异常教程

C# 正则表达式（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言

在编程世界中，文本处理是一项高频需求。无论是验证用户输入、解析日志文件，还是提取网页中的关键信息，C# 正则表达式（Regular Expressions）都扮演着不可或缺的角色。它如同一把精密的瑞士军刀，能够高效地完成复杂文本的匹配、替换和提取任务。但对于编程初学者而言，正则表达式的语法可能显得抽象且难以掌握。本文将以循序渐进的方式，结合实际案例，帮助读者逐步理解其核心概念与应用场景，并掌握如何在 C# 中灵活运用这一工具。

二、基础语法解析：正则表达式的“基因密码”

正则表达式（Regex）是一套基于文本模式匹配的规则集合。在 C# 中，它主要通过 System.Text.RegularExpressions 命名空间下的类（如 Regex、Match 等）实现。

2.1 模式字符串与选项

正则表达式的核心是模式字符串，例如 ^\d{3}-\d{4}$ 表示“以三位数字开头，接着一个短横线，最后四位数字”。

  • ^：表示字符串的开始
  • $：表示字符串的结束
  • \d：匹配任意数字
  • {3}：指定前一个字符或组重复 3 次

代码示例：验证身份证号码格式

using System.Text.RegularExpressions;  

string idNumber = "123-4567";  
Regex pattern = new Regex(@"^\d{3}-\d{4}$");  
bool isValid = pattern.IsMatch(idNumber);  // 输出：True

2.2 常见符号与元字符

正则表达式中的元字符（如 .、*、+）具有特殊含义：

  • .：匹配除换行符外的任意单个字符。
  • *：匹配前一个字符或组的零次或多次。
  • +：匹配前一个字符或组的一次或多次。
  • ?：匹配前一个字符或组的零次或一次。

比喻说明：
可以把元字符想象成“文本过滤器”。例如，a.*b 表示“以 a 开头，中间任意字符，以 b 结尾”，就像用漏斗筛选符合特定形状的物体。

三、常用元字符详解：构建复杂模式的“乐高积木”

3.1 字符集与范围

通过 [] 定义字符集，例如 [abc] 匹配 a、b 或 c 中的任意一个字符。

  • [^abc]：匹配不在字符集内的字符。
  • [0-9]：匹配任意数字（等同于 \d）。

案例：验证密码强度

// 密码需包含至少1个大写字母、1个小写字母和1个数字  
Regex passwordPattern = new Regex(@"^(?=.*[A-Z])(?=.*[a-z])(?=.*\d).+$");  
Console.WriteLine(passwordPattern.IsMatch("Abc123"));  // True

3.2 量词与边界

量词（如 *、+、?）控制字符的重复次数，而边界符（如 ^、$）定义匹配范围：

  • \b：匹配单词边界（例如，cat\b 匹配 "cat" 但不匹配 "catalog"）。
  • .*?：非贪婪匹配（尽可能少地匹配字符）。

比喻说明：
量词如同“计数器”，而边界符则像“路标”，告诉引擎在哪里开始或结束匹配。

四、进阶技巧：分组、反向引用与预定义字符类

4.1 分组与捕获

使用 () 将模式分组，便于提取或重复使用：

string text = "订单号：ORD-20231001";  
Regex regex = new Regex(@"ORD-(\d+)");  
Match match = regex.Match(text);  
Console.WriteLine(match.Groups[1].Value);  // 输出："20231001"

4.2 反向引用

在替换操作中，通过 \n 引用分组内容：

string original = "apple, banana, orange";  
string replaced = Regex.Replace(original, @"(\w+), (\w+)", "$2 and $1");  
// 输出："banana and apple, orange"

4.3 预定义字符类

C# 提供了预定义的字符类，简化模式编写：

  • \s：匹配任意空白字符（空格、制表符等）。
  • \w：匹配字母、数字或下划线（等同于 [A-Za-z0-9_]）。

代码示例：提取文本中的单词

string text = "Hello World! This is a test.";  
var matches = Regex.Matches(text, @"\b\w+\b");  
foreach (Match m in matches) Console.WriteLine(m.Value);  
// 输出：Hello, World, This, is, a, test

五、实战案例：解决真实场景中的文本处理问题

5.1 验证邮箱地址

邮箱格式复杂，需同时满足用户名、@ 符号和域名部分：

Regex emailPattern = new Regex(@"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$");  
Console.WriteLine(emailPattern.IsMatch("user@example.com"));  // True

5.2 提取日期信息

从日志中提取日期并格式化：

string log = "Error occurred on 2023-10-05 at 14:30:45";  
Regex dateRegex = new Regex(@"(\d{4})-(\d{2})-(\d{2})");  
Match match = dateRegex.Match(log);  
if (match.Success)  
{  
    Console.WriteLine($"Year: {match.Groups[1].Value}");  // 2023  
    Console.WriteLine($"Month: {match.Groups[2].Value}"); // 10  
}

5.3 替换敏感信息

用星号隐藏手机号中的中间四位：

string phone = "13812345678";  
string anonymized = Regex.Replace(phone, @"(\d{3})\d{4}(\d{4})", "$1****$2");  
// 输出："138****5678"

六、性能优化与常见陷阱

6.1 避免“贪婪匹配”问题

默认的 .* 是贪婪的，可能匹配到超出预期的位置。使用非贪婪模式 .*? 更安全：

string html = "<div>Content</div><span>Text</span>";  
// 错误：匹配到最后一个 </  
var greedy = Regex.Match(html, @"<.*>");  // 返回整个字符串  
// 正确：匹配最小范围  
var nonGreedy = Regex.Match(html, @"<.*?>");  // 返回 "<div>"

6.2 预编译正则表达式

频繁使用同一模式时，建议预编译以提升性能：

static readonly Regex EmailValidator = new Regex(emailPattern);  
// 在需要时直接调用  
bool isValid = EmailValidator.IsMatch(input);

结论

C# 正则表达式是文本处理的利器，但其强大功能也伴随着一定的学习曲线。本文通过基础语法、元字符详解、进阶技巧和实战案例，逐步拆解了正则表达式的逻辑与应用场景。建议读者通过实际编码练习加深理解，并结合工具（如在线正则表达式测试平台）调试复杂模式。

掌握正则表达式后，你将能够更高效地处理数据清洗、输入验证、日志分析等任务。记住：正则表达式并非万能，合理使用与代码逻辑结合才是关键。现在，不妨尝试用正则表达式解决你遇到的文本处理问题，让编程之路更加得心应手！

最新发布

查看更多文章