【总结】C#中的Regex的使用心得和注意事项

此贴内容已移至：C#正则表达式的使用心得或注意事项

1.注意，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}
http://msdn.microsoft.com/en-us/library/ewy2t5e0(v=vs.71).aspx
而向后引用是这样的写法：\k<name>
http://msdn.microsoft.com/en-us/library/thwdfzxy(v=vs.71).aspx

2.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：
（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。
举例：
对于一堆字符：

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。

（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。

3.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：

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，根据这里：

http://msdn.microsoft.com/en-us/library/bs2twtah(v=vs.71).aspx

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，参考这里：

http://stackoverflow.com/questions/906493/regex-named-capturing-groups-in-net

才明白，原来，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[0].Value;

title           = captures[1].Value; // will lead to code run dead !

captures[0]是整个的字符串，而不是对应的第一个name group的值，而captures[1]，则直接导致程序死掉，即不能这样调用。

另外，在这里：

http://stackoverflow.com/questions/1381097/regex-get-the-name-of-captured-groups-in-c-sharp

也找到了用GetGroupNames的方式，有空也去试试。

看到这里：

http://msdn.microsoft.com/en-us/library/30wbz966(v=vs.71).aspx

解释的，可以直接用groupname取得对应的值的，即之前都是用found.Groups[3].ToString()而换作found.Groups["localAddrPref"].Value即可。

其中localAddrPref是前面的某个group的name。

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：

http://msdn.microsoft.com/en-us/library/bs2twtah(v=vs.71).aspx

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：

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=0 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=176 height=244></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：

[1] {.jpg} System.Text.RegularExpressions.Group

[2] {王珞丹 图片22} System.Text.RegularExpressions.Group

[3] {王珞丹 图片22} System.Text.RegularExpressions.Group

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

[5] {.jpg} System.Text.RegularExpressions.Group

[6] {C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15} System.Text.RegularExpressions.Group

[7] {王珞丹 图片22} System.Text.RegularExpressions.Group

[8] {jpg} System.Text.RegularExpressions.Group

注意，上述内容是debug所查看到的。

group[0]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。

【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:

(1)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）。

(2)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。

(3)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：

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[1].ToString() == 上述调试的结果 C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[3].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[2]，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[^/]+?)/(?<realName>[^""]+?)\[\d+\](\.(?<suffix>\w{3,4}))?)

unnamed index为1，值为Groups[1].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{3,4}))

unnamed，index为2，值为Groups[2].ToString()

第五个：(?<suffix>\w{3,4})

有名字，index待定，值为Groups["suffix"].Value

第六个： (\k<realName>)

unnamed，index为3，值为Groups[3].ToString()

第七个： (\k<realName>)

unnamed，index为4，值为Groups[4].ToString()

第八个： (\k<localAddrPref>/\k<realName>_thumb(\.\k<suffix>)?)

unnamed，index为5，值为Groups[5].ToString()

第九个： (\.\k<suffix>)

unnamed，index为6，值为Groups[6].ToString()

对照着上述debug出来的结果，正好分别就是：

Groups[1].ToString() == debug中的[0] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22[3].jpg

Groups[2].ToString() == debug中的[1] == .jpg

Groups[3].ToString() == debug中的[2] == 王珞丹 图片22

Groups[4].ToString() == debug中的[3] == 王珞丹 图片22

Groups[5].ToString() == debug中的[4] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15/王珞丹 图片22_thumb.jpg

Groups[6].ToString() == debug中的[5] == .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[7].ToString() == debug中的[6] == C:/Users/CLi/AppData/Local/Temp/WindowsLiveWriter1627300719/supfiles111AD15

Groups["realName"].Value == Groups[8].ToString() == debug中的[7] == 王珞丹 图片22

Groups["suffix"].Value == Groups[9].ToString() == debug中的[8] == 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

转载请注明：在路上 » 【总结】C#中的Regex的使用心得和注意事项