Регулярные выражения в Си-шарп. Класс Regex

В этом уроке мы рассмотрим с вами очень мощный, широко используемый инструмент для обработки текста – регулярные выражения.

Регулярное выражение – это некий шаблон, составленный из символов и спецсимволов, который позволяет находить подстроки соответствующие этому шаблону в других строках. Спецсимволов и различных правил их комбинирования есть очень много, поэтому регулярные выражения можно даже назвать таким себе отдельным языком программирования. Те, кто пользовался поиском по файлам в Windows могут знать, что для того чтобы найти файлы только заданного расширения, задается шаблон типа «*.txt». Здесь «*» - спецсимвол, который означает любые имена файлов. Так вот регулярные выражения предоставляют подобный механизм.

Что можно делать, используя регулярные выражения

Регулярные выражения предоставляют массу возможностей, некоторые из них:

- заменять в строке все одинаковые слова другим словом, или удалять такие слова;
- выделять из строки необходимую часть. Например, из любой ссылки (http://mycsharp.ru/post/33/2013_10_19_virtualnye_metody_v_si-sharp_pereopredelenie_metodov.html) выделять только доменную часть (mycsharp.ru);
- проверять соответствует ли строка заданному шаблону. Например, проверять, правильно ли введен email, телефон т.д.;
- проверять, содержит ли строка заданную подстроку;
- извлекать из строки все вхождения подстрок, соответствующие шаблону регулярного выражения. Например, получить все даты из строки.

Начало работы с регулярными выражениями

Для того, чтобы работать с регулярными выражениями необходимо подключить в начале программы пространство имен using System.Text.RegularExpressions; В Си-шарп работу с регулярными выражениями предоставляет класс Regex. Создание регулярного выражения имеет следующий вид:

Regex myReg = new Regex([шаблон]);

Здесь [шаблон] – это строка содержащая символы и спецсимволы.
У Regex также есть и второй конструктор, который принимает дополнительный параметр – опции поиска. Это мы рассмотрим далее.

Приведу простой пример программы с использованием регулярных выражений:

static void Main(string[] args)
{
   string data1 = "Петр, Андрей, Николай";
   string data2 = "Петр, Андрей, Александр";
   Regex myReg = new Regex("Николай"); // создание регулярного выражения
   Console.WriteLine(myReg.IsMatch(data1)); // True
   Console.WriteLine(myReg.IsMatch(data2)); // False
   Console.ReadKey();
}

Здесь в качестве шаблона выступает однозначная строка "Николай". Дальше был использован метод IsMatch, который проверят, содержит ли заданная строка (data1, data2) подстроку соответствующую шаблону.

Методы класса Regex

Рассмотрим кратко методы для работы с регулярными выражениями:

IsMatch – проверяет содержит ли строка хотя бы одну подстроку соответствующую шаблону регулярного выражения. Работа этого метода показана в примере выше.

Match – возвращает первую подстроку, соответствующую шаблону, в виде объекта класса Match. Класс Match предоставляет различную информацию о подстроке – длину, индекс, само значение и другое.

static void Main(string[] args)
{
   string data1 = "Петр, Андрей, Николай";
   Regex myReg = new Regex("Николай");
   Match match = myReg.Match(data1);
   Console.WriteLine(match.Value); // "Николай"
   Console.WriteLine(match.Index); // 14
   Console.ReadKey();
}

Matches – возвращает все подстроки соответствующие шаблону в виде коллекции типа MatchCollection. Каждый элемент этой коллекции типа Match.

static void Main(string[] args)
{
   string data1 = "Петр, Николай, Андрей, Николай";
   Regex myReg = new Regex("Николай");
   MatchCollection matches = myReg.Matches(data1);
   Console.WriteLine(matches.Count); // 2
   foreach (Match m in matches)
     Console.WriteLine(m.Value); //вывод всех подстрок "Николай"
   Console.ReadKey();
}

Replace – возвращает строку, в которой заменены все подстроки, соответствующие шаблону, новой строкой:

static void Main(string[] args)
{
   string data1 = "Петр, Николай, Андрей, Николай";
   Regex myReg = new Regex("Николай");
   data1 = myReg.Replace(data1, "Максим");
   Console.WriteLine(data1); //"Петр, Максим, Андрей, Максим"
   Console.ReadKey();
}

Split - возвращает массив строк, полученный в результате разделения входящей строки в местах соответствия шаблону регулярного выражения:

static void Main(string[] args)
{
   string data1 = "Петр,Николай,Андрей,Николай";
   Regex myReg = new Regex(",");
   string[] names = myReg.Split(data1); // массив имен
   Console.ReadKey();
}

Специальные символы
В примерах выше рассматривались очень простые, однозначные регулярные выражения без использования спецсимволов. Спецсимволов существует достаточно много, их описание приведу ниже в таблицах:

Классы символов

Символы повторения

Символы привязки

Символы выбора

Другие символы

В этих таблицах представлены далеко не все элементы языка регулярных выражений, но их вполне достаточно для больших возможностей.

Приведу пример программы, которая проверят корректность электронного адреса (шаблон тот же, что и на странице регистрации на этом сайте):

static void Main(string[] args)
{
   Regex myReg = new Regex(@"[A-Za-z]+[\.A-Za-z0-9_-]*[A-Za-z0-9]+@[A-Za-z]+\.[A-Za-z]+");
   Console.WriteLine(myReg.IsMatch("email@email.com")); // True
   Console.WriteLine(myReg.IsMatch("email@email")); // False
   Console.WriteLine(myReg.IsMatch("@email.com")); // False
   Console.ReadKey();
}

Здесь перед началом строки регулярного выражения стоит символ «@» который указывает комплятору воспринимать все символы буквально. Это необходимо, чтобы корректно воспринимался символ «\».

Параметры поиска

Здесь мы поговорим о втором конструкторе Regex, который принимает в качестве второго аргумента значение перечисления RegexOptions. В этом перечисление есть следующие значения:

IgnoreCase – игнорирование регистра при поиске. Находит соответствия независимо прописными или строчными буквами в строке написано слово;
RightToLeft – поиск будет выполнен справа налево, а не слева направо;
Multiline – многострочный режим поиска. Меняет работу спецсимволов «^» и «$» так, что они соответствуют началу и концу каждой строки, а не только началу и концу целой строки;
Singleline – однострочный режим поиска;
CultureInvariant - игнорирование национальных установок строки;
ExplicitCapture – обеспечивается поиск только буквальных соответствий;
Compiled – регулярное выражение компилируется в сборку, что делает более быстрым его исполнение но увеличивает время запуска;
IgnorePatternWhitespace – игнорирует в шаблоне все неэкранированные пробелы. С этим параметром шаблон «a b» будет аналогичным шаблону «ab»;
None – использовать поиск по умолчанию.

Пример программы с использованием параметра поиска (игнорирование регистра):

static void Main(string[] args)
{
   string data = "nikolay, sergey, oleg";
   Regex myRegIgnoreCase = new Regex(@"Sergey", RegexOptions.IgnoreCase);
   Regex myReg = new Regex(@"Sergey");
   Console.WriteLine(myRegIgnoreCase.IsMatch(data)); // True
   Console.WriteLine(myReg.IsMatch(data)); // False
   Console.ReadKey();
}

Если необходимо установить несколько параметров, тогда они разделяются оператором поразрядного «ИЛИ» - «|»

Regex myReg = new Regex(@"Sergey", RegexOptions.IgnoreCase | RegexOptions.IgnorePatternWhitespace);

Приведу еще один пример использования регулярных выражений. Создадим метод, который будет принимать ссылку, а возвращать только доменное имя:

public static string GetDomain(string url)
{
   Regex re = new Regex("http://", RegexOptions.IgnoreCase);
   url = re.Replace(url, ""); // удаляем часть http://

   Regex reWww = new Regex(@"www\.", RegexOptions.IgnoreCase);
   url = reWww.Replace(url, ""); //удаляем часть www.

   int end = url.IndexOf("/");
   if (end != -1)
     url = url.Substring(0, end);
   return url;
}
static void Main(string[] args)
{
   string url1 = "http://mycsharp.ru/post/33/2013_10_19_virtualnye_metody_v_si-sharp_pereopredelenie_metodov.html";
   string url2 = "http://www.mycsharp.ru/post/33/2013_10_19_virtualnye_metody_v_si-sharp_pereopredelenie_metodov.html";
   Console.WriteLine(GetDomain(url1)); // mycsharp.ru
   Console.WriteLine(GetDomain(url2)); // mycsharp.ru
   Console.ReadKey();
}