Регулярные выражения в VB .NET

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.

Таблица 1
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.

Таблица 2
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

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 = "Это <a href='http://vbnet.ru'>пример</a> поиска"
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 = "Это <a href='http://vbnet.ru'>пример</a> pfvtys"
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.