当前位置: 编程技术>其它
正则基础之 神奇的转义
来源: 互联网 发布时间:2014-10-17
本文导语: 1 概述这或许会是一个让人迷惑,甚至感到混乱的话题,但也正因为如此,才有了讨论的必要。在正则中,一些具有特殊意义的字符,或是字符序列,被称作元字符,如“?”表示被修饰的子表达式匹配0次或1次,“(?i)”表示忽...
1 概述
这或许会是一个让人迷惑,甚至感到混乱的话题,但也正因为如此,才有了讨论的必要。
在正则中,一些具有特殊意义的字符,或是字符序列,被称作元字符,如“?”表示被修饰的子表达式匹配0次或1次,“(?i)”表示忽略大小写的匹配模式等等。而当这些元字符被要求匹配其本身时,就要进行转义处理了。
不同的语言或应用场景下,正则定义方式、元字符出现的位置不同,转义的方式也是林林总总,不一而同。
2 .NET正则中的字符转义
2.1 .NET正则中的转义符
绝大多数语言中,“”都被作为转义符,用来转义一些具有特殊意义的字符或字符序列,比如“n”表示换行,“t”表示水平制表符等。而这样的转义,应用到正则中,又会有一些意想不到的变化。
话题由C#中一个正则问题引出
string[] test = new string[]{"\", "\\"};
Regex reg = new Regex("^\\$");
foreach (string s in test)
{
richTextBox2.Text += "源字符串: " + s.PadRight(5, ' ') + "匹配结果: " + reg.IsMatch(s) + "n";
}
/*--------输出--------
源字符串: 匹配结果: True
源字符串: \ 匹配结果: False
*/
对于这个结果,或许有人会感到迷惑,字符串中的“\”不是代表一个经过转义的“”字符吗?而“\\”不就应该代表两个经过转义的“”字符吗?那么上面正则匹配的结果应该是第一个为False,第二个为True才对啊?
对于这一问题,直接解释或许不太容易理解,还是换种方式来解释吧。
比如要匹配的字符是这样的
string test = "(";
那么正则如何写呢?因为“(”在正则中是有特殊意义的,所以写正则时必须对它进行转义,也就是“(”,而在字符串中,要使用“\” 来表示“”本身,也就是
Regex reg = new Regex("^\($");
这个如果理解了,那再把“(”换回“”,同样道理,在字符串中,要使用“\” 来表示“”本身,也就是
Regex reg = new Regex("^\\$");
通过这样的分析,可以看出,其实在以字符串形式声明的正则中,“\\”匹配的实际上就是单独的一个“”字符。总结一下它们之间的关系:
输出到控制台或界面的字符串:
程序中声明的字符串:string test = "\";
程序中声明的正则:Regex reg = new Regex("^\\$");
这样解释是不是已经可以理解了,那么是不是感觉这样很笨拙?是的,在程序中以字符串形式声明的正则,涉及到转义符时就是这样笨拙的。
所以在C#中,还提供了另一种字符串声明方式,在字符串前加个“@”,就可以忽略转义。
string[] test = new string[] { @"", @"\" };
Regex reg = new Regex(@"^\$");
foreach (string s in test)
{
richTextBox2.Text += "源字符串: " + s.PadRight(5, ' ') + "匹配结果: " + reg.IsMatch(s) + "n";
}
/*--------输出--------
源字符串: 匹配结果: True
源字符串: \ 匹配结果: False
*/
这样就简洁多了,也符合通常的理解。
但同时也带来另一个问题,就是双引号的转义处理。在普通的字符串声明中,可以用“””对双引号进行转义。
string test = "only a test";
但是在字符串前加了“@”后,“”会被识别为“”字符本身,这样就不能用“””对双引号进行转义了,需要用“”””对双引号进行转义。
string test = @"only a test";
而在VB.NET中,正则的定义只有一种形式,与C#中加了“@”后的定义方式是一致的。
Dim test As String() = New String() {"", "\"}
Dim reg As Regex = New Regex("^\$")
For Each s As String In test
RichTextBox2.Text += "源字符串:" & s.PadRight(5, " "c) & "匹配结果:" & reg.IsMatch(s) & vbCrLf
Next
'--------输出--------
'源字符串: 匹配结果:True
'源字符串:\ 匹配结果:False
'--------------------
2.2 .NET正则中需要转义的元字符
在MSDN中,以下字符作为正则中的元字符,在匹配其本身时,需要对其进行转义
. $ ^ { [ ( | ) * + ?
但实际应用中,还要根据实际情况来判断,以上字符可能不需要转义,也可能不止以上字符需要转义。
在正常的正则书写过程中,以上字符的转义通常都能被编写人员正常处理,但是在动态生成正则时,就需要格外的注意,否则变量中包含元字符时,动态生成的正则在编译时可能会抛异常。好在.NET中提供了Regex.Escape方法来处理这一问题。比如根据动态获取的id来提取相应的div标签内容。
string id = Regex.Escape(textBox1.Text);
Regex reg = new Regex(@"(?is)
这或许会是一个让人迷惑,甚至感到混乱的话题,但也正因为如此,才有了讨论的必要。
在正则中,一些具有特殊意义的字符,或是字符序列,被称作元字符,如“?”表示被修饰的子表达式匹配0次或1次,“(?i)”表示忽略大小写的匹配模式等等。而当这些元字符被要求匹配其本身时,就要进行转义处理了。
不同的语言或应用场景下,正则定义方式、元字符出现的位置不同,转义的方式也是林林总总,不一而同。
2 .NET正则中的字符转义
2.1 .NET正则中的转义符
绝大多数语言中,“”都被作为转义符,用来转义一些具有特殊意义的字符或字符序列,比如“n”表示换行,“t”表示水平制表符等。而这样的转义,应用到正则中,又会有一些意想不到的变化。
话题由C#中一个正则问题引出
代码如下:
string[] test = new string[]{"\", "\\"};
Regex reg = new Regex("^\\$");
foreach (string s in test)
{
richTextBox2.Text += "源字符串: " + s.PadRight(5, ' ') + "匹配结果: " + reg.IsMatch(s) + "n";
}
/*--------输出--------
源字符串: 匹配结果: True
源字符串: \ 匹配结果: False
*/
对于这个结果,或许有人会感到迷惑,字符串中的“\”不是代表一个经过转义的“”字符吗?而“\\”不就应该代表两个经过转义的“”字符吗?那么上面正则匹配的结果应该是第一个为False,第二个为True才对啊?
对于这一问题,直接解释或许不太容易理解,还是换种方式来解释吧。
比如要匹配的字符是这样的
string test = "(";
那么正则如何写呢?因为“(”在正则中是有特殊意义的,所以写正则时必须对它进行转义,也就是“(”,而在字符串中,要使用“\” 来表示“”本身,也就是
Regex reg = new Regex("^\($");
这个如果理解了,那再把“(”换回“”,同样道理,在字符串中,要使用“\” 来表示“”本身,也就是
Regex reg = new Regex("^\\$");
通过这样的分析,可以看出,其实在以字符串形式声明的正则中,“\\”匹配的实际上就是单独的一个“”字符。总结一下它们之间的关系:
输出到控制台或界面的字符串:
程序中声明的字符串:string test = "\";
程序中声明的正则:Regex reg = new Regex("^\\$");
这样解释是不是已经可以理解了,那么是不是感觉这样很笨拙?是的,在程序中以字符串形式声明的正则,涉及到转义符时就是这样笨拙的。
所以在C#中,还提供了另一种字符串声明方式,在字符串前加个“@”,就可以忽略转义。
代码如下:
string[] test = new string[] { @"", @"\" };
Regex reg = new Regex(@"^\$");
foreach (string s in test)
{
richTextBox2.Text += "源字符串: " + s.PadRight(5, ' ') + "匹配结果: " + reg.IsMatch(s) + "n";
}
/*--------输出--------
源字符串: 匹配结果: True
源字符串: \ 匹配结果: False
*/
这样就简洁多了,也符合通常的理解。
但同时也带来另一个问题,就是双引号的转义处理。在普通的字符串声明中,可以用“””对双引号进行转义。
string test = "only a test";
但是在字符串前加了“@”后,“”会被识别为“”字符本身,这样就不能用“””对双引号进行转义了,需要用“”””对双引号进行转义。
string test = @"only a test";
而在VB.NET中,正则的定义只有一种形式,与C#中加了“@”后的定义方式是一致的。
代码如下:
Dim test As String() = New String() {"", "\"}
Dim reg As Regex = New Regex("^\$")
For Each s As String In test
RichTextBox2.Text += "源字符串:" & s.PadRight(5, " "c) & "匹配结果:" & reg.IsMatch(s) & vbCrLf
Next
'--------输出--------
'源字符串: 匹配结果:True
'源字符串:\ 匹配结果:False
'--------------------
2.2 .NET正则中需要转义的元字符
在MSDN中,以下字符作为正则中的元字符,在匹配其本身时,需要对其进行转义
. $ ^ { [ ( | ) * + ?
但实际应用中,还要根据实际情况来判断,以上字符可能不需要转义,也可能不止以上字符需要转义。
在正常的正则书写过程中,以上字符的转义通常都能被编写人员正常处理,但是在动态生成正则时,就需要格外的注意,否则变量中包含元字符时,动态生成的正则在编译时可能会抛异常。好在.NET中提供了Regex.Escape方法来处理这一问题。比如根据动态获取的id来提取相应的div标签内容。
string id = Regex.Escape(textBox1.Text);
Regex reg = new Regex(@"(?is)