C# 正则表达式

正则表达式 是一种用来描述、匹配文本模式的搜索公式。简单来说，你可以把它理解成一套特殊的通配符语言，用来精确地找到、验证或替换字符串中的内容。

例如，想判断用户输入的是不是一个合法的邮箱地址、手机号，或者想从一段文本里提取所有日期——这些都是正则表达式的典型应用场景。

.NET 框架内置了功能完善的正则表达式引擎，通过 System.Text.RegularExpressions 命名空间提供支持。

一个正则表达式模式由一个或多个字符、运算符和结构组成，它们共同描述要匹配的文本规则。

如果你还不理解正则表达式可以先阅读我们的正则表达式 - 教程。

定义正则表达式

正则表达式由以下几类构建块组成，每类负责不同的匹配功能：

• 字符转义：让特殊字符被当作普通字符处理（如 \. 匹配真正的句点）
• 字符类：匹配"某一类"字符（如 \d 匹配任意数字）
• 定位点：指定匹配发生的"位置"（如 ^ 表示行首）
• 分组构造：将子模式组合在一起，方便捕获或引用
• 限定符：控制某个元素出现的次数（如 + 表示一次或多次）
• 反向引用构造：引用前面已捕获的内容进行再次匹配
• 备用构造：实现"或"逻辑（如 cat|dog）
• 替换：在替换操作中引用捕获的内容
• 杂项构造：内联选项、注释等辅助功能

字符转义

正则表达式中，反斜杠字符（\）有两个作用：一是将其后的普通字符变成特殊含义（如 \n 表示换行），二是将特殊字符转义为原义字符（如 \. 匹配真实的点号而非"任意字符"）。

初学者常见误区：在 C# 字符串中，\ 本身也是转义字符，所以正则中写 \d，在 C# 字符串里要写 "\\d"，或者使用逐字字符串 @"\d"（推荐）。

下表列出了常用的转义字符：

字符类

字符类用于匹配"某一类"字符中的任意一个。例如 [aeiou] 匹配任意一个元音字母，\d 匹配任意一个数字。这是正则表达式中最常用的基础功能之一。

下表列出了字符类：

定位点

定位点（也叫"锚点"）不匹配任何具体字符，而是匹配字符串中的某个位置。它们是"零宽度"的，不消耗任何字符，只是断言当前位置满足某个条件。

例如 ^\d{3} 表示"字符串开头的三个数字"，\b 表示"单词与非单词字符之间的边界"。

下表列出了定位点：

分组构造

分组构造使用圆括号 ( ) 将正则表达式的一部分括起来，形成一个子表达式。分组有两个主要用途：

• 捕获：将匹配到的子字符串"保存"下来，方便后续提取或在替换中引用。
• 作用域限定：让限定符或备用构造只作用于组内的子表达式。

这一部分比较难于理解，可以阅读 正则表达式-选择 、正则表达式的先行断言(lookahead)和后行断言(lookbehind) 帮助理解。

下表列出了分组构造：

限定符

限定符指定前面的元素（字符、字符类或分组）必须出现多少次才算匹配成功。

限定符默认是贪婪的，即尽可能多地匹配字符。在限定符后加 ? 可变为懒惰（非贪婪）模式，即尽可能少地匹配字符。初学者可先掌握 *、+、?、{n} 这四种基础限定符。

下表列出了限定符：

反向引用构造

反向引用允许在同一正则表达式中，引用前面已捕获的分组内容进行再次匹配。例如，用 (\w)\1 可以找出像 "ee"、"ll" 这样的连续重复字符。

下表列出了反向引用构造：

备用构造

备用构造使用竖线 | 实现"或"逻辑，让正则表达式可以匹配多个候选模式中的任意一个。类似于编程语言中的 || 运算符。

下表列出了备用构造：

替换

替换语法用于 Regex.Replace() 方法的替换模式字符串中，可以通过 $ 加编号或名称来引用之前捕获的分组内容，实现灵活的文本重组。

下表列出了用于替换的字符：

杂项构造

下表列出了各种杂项构造：

Regex 类

Regex 类是 .NET 中使用正则表达式的核心类，位于 System.Text.RegularExpressions 命名空间下。使用前需要在文件顶部添加：

using System.Text.RegularExpressions;

下表列出了 Regex 类中一些常用的方法：

如需了解 Regex 类的完整的属性列表，请参阅微软的 C# 文档。

实例 1

下面的实例匹配了以 'S' 开头的单词：

解析：\b 是单词边界，S 匹配大写字母 S，\S* 匹配零个或多个非空白字符，组合起来就是"以 S 开头的完整单词"。

当上面的代码被编译和执行时，它会产生下列结果：

Matching words that start with 'S':
The Expression: \bS\S*
Splendid
Suns

实例 2

下面的实例匹配了以 'm' 开头以 'e' 结尾的单词：

解析：\bm 匹配以 m 开头的单词，\S* 匹配中间的任意非空白字符，e\b 要求以 e 结尾且后面是单词边界，合起来就是找所有 m 开头 e 结尾的单词。

当上面的代码被编译和执行时，它会产生下列结果：

Matching words start with 'm' and ends with 'e':
The Expression: \bm\S*e\b
make
maze
manage
measure

实例 3

下面的实例替换掉多余的空格：

解析：\\s+ 匹配一个或多个连续空白字符（空格、制表符等），将它们全部替换为单个空格，从而合并多余空白。

当上面的代码被编译和执行时，它会产生下列结果：

Original String: Hello   World   
Replacement String: Hello World   

GeneratedRegex：源生成器优化（.NET 7+）

从 .NET 7 开始，C# 引入了 [GeneratedRegex] 特性（源生成器），这是对传统 Regex 类的重要升级，专门用于对性能敏感或反复使用的正则表达式场景。

传统方式的问题

使用传统 new Regex(pattern) 时，正则表达式的解析和编译发生在运行时，每次创建都有开销。虽然可以用 RegexOptions.Compiled 提升运行速度，但编译仍在运行时进行，且会增加启动时间和内存占用。

GeneratedRegex 的用法

使用 [GeneratedRegex] 特性，编译器会在编译阶段将正则表达式直接生成为高效的 C# 代码，无需运行时解析或编译。

使用条件：需要 .NET 7 或更高版本，且该方法必须是 partial 方法，所在类也必须是 partial 类。

当上面的代码被编译和执行时，它会产生下列结果：

找到日期：2024-06-18
找到日期：2025-01-01
True

GeneratedRegex 与传统 Regex 对比

下表从多个维度对比两种方式，帮助你选择适合的用法：

使用建议

• 如果你使用 .NET 7+ 且正则表达式模式是固定的，优先使用 [GeneratedRegex]。
• 如果正则模式需要在运行时动态构建（如根据用户输入生成），则只能使用传统 new Regex(pattern)。
• 如果项目需要支持 Native AOT 发布（如 .NET 8 的 AOT 模式），务必使用 [GeneratedRegex] 而非 RegexOptions.Compiled。
• 对于初学者，可以先用传统方式学习和练习，理解正则原理后，在实际项目中逐步迁移到 [GeneratedRegex]。

当上面的代码被编译和执行时，它会产生下列结果：

user@example.com: 有效
bad-email: 无效
hello@world.org: 有效
missing@dot: 无效