正则表达式的3种匹配模式

2022-07-15 80酷酷网 80kuku.com

正则表达式是处理字符串的常用工具。在C#中，我们一般使用Regex类来表示一个正则表达式。一般正则表达式引擎支持以下3种匹配模式：单行模式(Singleline)、多行模式(Multiline)与忽略大小写(IgnoreCase)。

1. 单行模式(Singleline)
MSDN定义：更改点 (.) 的含义，使它与每一个字符匹配（而不是与除 \n 之外的每个字符匹配）。
使用单行模式的典型场景是获取网页源码中的信息。
示例：
我们使用WebBrowser控件，从http://www.xxx.com/1.htm上获取了如下HTML源码，它存储在变量str中：
<html>
<body>
<div>
Line 1
Line 2
</div>
</body>
</html>
我们想把div标签以及其中的内容提取出来，编写代码如下：

string pattern = "<div>.*</div>";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");

//结果为：Mismatch!
错误分析：
一般认为点符号(.)是匹配任意单个字符的，而(.*)就是匹配任意多个字符。但实际上点符号不能匹配换行符。在Windows中与它等效的表达式为[^\r\n]。
而我们从网站上获取的HTML源码，极少有不换行的。这时候单行模式派上用场了，它可以改变点符号的意义。修改regex实例的构造函数，用RegexOptions.Singleline来声明使用单行模式：

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!");

/*
结果为：
<div>
Line 1
Line 2
</div>
*/

单行模式的嵌入修饰符：
我们可以直接在正则表达式中嵌入单行模式：
(?s)<div>.*</div>
(?s)修饰符说明，其后面的表达式采用单行模式。所以使用时请不要将它放在末尾。另外可以使用(?-s)关闭单行模式。
注意：嵌入模式的优先级要高于Regex类的RegexOptions设置，所以使用了(?s)后，无论是否使用RegexOptions.Singleline，均按照单行模式解析。

2. 多行模式(Multiline)
MSDN定义：更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。
示例：
有一个文本文件，它的每一行是一个用户名，将文件读入变量str中进行处理。其内容如下：
二十四画生
TerryLee
莫相会
Dflying Chen
Rainy
借用博客园各位前辈的大名:)
我们想找出一个使用英文字母开头的用户名，编写代码如下：

string pattern = "^[A-Za-z]+.*";
Regex regex = new Regex(pattern);
if (regex.IsMatch(str))
Console.WriteLine(regex.Match(str).Value);
else
Console.WriteLine("Mismatch!");

//结果为：Mismatch!
错误分析：
(^)是字符串的起始锚定，str的第一个字符是一个中文字，所以匹配不上。我们就可以使用多行模式来改变(^)的含义，使它匹配每一行的起始，而不是整个字符串的起始。
更改代码如下：

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!");

//结果为：TerryLee
同时，多行模式也会改变($)的含义，使它匹配每一行的结尾，而不是整个字符串的结尾。
与(^)和($)不同的是，(\A)和(\Z)并不受多行模式的影响，永远匹配整个字符串的起始和结尾。
多行模式的嵌入修饰符：(?m)与(?-m)

3. 忽略大小写(IgnoreCase)
MSDN定义：指定不区分大小写的匹配。
这个模式很容易理解，它认为大小写字符是相同的。我们仍以上例来说明。
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!");

//结果为：TerryLee
分析：请注意这次使用的正则表达式，我们并没有写入大写字母，但却匹配了以大写字母开头的名字，这就是忽略大小写的效果。
忽略大小写的嵌入修饰符：(?i)与(?-i)

总结：
最后我们用一个表格来总结一下这三个模式
   定义    影响的表达式    RegexOptions枚举    嵌入标识符
单行模式    更改点 (.) 的含义，使它与每一个字符匹配（而不是与除 \n 之外的每个字符匹配）。    .    Singleline    (?s)
多行模式    更改 ^ 和 $ 的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。    ^$    Multiline    (?m)
忽略大小写    指定不区分大小写的匹配。        IgnoreCase    (?i)