Что такое регулярные выражения RegExЕсли Вы уже знакомы с регулярными выражениями, то можете смело пропустить этот раздел.С помощью регулярных выражений вы можете производить поиск, замену подстрок, используя шаблоны. Они состоят из обычных символов и так называемых метасимволов (metacharacters) - управляющих символов. Список метасимволов достаточно обширен. Ниже приведены наиболее часто используемые символы.
Символ Описание
* Соответствует выражению, находящемуся до знака "*", взятому ноль или более раз. Например, шаблон "[0-9]*" определяет строку, содержащую ноль или более цифр.
\ Предназначен для определения символа, являющегося метасимволом. Например, шаблон "." соответствует любому символу, а шаблон "\." будет соответствовать точке.
^ Определяет начало входной строки.
$ Определяет конец входной строки.
+ Соответствует выражению, находящемуся до знака "+", взятому один или более раз. Например, шаблон "[0-9]+" определяет строку, содержащую одну или более цифр.
. Определяет любой символ кроме символа перевода строки.
| Разделяет два выражения. Например, шаблону "a|b" будут соответствовать строки "a" и "b".
[a-z] Определяет диапазон символов. Например, шаблон "[0-9]" определяет цифру.
[^...] Определяет любой символ, не соответствующий заданному набору. Например, шаблон "[^0-9]" определяет любой символ, кроме цифры.
\w Слово. То же, что и [a-zA-Z_0-9].
\W Все, кроме слов. То же, что и [^a-zA-Z_0-9].
\s Любое пустое место. То же, что и [ \f\n\r\t\v].
\S Любое непустое место. То же, что и [^ \f\n\r\t\v].
\d Десятичная цифра. То же, что и [0-9].
\D Не цифра. То же, что и [^0-9].
Другие метасимволы вы можете найти в MSDN
http://msdn.microsoft.com/ru-ru/library/system.text.regularexpressions.aspx. Ниже приведён простой пример регулярного выражения - шаблон номера телефона.
^(\(\d+\)){0,1}\d{3}-\d{2}-\d{2}$
Это выражение может показаться сложным, хотя на самом деле всё просто. Начинаем разбор полётов…
^ - Этот символ указывает, что здесь начинается искомая строка.
( - Код города располагается внутри скобок.
\( - Открывающая скобка.
\d+ - После скобки должен располагаться код города - одна или несколько цифр.
\) - Закрывающая скобка.
) - Закрывающая скобка - метасимвол, указывающий, что здесь заканчивается группируемое выражение (в данном случае, код города).
{0,1} - Этот метасимвол указывает, что выражение в скобках (код города) может повторяться от нуля до одного раза, то есть код города можно не указывать.
\d{3}-\d{2}-\d{2} - Три группы цифр - одна группа по три и две по две цифры. Цифры разделены дефисами.
$ - Этот знак показывает, что здесь заканчивается подстрока.
Класс RegExДля работы с регулярными выражениями в VB .NET используется класс RegEx, находящийся в пространстве имён
System.Text.RegularExpressions. С помощью этого класса вы можете производить следующие действия:
Поиск подстрок по шаблону Замена подстрок по шаблону Сравнение строки с шаблоном Разделение строки на подстроки с использованием шаблонов. Для произведения действий с регулярными выражениями необходимо создать экземпляр класса
RegEx. Для этого используется стандартный конструктор
New. Он перегружен и имеет две комбинации параметров. Вы можете задать только шаблон (переменная типа String), который будет использоваться в дальнейшем, либо шаблон и параметры объекта. Параметры задаются константами из перечисления
RegExOptions. Ниже приведены константы и их описания.
Константа Описание
Compiled Указывает, что регулярное выражение будет скомпилировано в сборку. Подробнее о компилированных регулярных выражениях читайте ниже.
ECMAScript Устанавливает ECMAScript-совместимость выражения. Может использоваться совместно с константами IgnoreCase, Multiline и Compiled. При использовании ECMAScript с другими константами будет инициировано исключение.
IgnoreCase Определяет, что при проведении операций с выражениями, регистр не имеет значения.
IgnorePatternWhitespace Устраняет пробелы из шаблонов и позволяет использовать комментарии, отмеченные знаком "#".
Multiline Если этот флаг установлен, то метасимволы "^" и "$" отмечают начало и конец каждой строки (строки разделены знаком перевода строки), а не начало и конец всего выражения.
None Указывает, что не установлена ни одна опция.
RightToLeft Устанавливает, что поиск будет производиться с права на лево, а не наоборот.
SingleLine Указывает, что операции будут производиться в однострочном режиме. Эта константа изменяет значение метасимвола ".". Он определяет любой символ, включая символ перевода строки.
Поиск подстрокПоиск подстрок, соответствующих шаблону производится с помощью перегруженного метода
Matches. Он может принимать 4 комбинации параметров. Первый параметр - строка, в которой будет производиться поиск. В качестве второго параметра можно установить позицию, с которой будет начат поиск. Также вторым параметром можно указать шаблон (если он не совпадает с шаблоном, указанным в конструкторе при создании объекта). И последняя комбинация параметров - строка для поиска, шаблон и параметры поиска, заданные комбинацией констант перечисления RegExOptions.
Метод возвращает объект
MatchCollection. Это коллекция, которая содержит объекты
Match. Получить объект Match можно с помощью индексированного свойства
Item коллекции. Нумерация элементов начинается
с нуля. Чтобы получить найденную подстроку, следует использовать свойство
Value объекта Macth.
Ниже приведён небольшой пример поиска тэгов в HTML коде.
- Код: Выделить всё
Dim regexp As New Regex("<(.*?)>")
Dim html As String
Dim i As Integer
Dim m As MatchCollection
html = "<p>Это <a href='http://vbnet.ru'>пример</a> <b>поиска</b></p>"
m = regexp.Matches(html)
For i = 0 To m.Count - 1
MsgBox(m.Item(i).Value)
Next
ЗаменаДругое часто используемое действие, производимая с помощью класса RegEx - замена подстрок с использованием шаблонов. Для замены используется метод Replace. Он, как и метод Matches, перегружен. Replace может принимать 10 комбинаций параметров. Я не буду перечислять здесь все - вы можете найти их в MSDN или в Object Browser. Метод может принимать комбинации из следующих параметров:
input - Исходная строка.
replacement - Строка, на которую будут заменены найденные подстроки.
count - Максимальное количество замен.
startat - Позиция в строке input, с которой будет производиться замена.
pattern - Заменяемый шаблон.
options - Опции. Может принимать константы из перечисления RegExOptions.
evaluator - Объект MatchEvaluator.
Метод возвращает переменную типа String - строка, в которой были произведены замены.
- Код: Выделить всё
Dim regexp As New System.Text.RegularExpressions.Regex("<(.*?)>")
Dim InputString As String
InputString = "p>Это <a href='http://vbnet.ru'>пример</a> <b>pfvtys</b></p>"
txtText.Text = regexp.Replace(txtText.Text, "[вырезано]", RegexOptions.Multiline)
СравнениеСравнение строки с шаблоном - самая простая операция, которую можно произвести с помощью класса RegEx. Сравнение осуществляется методом
IsMatch. Он перегружен и может принимать такие же параметры, как и метод Matches. Возвращаемое значение имеет тип Boolean. Метод возвращает
True, если тестируемая строка совпадает с шаблоном и
False в противном случае. Ниже приведён пример сравнения строки с шаблоном.
- Код: Выделить всё
Dim regexp As New System.Text.RegularExpressions.RegEx ("[0-9]+")
Dim str As String
str = "1234567890"
MsgBox (regexp.IsMatch(str).ToString)
str = "abc"
MsgBox (regexp.IsMatch(str).ToString)
Разделение строкиРазделение строки используется реже остальных операций. Разделение строки с использованием регулярных выражений очень схоже с обычным разделением строки функцией
Split. Но если в Split в качестве разделителя использовалась строка, то здесь разделителем является регулярное выражение.
Для разделения строки используется перегруженный метод Split класса RegEx. Он может принимать такие же комбинации параметров, как и методы Matches и IsMatch. Split возвращает массив типа
String, который содержит строки, полученные из исходной строки. Массив индексируется
с нуля.
Приведу небольшой пример. Допустим, вам нужно разбить строку по нескольким разделителям (скажем, "-", "." и ","). Можно использовать для этого функцию Split, но при этом будет много возни с массивами, код будет сильно загромождён и снизится быстродействие. А теперь посмотрим, как легко эта операция будет произведена с использованием регулярных выражений. Разделителем будет являться следующее выражение: "[-\.,]". Следующий код разбивает строку на подстроки с использованием этого шаблона.
- Код: Выделить всё
Dim regexp As New Regex("[-\.,]")
Dim i As Integer
Dim s() As String
Dim str As String
str = "раз-два,три.четыре,пять"
s = regexp.Split(str)
For i = 0 To s.GetUpperBound(0)
Console.WriteLine(s(i))
Next
Компилированные регулярные выраженияПо умолчанию RegEx компилирует регулярные выражения в последовательность внутренних байт-кодов регулярных выражений (это высокоуровневый код). При выполнении регулярных выражений происходит интерпретация байт-кода.
Если при создании объекта RegEx в конструкторе New была установлена константа Compiled, то RegEx будет скомпилирован в MSIL (Microsoft intermediate language). Это позволит JIT-компилятору преобразовать выражение в машинный код, что значительно повышает производительность.
Однако в компилированных выражениях есть и плохая сторона - их нельзя выгрузить из памяти. Компилированные регулярные выражения выгружаются только при завершении работы всего приложения. RegEx остается в памяти, даже когда сам объект освобождён и уничтожен сборщиком мусора.
Поэтому, следует задуматься над тем, стоит ли устанавливать флаг Compiled. Если вы постоянно используете несколько регулярных выражений, то лучше будет их скомпилировать.
ЗаключениеРегулярные выражения - мощная технология для работы с текстом. Радует то, что разработчики Microsoft всё-таки встроили поддержку этой технологии в .NET Framework. Возможно, они сделали это потому что .NET Framework используется в Web-приложениях (ASP .NET), где регулярные выражения больше всего необходимы.
Автор статьи Westry http://rudocs.com/content/view/381/1/
