Введение
Регулярные выражения - это мощная технология, предназначенная для работы со строками. Она была создана в шестидесятые годы, задолго до появления персональных компьютеров. Широко применяется в скриптовых языках программирования - Perl, Jscript, VBScript.
Вы уже знаете, что недавно Microsoft выпустила в свет платформу .NET Framework. В неё были встроены классы для работы с регулярными выражениями. Ниже будет кратко описаны возможности регулярных выражений и принципы работы с ними на языке Visual Basic .NET.
Что такое регулярные выражения
Если 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 .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 RegEx
Для 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.
Ниже эти действия будут рассмотрены подробнее.
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 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 (см. таблицу 1).
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.
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
Замена
Другое 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.
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)
Сравнение
Сравнение 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.
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 строки
Разделение 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.
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 выражения
По 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.
Заключение
Регулярные 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.