如何访问 .NET Regex 中的命名捕获组？

Question

我很难找到一个很好的资源来解释如何在 C# 中使用命名捕获组。这是我到目前为止的代码：

string page = Encoding.ASCII.GetString(bytePage);
Regex qariRegex = new Regex("<td><a href=\"(?<link>.*?)\">(?<name>.*?)</a></td>");
MatchCollection mc = qariRegex.Matches(page);
CaptureCollection cc = mc[0].Captures;
MessageBox.Show(cc[0].ToString());

但是这总是只显示整行：

<td><a href="/path/to/file">Name of File</a></td> 

我已经尝试过在各种网站上找到的其他几种“方法”，但我一直得到相同的结果。

如何访问在我的正则表达式中指定的命名捕获组？

Answer 1

使用 Match 对象的组集合，使用捕获组名称对其进行索引，例如

foreach (Match m in mc){
    MessageBox.Show(m.Groups["link"].Value);
}

Answer 2

您可以通过将命名的捕获组字符串传递给生成的Match 对象的Groups 属性的索引器来指定它。

这是一个小例子：

using System;
using System.Text.RegularExpressions;

class Program
{
    static void Main()
    {
        String sample = "hello-world-";
        Regex regex = new Regex("-(?<test>[^-]*)-");

        Match match = regex.Match(sample);

        if (match.Success)
        {
            Console.WriteLine(match.Groups["test"].Value);
        }
    }
}

Answer 3

以下代码示例即使在中间有空格字符的情况下也会匹配模式。 即：

<td><a href='/path/to/file'>Name of File</a></td>

还有：

<td> <a      href='/path/to/file' >Name of File</a>  </td>

方法返回真或假，取决于输入的 htmlTd 字符串是否与模式匹配。如果匹配，则输出参数分别包含链接和名称。

/// <summary>
/// Assigns proper values to link and name, if the htmlId matches the pattern
/// </summary>
/// <returns>true if success, false otherwise</returns>
public static bool TryGetHrefDetails(string htmlTd, out string link, out string name)
{
    link = null;
    name = null;

    string pattern = "<td>\\s*<a\\s*href\\s*=\\s*(?:\"(?<link>[^\"]*)\"|(?<link>\\S+))\\s*>(?<name>.*)\\s*</a>\\s*</td>";

    if (Regex.IsMatch(htmlTd, pattern))
    {
        Regex r = new Regex(pattern,  RegexOptions.IgnoreCase | RegexOptions.Compiled);
        link = r.Match(htmlTd).Result("${link}");
        name = r.Match(htmlTd).Result("${name}");
        return true;
    }
    else
        return false;
}

我已经对此进行了测试，它可以正常工作。

Answer 4

此外，如果有人有一个用例，在他可以使用的 Regex 对象上执行搜索之前需要组名：

var regex = new Regex(pattern); // initialized somewhere
// ...
var groupNames = regex.GetGroupNames();

Answer 5

这个答案改进了Rashmi Pandit's answer，这在某种程度上比其他答案更好，因为它似乎完全解决了问题中详述的确切问题。

不好的部分是效率低下并且没有始终如一地使用 IgnoreCase 选项。

效率低下的部分是因为正则表达式的构建和执行成本很高，而在那个答案中，它可能只构建一次（调用Regex.IsMatch 只是在幕后再次构建正则表达式）。而Match 方法可能只被调用一次并存储在一个变量中，然后link 和name 应该从该变量调用Result。

并且 IgnoreCase 选项仅用于Match 部分，但未用于Regex.IsMatch 部分。

我还将 Regex 定义移到方法之外，以便只构造一次（如果我们使用 RegexOptions.Compiled 选项存储该程序集，我认为这是明智的做法）。

private static Regex hrefRegex = new Regex("<td>\\s*<a\\s*href\\s*=\\s*(?:\"(?<link>[^\"]*)\"|(?<link>\\S+))\\s*>(?<name>.*)\\s*</a>\\s*</td>",  RegexOptions.IgnoreCase | RegexOptions.Compiled);

public static bool TryGetHrefDetails(string htmlTd, out string link, out string name)
{
    var matches = hrefRegex.Match(htmlTd);
    if (matches.Success)
    {
        link = matches.Result("${link}");
        name = matches.Result("${name}");
        return true;
    }
    else
    {
        link = null;
        name = null;
        return false;
    }
}