[转]C#正则表达式类Match和Group类的理解

 

正则表达式可以看做一种有特定功能的小型编程语言，在一段文本中定位子字符串。利用正则表达式可以快速地分析大量的文本以找到特定的字符模式；提取、编辑、替换或删除文本子字符串；或将提取的字符串添加到集合。

      C#命名空间System.Text.RegularExpressions提供了支持正则表达式操作的类。这些类主要包括Regex，MatchCollection，Match，GroupCollection，Group，CaputerCollection和Caputer，下图表示了这些类之间的关系。

 

      正则表达式很重要的一个应用就是在文本中提取字符串，这一功能的实现主要是靠Match类和Group类，因此理解匹配和组的概念很重要。要实现在一段文本中查找URL功能，这个例子比较简单，只要调用Regex.Matches()方法就可以找到URL的集合。示例代码如下：

 public static void Main(string[] args)
        {           
            string text = "I've found this amazing URL at http://www.sohu.com ,and then find ftp://ftp.sohu.com is better.";
            string pattern = @"\b(\S+)://(\S+)\b";  //匹配URL的模式
            MatchCollection mc = Regex.Matches(text, pattern); //满足pattern的匹配集合
            Console.WriteLine("文本中包含的URL地址有：");
            foreach (Match match in mc)
            {
                Console.WriteLine(match.ToString());
            }

            Console.Read();
        }
        /* 
         * 运行后输出如下：
         * 文本中包含的URL地址有：
         * http://www.sohu.com
         * ftp://ftp.sohu.com
        */

      现在，要求变了，不仅要找出URL，还要找出每个URL的协议和域名地址，这时就要用到正则表达式的分组功能了。分组是要匹配的模式pattern用小括号括起来，分成不同的组，如可以把上面例子中的模式改为：string pattern = @"\b(?<protocol>\S+)://(?<address>\S+)\b"; 这样就用括号分成了两个组（实际上是三个组，因为匹配本身可以看做一个大组），"?<protocol>"和"?<address>"定义了每个组的别名protocol和address，这不是必须的，只是方便我们获取需要的组。示例代码如下：

 

    public static void Main(string[] args)
    {
        string text = "I've found this amazing URL at http://www.sohu.com ,and then find ftp://ftp.sohu.com is better.";
        string pattern = @"\b(?<protocol>\S+)://(?<address>\S+)\b"; //匹配URL的模式,并分组
        MatchCollection mc = Regex.Matches(text, pattern); //满足pattern的匹配集合

        Console.WriteLine("文本中包含的URL地址有：");
        foreach (Match match in mc)
        {
            GroupCollection gc = match.Groups;
            string outputText = "URL:" + match.Value + "；Protocol:" + gc["protocol"].Value + "；Address:" + gc["address"].Value;
            Console.WriteLine(outputText);
        }

        Console.Read();
    }
    /**
     * 运行后输出如下：
     * 文本中包含的URL地址有：
     * URL:http://www.sohu.com；Protocol:http；Address:www.sohu.com
     * URL:ftp://ftp.sohu.com；Protocol:ftp；Address:ftp.sohu.com
    */