c# 正则表达式regex心得

5.1. C#中的正则表达式的简介

C#中的Regex类处理正则表达式。

5.2. C#正则表达式的语法

5.3. C#中的正则表达式的特点

下面总结一些C#中的正则表达式相对于其他语言中的正则表达式的一些特点，包括优点和缺点：

可以一次性的即搜索多个匹配的整个的字符串，同时又可以一次性地，对于每个字符串，在给定Regex的时候，就分组group，然后得到macthes之后，foreach处理每个match，已经可以得到对应的匹配的结果，可以使用不同group的值了。还是很方便的。
对于匹配多个字符串的时候，好像不能加括号分组的，如果加括号分组了，那么只能匹配单个一个group就结束了。对应的要匹配多个字符串，好像只能使用findall。
5.4. C#正则表达式的使用心得或注意事项

5.4.. 正则表达式字符串的写法

正则表达式是用字符串前面加上@字符来表示的。

5.4.. 正则表达式中包含双引号，是用两个双引号去表示

其中如果包含的字符串中包含双引号，那么就两个双引号表示，而不是反斜杠加上双引号（\”），也不是斜杠加上双引号（/”）

示例代码：

string pat = @"var\s+primedResponse=\{""items""\:\[\{(.*)}\]\};\s+\$Do\.register\(""primedResponse""\);";
Regex rx = new Regex(pat,RegexOptions.Compiled);

5.4.. C#中的named group和后向引用

C#中，对于前面所匹配的字符组名的替换和（向后）引用，是不一样的

替换是这样的写法：${name}

而向后引用是这样的写法：\k<name>

5.4.. 关于字符点，匹配任意字符，但是不匹配换行（\n）的事情

一般对于介绍正则表达式的时候，为了简便，都说成字符点（.），是匹配任何单个字符的。

有的解释的严谨的，也会加上一句，在非单行匹配模式下，匹配除了换行\n之外的任意字符。

此句话有更深层的含义：

5.4.4.1. 关于默认情况下就是非单行模式，所以默认情况，点是不匹配换行字符\n的

一般来说，调用的正则表达式的库函数，比如C#中的用new Regex生成对应的Regex变量的时候：

Regex imgRx = new Regex(imgP);
MatchCollection foundImg = imgRx.Matches(curSelectCotent);

默认就是多行模式，所以如果像我这里，如果去匹配的内容，涉及到中间包括\n字符，那么默认情况下，是无法匹配的，

导致程序调试花了半天时间，才找到上述原因。

例 5.1. 默认的点'.'不匹配换行\n

对于一堆字符：

<P><A
href="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/F200908260947322978810268[2].jpg"><IMG
style="BACKGROUND-IMAGE: none; BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; PADDING-TOP: 0px"
title=F200908260947322978810268 border= alt=F200908260947322978810268
src="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/F200908260947322978810268_thumb.jpg"
width= height=></A>&nbsp;</P>
<P><A
href="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/王珞丹 图片22[3].jpg"><IMG
style="BACKGROUND-IMAGE: none; BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; PADDING-TOP: 0px"
title="王珞丹 图片22" border= alt="王珞丹 图片22"
src="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/王珞丹 图片22_thumb.jpg"
width= height=></A><A
href="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/王珞丹 图片333[2].jpg"><IMG
style="BACKGROUND-IMAGE: none; BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; PADDING-TOP: 0px"
title="王珞丹 图片333" border= alt="王珞丹 图片333"
src="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles6977DF/王珞丹 图片333_thumb.jpg"
width= height=></A></P>

然后用下面的代码去匹配：

string imgP = @"href=""(file:.+?WindowsLiveWriter.+?)"".+?src=""(file:.+?WindowsLiveWriter.+?)""";
Regex imgRx = new Regex(imgP);
MatchCollection foundImg = imgRx.Matches(curSelectCotent); 

则其中的"".+?src=""中的.+?是无法匹配成功的，因为上述输入的字符串中，包括了换行符，导致此处无法匹配。

而只有把

Regex imgRx = new Regex(imgP);
改为:

Regex imgRx = new Regex(imgP, RegexOptions.Singleline);
才是可以的。

即设置为单行模式，此处点（.）就匹配，包括\n在内的任意单个字符了。

其他语言中，比如Python等，也有对应的single line，multi line等方面的设置，可根据自行需要设置。

5.4.4.2. 匹配换行\n之外的任意字符，那么也包括了回车\r字符

所以，万一你的应用中，需要涉及到这个字符，（如果不是单行模式的话），要注意的是点(.)是匹配\r，但不匹配\n的。

5.4.. C#中如何获得带名字name的捕获capture的组group

对于输入字符串为：

<A
href="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[3].jpg"><IMG
style="BACKGROUND-IMAGE: none; BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; PADDING-TOP: 0px"
title="王珞丹 图片22" border= alt="王珞丹 图片22"
src="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22_thumb.jpg"
width= height=></A>

用下面的代码：

string imgP = @"href=""(file:///(?<localAddrPref>.+?WindowsLiveWriter.+?/supfile[^/]+?)/(?<realName>[^""]+?)\[\d+\](\.(?<suffix>\w{3,4}))?)"".+?src=""(file:///\k<localAddrPref>/\k<realName>_thumb(\.\k<suffix>)?)""";
Regex imgRx = new Regex(imgP, RegexOptions.Singleline);
MatchCollection foundImg = imgRx.Matches(curSelectCotent);

是可以获得所匹配的group的，但是想要对应带名字的的那些变量，比如localAddrPref，suffix等值，却不知道如何获得。

其实，根据Grouping Constructs的解释，也已经知道如何可以获得，只是觉得那种方法不够好，希望可以找到对应的capture对应的自己的处理方法。

后来找了下，参考Regex: Named Capturing Groups in .NET才明白，原来对于带名字的匹配的group，其实也是group，但是是对于每一个match来说，都有对应的自己的capture的。

结果去试了试，发现如果写成这样：

CaptureCollection captures = found.Captures;
localAddrPref   = captures[].Value;
title           = captures[].Value; // will lead to code run dead !

captures[]是整个的字符串，而不是对应的第一个name group的值，而captures[]，则直接导致程序死掉，即不能这样调用。

另外，在Regex: get the name of captured groups in C#也找到了用GetGroupNames的方式，有空也去试试。

看到Regular Expression Classes解释的，可以直接用groupname取得对应的值的，即之前都是用found.Groups[].ToString()而换作found.Groups["localAddrPref"].Value即可。

其中localAddrPref是前面的某个group的name。

5.4.. C#中，对于Regex中带嵌套的括号，那么group是的index如何计算，以及Regex中包含了带name的group，group又是如何计算的。

此处的逻辑，是根据官方的解释加上实际调试所得到的结果，来解释说明的。

举例，对于输入字符串：

<A
href="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[3].jpg"><IMG
style="BACKGROUND-IMAGE: none; BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-LEFT: 0px; PADDING-RIGHT: 0px; DISPLAY: inline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; PADDING-TOP: 0px"
title="王珞丹 图片22" border= alt="王珞丹 图片22"
src="file:///C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22_thumb.jpg"
width= height=></A>

用这样的代码去匹配：

string imgP = @"href=""file:///((?<localAddrPref>.+?WindowsLiveWriter.+?/supfile[^/]+?)/(?<realName>[^""]+?)\[\d+\](\.(?<suffix>\w{3,4}))?)"".+?title=""?(\k<realName>)?""?.+?alt=""?(\k<realName>)?""?.+?src=""file:///(\k<localAddrPref>/\k<realName>_thumb(\.\k<suffix>)?)""";
Regex imgRx = new Regex(imgP, RegexOptions.Singleline);
MatchCollection foundImg = imgRx.Matches(curSelectCotent);

则匹配的结果是：

_groups {System.Text.RegularExpressions.Group[]} System.Text.RegularExpressions.Group[]
[] {C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[].jpg} System.Text.RegularExpressions.Group
[] {.jpg} System.Text.RegularExpressions.Group
[] {王珞丹 图片22} System.Text.RegularExpressions.Group
[] {王珞丹 图片22} System.Text.RegularExpressions.Group
[] {C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22_thumb.jpg} System.Text.RegularExpressions.Group
[] {.jpg} System.Text.RegularExpressions.Group
[] {C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15} System.Text.RegularExpressions.Group
[] {王珞丹 图片22} System.Text.RegularExpressions.Group
[] {jpg} System.Text.RegularExpressions.Group

注意，上述内容是debug所查看到的。

group[]不是整个字符串，而是表示此处匹配的第一个结果，即index从0开始，而不是默认的1.

不过下面还是以代码中的写法来解释。

5.4.6.1. C#中，如果Regex中包括了子括号，即括号嵌套括号的时候，group的index是如何计算的，以及如果Regex中包括了带name的group，group的index是如何计算的

搞了半天，最后终于看懂了。

现在来说说，如何数group的index。

其实很简单:

首先，所有的group，分两类，一类是默认的，无名字（unnamed的group），另外一类是有名字的group（name的group）。
然后对于group的index，从左至右，以左括号出现的位置先后为标准，一个个的数一下对应的unnamed的group，等全部数完了，再去安装同样标准去数有名字的group。
或者可以完全不去数有name的group，因为有name的group的值，完全可以直接通过Groups["yorGroupName"].Value的形式得到。
举例说明：

对于例子中的匹配样式：

href=""file:///((?<localAddrPref>.+?WindowsLiveWriter.+?/supfile[^/]+?)/(?<realName>[^""]+?)\[\d+\](\.(?<suffix>\w{3,4}))?)"".+?title=""?(\k<realName>)?""?.+?alt=""?(\k<realName>)?""?.+?src=""file:///(\k<localAddrPref>/\k<realName>_thumb(\.\k<suffix>)?)""

从左往右，第一个是file:///后面的左括号，即对应的括号是?)"".+?title中的这个右括号，

由于其是unnamed的group，所以代码中的index为第一个，为1,

对应着代码和值是：

Groups[].ToString() == 上述调试的结果 C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[].jpg

然后再往右数，第二个括号是(?<localAddrPref>中的左括号，对应右括号是+?)/(?<realName>中的右括号，

由于其实有名字的group，所以对应的index，不是Groups[]，而是等最后数完了全部的unnamed的group，才能知道此处的index。

但是由于是有名字的，所以也是可以直接通过group的name来获得对应的值的。

对应的代码和值是：

Groups["localAddrPref"] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15

然后按照此法：

从左往右，依次按照左括号出现的先后顺序去数，得到对应的各个group是：

第一个： ((?<localAddrPref>.+?WindowsLiveWriter.+?/supfile[^/]+?)/(?<lrealName>[^""]+?)\[\d+\](\.(?<lsuffix>\w{,}))?)
unnamed index为1，值为Groups[].ToString()

第二个: (?<localAddrPref>.+?WindowsLiveWriter.+?/supfile[^/]+?)
有名字，index待定，值为Groups["localAddrPref"].Value

第三个： (?<realName>[^""]+?)
有名字，index待定，值为Groups["realName"].Value

第四个: (\.(?<suffix>\w{,}))
unnamed，index为2，值为Groups[].ToString()

第五个：(?<suffix>\w{,})
有名字，index待定，值为Groups["suffix"].Value

第六个： (\k<realName>)
unnamed，index为3，值为Groups[].ToString()

第七个： (\k<realName>)
unnamed，index为4，值为Groups[].ToString()

第八个： (\k<localAddrPref>/\k<realName>_thumb(\.\k<suffix>)?)
unnamed，index为5，值为Groups[].ToString()

第九个： (\.\k<suffix>)
unnamed，index为6，值为Groups[].ToString()

对照着上述debug出来的结果，正好分别就是：

Groups[].ToString() == debug中的[] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[].jpg
Groups[].ToString() == debug中的[] == .jpg
Groups[].ToString() == debug中的[] == 王珞丹 图片22
Groups[].ToString() == debug中的[] == 王珞丹 图片22
Groups[].ToString() == debug中的[] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22_thumb.jpg
Groups[].ToString() == debug中的[] == .jpg
而unnamed的全部都数完了，然后才是从左到右的，有名字的index依次增加，以及对应的值是：

Groups["localAddrPref"].Value == Groups[].ToString() == debug中的[] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15
Groups["realName"].Value == Groups[].ToString() == debug中的[] == 王珞丹 图片22
Groups["suffix"].Value == Groups[].ToString() == debug中的[] == jpg
所以，对于Regex中的group和named的group的index如何计算，就是上面那一句话：

从左到右，以左括号出现位置先后为顺序，index一次增加。

先全部数完unnamed的group，再去数有name的group，其中有name的group，完全可以不去计算对应的index是多少的，因为可以直接通过名字来引用对应的值，用法为：

Groups["yorGroupName"].Value