C#中正則表示式使用介紹
阿新 • • 發佈：2019-02-02
4.4 匹配、組和捕獲
一般表示式的一個很好的特性是可以把字元組合起來，方式與C#中的複合語句一樣。在C#中，可以通過把任意數量的語句放在花括號中的方式把它們組合在一起。其結果就像一個複合語句那樣。在一般表示式模式中，也可以把任何字元組合起來（包括元字元和轉義序列），像處理一個字元那樣處理它們。唯一的區別是要使用圓括號，而不是花括號，得到的序列成為一個組。
例如，模式"(an)+"定位序列an的任以重複。量詞+只應用於它前面的一個字元，但因為我們把字元組合起來了，所以它現在把重複的an作為一個單元來對待。"(an)."應用到輸入文字"bananas came to Europe late in the annals of history"上，會從bananas中選擇出anan。另一方面，如果使用an+，則將從annals中選擇ann，從bananas中選擇出兩個an。為什麼(an)+選擇的是anan，而沒有把單個的an作為一個匹配。匹配規則是不能重複的，如果有可能重複，在預設情況下就選擇較長的匹配。
但是，組的功能要比這強大得多。在預設情況下，把模式的一部分組合為一個組時，就要求一般表示式引擎記住可以按照這個組來匹配，也可以按照整個模式來匹配。換言之，可以把組當作一個要匹配的模式，如果要把字串分解為各個部分，這種模式就是非常有效的。
例如，URI的格式是"<protocol>://<address>:<port>"，其中埠是可選的。它的一個樣例是http://www.comprg.com.cn:8080。假定要從一個URI中提取協議、地址和埠，而且緊鄰URI的後面可能有空白（但沒有標點符號），就可以使用下面的表示式："\b(\S+)://(\S+)(?::(\S+))?\b"
該表示式的工作方式如下：首先，前導和尾部的\b序列確保只需要考慮完全是字的文字部分，在這個文字部分中，第一組"(\S+)://"會選擇一個或多個不適空白的字元，其後是"://"。在HTTPURI的開頭會選擇出http://。花括號表示把http儲存為一個組。後面的"(\S+)"則在上述URI中選擇www. comprg.com.cn，這個組在遇到詞的結尾時或標記另一個組的冒號"(:)"時結束。
下一個組選擇埠（本例是:8080）。後面的？表示這個組在匹配中是可選的，如果沒有:xxxx，也不會妨礙匹配的標記。
這是非常重要的，因為埠在URI中一般不指定，實際上，在大多數情況下，URI是沒有埠號的。但是，事情會比較複雜。如果要求冒號可以出現，也可以不出現，但不希望把這個冒號也儲存在組中。為此，可以巢狀兩個組：內部的"(\S+)"組選擇冒號後面的內容（本例中是8080），外面的組包含內部的組，後面是一個冒號，該冒號又在序列"?:"的後面。這個序列表示該組不應儲存（只需要儲存"8080"，不需要儲存":8080"）。不要把這兩個冒號混淆了，第一個冒號是序列"?:"的一部分，表示不儲存這個組，第二個冒號是要搜尋的文字。
在這個字串上執行該模式：I always visit http://www. comprg.com.cn 得到的匹配是http://www. comprg.com.cn。在這個匹配中，僅提到了三個組，還有第四個組表示匹配本身。理論上，每個組都可以選擇0次、1次或者多次匹配。單個的匹配就稱為捕獲。在第一個組"(\S+)"，有一個捕獲http。第二個組也有一個捕獲www. comprg.com.cn，但第三個組沒有捕獲，因為在這個URI中沒有埠號。注意該字串在其本身上包含第二個http://。雖然它匹配於第一個組，但不會被搜尋出來，因為整個搜尋表示式不匹配於這部分文字。
再比如下面這個例子，以下程式碼示例使用 Match.Result 來從 URL提取協議和埠號。例如，"http://www.yahoo.com.cn:8080/index.html"將返回"http:8080"。