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。正则表达式的基本语法可参见：深入浅出之正则表达式（一），深入浅出之正则表达式（二）。

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：

文本中提取URL的C#代码

public static void Main(string[]args)
　　　　{
　　　　　　stringtext="I'vefoundthisamazingURLathttp://www.sohu.com,andthenfindftp://ftp.sohu.comisbetter.";
　　　　　　stringpattern=@"b(S+)://(S+)b";　//匹配URL的模式
　　　　　　MatchCollectionmc=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(Matchmatchinmc)
　　　　　　{
　　　　　　　　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：

　　

提取URL协议和地址的示例C#代码

public static void Main(string[]args)
　　{
　　　　stringtext="I'vefoundthisamazingURLathttp://www.sohu.com,andthenfindftp://ftp.sohu.comisbetter.";
　　　　stringpattern=@"b(?<protocol>S+)://(?<address>S+)b";//匹配URL的模式,并分组
　　　　MatchCollectionmc=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(Matchmatchinmc)
　　　　{
　　　　　　GroupCollectiongc=match.Groups;
　　　　　　stringoutputText="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
　　*/