m)
3. 忽略大小寫(IgnoreCase)
MSDN定義:指定不區分大小寫的匹配。
這個模式很容易理解,它認為大小寫字符是相同的。我們仍以上例來說明。
示例:
string pattern = @"^[a-z]+.*";
Regex regex = new Regex(pattern, RegexOptions.Multiline | RegexOptions.IgnoreCase);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");
//結果為:TerryLee
分析:請注意這次使用的正則表達式,我們並沒有寫入大寫字母,但卻匹配了以大寫字母開頭的名字,這就是忽略大小寫的效果。
忽略大小寫的嵌入修飾符:(?i)與(?-i)
總結:
最後我們用一個表格來總結一下這三個模式
定義 影響的表達式 RegexOptions枚舉 嵌入標識符
單行模式 更改點 (.) 的含義,使它與每一個字符匹配(而不是與除 \n 之外的每個字符匹配)。 . Singleline (?s)
多行模式 更改 ^ 和 $ 的含義,使它們分別在任意一行的行首和行尾匹配,而不僅僅在整個字符串的開頭和結尾匹配。 ^$ Multiline (?m)
忽略大小寫 指定不區分大小寫的匹配。 IgnoreCase (?i)