.NET正则基础之——正则委托

1          概述

一般的正则替换，只能对匹配的子串做简单的处理，且只能是做 string 类型的处理之后，作为替换文本替换匹配子串，可以实现的功能比较有限。 .NET 的 Replace() 方法中的 replacement 参数，不仅可以是字符串，还可以是委托（ delegate ），在每次匹配成功时，都会调用委托方法，对匹配的子串进行处理之后，再作为替换文本返回，匹配子串使用委托方法，可以做任意复杂的处理，因此这种替换功能非常强大。

委托的类型可以是 MatchEvaluator ，也可以是匿名方法，在每次匹配成功时调用。委托方法传入参数是 Match 对象，返回类型是 string ，即正则表达式在每次匹配成功时，会得到一个 Match 对象，作为参数传给委托方法，做一定处理后，返回替换文本，替换匹配到的子串。

2        委托和匿名方法

在正则替换中使用的委托，一般有两种方式，显式声明的委托和匿名方法。下面以实例说明两种方式的使用方法。委托和匿名方法的区别和各自的特点不在这里介绍，请参考相关文献或文章。

2.1      委托

举例 ：

源字符串： a=10, b=20, c=30

需求：将字符串中的数字加 100 。

// 委托方法

private string regReplace(Match m)

{

     return (Convert .ToInt32(m.Value) + 100).ToString();

}

// 声明一个MatchEvaluator 类型委托

MatchEvaluator me = new MatchEvaluator (regReplace);

// 正则替换应用

string test = "a=10, b=20, c=30" ;

Regex reg = new Regex (@"(?i)(?<=[a-z]=)/d+" );

string result = reg.Replace(test, me);

richTextBox2.Text = result;

/*-------- 输出--------

a=110, b=120, c=130

*/

 

2.2      匿名方法

事实上，对于以上这种简单的需求，不需要显式的声明委托，直接使用匿名方法即可，

string test = "a=10, b=20, c=30" ;

Regex reg = new Regex (@"(?i)(?<=[a-z]=)/d+" );

string result = reg.Replace(test, delegate (Match m) { return (Convert .ToInt32(m.Value) + 100).ToString(); });

richTextBox2.Text = result;

/*-------- 输出--------

a=110, b=120, c=130

*/

3        正则中委托的典型应用场景

一个涉及到替换的需求，首先要进行分析，是否能够通过一个正则表达式进行直接替换，如果不可以，那就要借助委托了。接下来就要找出可在委托方法中进行处理的子串的规律，剩下的就是委托方法中最基本的字符串处理了。

正则中委托的典型应用场景一般可归纳为以下几种：

1 、替换子串需进行非 string 类型的处理，如计算等；

2 、替换子串需经过条件或逻辑判断来决定处理方式；

3 、多种条件组合的替换。

以上分类方式或许有重叠的地方，但是都比较有代表性，所以单独进行举例说明。

3.1      非 string 类型处理

替换子串非 string 类型处理，最典型的就是以上举例中的计算。还有比较典型的就是涉及计数的问题。

举例 ：

源字符串： <a href="http://www.sina.com.cn/"> 新浪 </a> <a href="http://www.sohu.com/"> 搜狐 </a> <a href="http://www.qq.com/"> 腾讯 QQ </a> <a href="http://www.163.com/"> 网易 163 </a>

需求：在每个链接后面加编号，结果

<a href="http://www.sina.com.cn/"> 新浪 </a>01 <a href="http://www.sohu.com/"> 搜狐 </a>02 <a href="http://www.qq.com/"> 腾讯 QQ </a>03 <a href="http://www.163.com/"> 网易 163 </a>04

代码实现：

string test = "<a href=/"http://www.sina.com.cn//"> 新浪</a><a href=/"http://www.sohu.com//"> 搜狐</a><a href=/"http://www.qq.com//"> 腾讯QQ</a><a href=/"http://www.163.com//"> 网易163</a>" ;

Regex reg = new Regex (@"(?is)<a[^>]*>(?:(?!</?a/b).)*</a>" );

int i = 1;

string result = reg.Replace(test, delegate (Match m) { return m.Value + (i++).ToString("00" ); });

richTextBox2.Text = result;

/*-------- 输出--------

<a href="http://www.sina.com.cn/"> 新浪</a>01<a href="http://www.sohu.com/"> 搜狐</a>02<a href="http://www.qq.com/"> 腾讯QQ</a>03<a href="http://www.163.com/"> 网易163</a>04

*/

这个需求是在链接后加编号，只要匹配到 <a…>…</a> 标签，在后面加上编号即可，但是由于编号是要根据 a 标签的个数来计数的，所以是动态变化的，这样直接替换就做不到了。而正则中的委托，是每次匹配成功后都会调用委托方法，而匹配是从左向右按顺序匹配的，所以调用委托方法也是按匹配的先后顺序进行调用的，这样就可以先用正则匹配出 a 标签，然后在委托方法中动态进行计数了。

3.2      逻辑判断

如果待替换的子串，需要根据当前匹配子串的内容，经过判断后决定如何替换，一般无法直接通过 replace() 实现，需求在委托方法里进行判断。

举例 1 ：

源字符串：源字符串规律为“字母 = 数字”，用“ & ”相连

a=12&b=34&c=56&d=78

a=98&b=76&d=54

需求：如果源字符串有“ c= 数字”，就替换为“ c=12 ”，否则在字符串结尾添加“ &c=98 ”。

代码实现：

string [] test = new string []{"a=12&b=34&c=56&d=78" , "a=98&b=76&d=54" };

Regex reg = new Regex (@"(?is)(?<=^(?:(?!c=).)*)(?(c=[^&]+)c=[^&]+|$)" );

foreach (string s in test)

{

      richTextBox2.Text += " 字符串： " + s + "/n" ;

      richTextBox2.Text += " 替换后： " + reg.Replace(s, delegate (Match m) { return m.Value == "" ? "&c=98" : "c=12" ; }) + "/n/n" ;

}

/*-------- 输出--------

字符串： a=12&b=34&c=56&d=78

替换后： a=12&b=34&c=12&d=78

 

字符串： a=98&b=76&d=54

替换后： a=98&b=76&d=54&c=98

*/

还有一个类似的需求实例。

举例 2 ( 一个可能很简单的正式表达式求助 ) ：

源字符串：要处理的字符有可能是

"" （空）

"p=1"

"ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a"

"ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a&p=2"

"ID=e2798a59&xx=79d5&p=4&bb=4833-9c57&cc=87d46a8&bb=b907a"

需求：对上述任何一种字符串的可能，查找是否有 p=x ，如果找不到，为字符串加上 "p=0" ，如果找到，还要得到 x 的值，让 y=x+1 之后，再把 "p=y" 替换之前的 p=x 。

代码实现：

string [] test = new string [] { "" , "p=1" , "ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a" , "ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a&p=2" , "ID=e2798a59&xx=79d5&p=4&bb=4833-9c57&cc=87d46a8&bb=b907a" };

foreach (string s in test)

{

     richTextBox2.Text += " 原始字符串： /t" + s + "/n" ;

     richTextBox2.Text += " 替换后字符串： /t" + Regex .Replace(s, @"(?is)p=(?<v>/d+)|(?<!p=/d+.*)$" , delegate (Match m) { if (m.Groups["v" ].Value != "" ) return "p=" + (Convert .ToInt32(m.Groups["v" ].Value) + 1); return "p=0" ; }) + "/n/n" ;

}

/*-------- 输出--------

原始字符串：   

替换后字符串： p=0

 

原始字符串：    p=1

替换后字符串： p=2

 

原始字符串：    ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a

替换后字符串： ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907ap=0

 

原始字符串：    ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a&p=2

替换后字符串： ID=e2798a59&xx=79d5&bb=4833-9c57&cc=87d46a8&bb=b907a&p=3

 

原始字符串：    ID=e2798a59&xx=79d5&p=4&bb=4833-9c57&cc=87d46a8&bb=b907a

替换后字符串： ID=e2798a59&xx=79d5&p=5&bb=4833-9c57&cc=87d46a8&bb=b907a

*/

这个需求中，既涉及到了对替换子串的逻辑判断，又涉及到了数字运算，直接替换做不到，所以要考虑使用委托。先通过正则匹本出 p=x ，再在委托方法中进行逻辑判断和运算。

3.3      多条件组合替换

当需求中的条件多于一个时，可能无法在一个正则表达式中进行判断，或者即使能够在一个正则表达式中判断，由于正则表达式非常复杂，会降低匹配效率，所以还是要在委托方法中进行替换。

举例 1 ：

源字符串： 第一个测试...<a href=/"www.test.com/"> 又一个测试</a>... 第三个测试...<a href=/"www.test.com/" title=/" 测试/" > 第几个测试了？</a>... 这是最后一个测试了...

需求：为字符串中的“测试”加链接，已有链接的不加。

这个需求，首先是要进行替换，但又加了一个附加条件，已有链接的不替换，这样如果在一个正则表达式中实现，正则太复杂，不但降低匹配效率，扩展起来也很困难，可读性也差，所以还是用正则委托来实现比较好。

先分析一下需求，在 <a…>…</a> 标签内的关键字不进行替换，那换个角度，只要先找出 a 标签外的字符串，对关键字进行替换就可以满足需求了。所以就是写正则，匹配出 a 标签外的子串，在委托方法中对关键字加链接，再替换回原字符串就可以了。

代码实现：

string test = " 第一个测试...<a href=/"www.test.com/"> 又一个测试</a>... 第三个测试...<a href=/"www.test.com/" title=/" 测试/" > 第几个测试了？</a>... 这是最后一个测试了..." ;

Regex reg = new Regex (@"(?is)^((?!</?a).)+|</a>((?!</?a).)+" );

string result = reg.Replace(test, delegate (Match m) { return m.Value.Replace(" 测试" , "<a href=/"www.test.com/"> 测试</a>" ); });

richTextBox2.Text = result;

/*-------- 输出--------

第一个<a href="www.test.com"> 测试</a>...<a href="www.test.com"> 又一个测试</a>... 第三个<a href="www.test.com"> 测试</a>...<a href="www.test.com" title=" 测试" > 第几个测试了？</a>... 这是最后一个<a href="www.test.com"> 测试</a> 了...

*/

当然，这个例子并不严谨，因为其它标签中也可能出现关键字，而这些关键通常也是不应该被替换的，这时也可以在委托方法中进行判断，以确定是否应该被替换。

举例 2 （ 正则去除不包含特定字符串的 A 标签 ~ ） ：

源字符串： <a href=www.abc.com>abc </a> 啊啊啊 <a href=bcd.com>abc </a> 啊啊啊 <a href="www.abc.com" class="t1">abc </a> 啊啊啊 <a href=def.com>abc </a> 啊啊啊 <a href=efg.com>abc </a>

需求：把链接中不包含 “ abc ” 的超链接过滤掉。

这个需求，实际上也是两个条件，首先是要做替换，然后附加了一个条件，链接中不包含 “ abc ” 的替换。类似于这种符合某一规律的子串，部分替换，部分保留的情况，通常比较适合用正则委托来解决。

当然，这个需求还是可以直接通过一个正则表达式来处理的，先看一下这种处理方式的代码。

string test = "<a href=www.abc.com>abc </a> 啊啊啊 <a href=bcd.com>abc </a> 啊啊啊 <a href=/"www.abc.com/" class=/"t1/">abc </a> 啊啊啊 <a href=def.com>abc </a> 啊啊啊 <a href=efg.com>abc </a> " ;

Regex reg = new Regex (@"(?is)<a(?:(?!href=).)*href=(['""]?)(?:(?!abc|['""/s>]).)+/1(?:/s[^>]*)?>((?:(?!</?a/b).)*)</a>" );

string result = reg.Replace(test, "$2" );

richTextBox2.Text = result;

/*-------- 输出--------

<a href=www.abc.com>abc </a> 啊啊啊 abc 啊啊啊 <a href="www.abc.com" class="t1">abc </a> 啊啊啊 abc 啊啊啊 abc 

*/

可以看到，这种处理方式，是先进行判断，再进行匹配。在正则表达式中，对链接子串的每一个字符用“(?!abc|['""/s>]). ”进行判断，所以有多少个字符，就要判断多少次，在这种情况下，通常需要使用“| ”来对不同的条件取“或”，而“| ”的效率一般是比较低的。

另一种处理方式，是先把链接匹配出来，然后在委托方法中进行判断，以决定是否替换。

代码实现：

string test = "<a href=www.abc.com>abc </a> 啊啊啊 <a href=bcd.com>abc </a> 啊啊啊 <a href=/"www.abc.com/" class=/"t1/">abc </a> 啊啊啊 <a href=def.com>abc </a> 啊啊啊 <a href=efg.com>abc </a> " ;

Regex reg = new Regex (@"(?is)<a(?:(?!href=).)*href=(['""]?)([^'""/s>]+)/1[^>]*>((?:(?!</?a/b).)*)</a>" );

string result = reg.Replace(test, delegate (Match m) { if (m.Groups[2].Value.IndexOf("abc" ) > -1) return m.Value; return m.Groups[3].Value; });

richTextBox2.Text = result;

/*-------- 输出--------

<a href=www.abc.com>abc </a> 啊啊啊 abc 啊啊啊 <a href="www.abc.com" class="t1">abc </a> 啊啊啊 abc 啊啊啊 abc 

*/

这种处理方式，是先进行匹配，再进行判断。先通过正则把每一个链接都匹配出来，作为参数传给委托方法，在委托方法中判断是否包含“ abc ”，以决定是否替换。这种方式因为匹配过程中不需要进行判断，所以匹配的速度是很快的，然后在委托方法中只执行一次判断即可。两种处理方式的效率，在字符较少时区别不大，在字符较多，调用较频繁的情况下，还是委托方法的效率比较高。

类似于这种需求，在效率、可读性、可扩展性等方面综合考虑，还是使用委托方法要好一些。