前几天，一位好朋友问我这样一个问题：
有一份html文件，里面有很多的网址引用的是相对地址，比如说，需要把它改成绝对地址，例如www.codeproject.com/image/logo.gif />。由于源文件体积不小，因此需要一个快速而且资源占用不大的处理方法。
我当时的第一反应就是使用正则表达式，因为与其它方式，比如说直接处理字符串或者使用XmlReader/XmlWriter等相比，正则表达式的速度和资源占用都是最佳的。因此，仔细考虑之后，我写成了下面的代码：
using System; using System.Text.RegularExpressions; using System.IO; class EvalDemo { public static string GetResult(Match m) { return Regex.Replace(m.Value, @"[/]", @"http://www.codeproject.com/"); } } class Demo { public static void Main() { StreamReader reader=File.OpenText("source.txt"); string source=reader.ReadToEnd(); reader.Close(); string reg=@"href\s*=\s*[""']?/"; string result=Regex.Replace(source, reg, new MatchEvaluator(EvalDemo.GetResult)); Console.WriteLine(result); } }
?
其中，放置在同一目录下的source.txt文件保存有需要修改的html源文件，当然你也可以把它放在其它目录下，或者采用不同的方式来获得，例如通过HttpResponse来获取相含有该文件的流。
在打开该文件并读入内存后，我使用StreamReader.ReadToEnd方法获取了流内容的字符串表示，然后用正则表达式对这一字符串进行操作。也许你会问，直接通过查找把所有的href=”\替换成href=”www.codeproject.com\不可以吗？这样是可以的，但如果html代码变成了href=\那么就无法处理了，另外因为html允许在有效字符间留有空格，所以如果用户在html文件中把代码写成href =? \，那么你也必须把这种情况考虑在内（尽管不太会发生），这样你的string.Replace方法就会变得很复杂，而应用正式表达式来处理这一问题就会简单多了，请看下面这行代码：
string reg=@"href\s*=\s*[""']?/";
如果你此前没接触过正则表达式，那么可能会感到有些复杂。其实只要我把其中各项所代表的内容解释在下面，你就会发现其实正则表达式没什么神秘的：
|
字符 |
含义 |
|
\s |
匹配一个空白字符，比如全角空格、半角空格、制表符等 |
|
* |
表示它前面的项目（\s）可以有零个或多个匹配，也就是说这里既可以没有空格，也可以有多个空格 |
|
[] |
匹配其中的单个字符 |
|
[“”’] |
匹配这两个字符：双引号或者单引号。由于双引号在C#里有特殊含义，因此需要以两个双引号的形式来表示单个双引号 |
|
？ |
表示它前面的项目([“”’])可以有一个或多个匹配，与*的用法相似 |
有了上面的解释，再去看那段正则表达式是不是很简单了？其实就是要找一段类似href=”\的字符串，其中可能会含有一些空白字符或可选字符。好了，接着往下看。
string result=Regex.Replace(source, reg, new MatchEvaluator(EvalDemo.GetResult));
这是标准的正则表达式替换操作的用法，其中前两项参数的用意非常明确，而第三项参数比较特殊：在这里创建了一个MatchEvaluator委托的实例，并传入了一个回调方法——EvalDemo.GetResult的地址。为什么要这样设计呢？其实一般的正则表达式替换操作是不需要这样复杂的，你只需指定要替换的源，要替换的字符，以及替换后的字符即可，但在这个示例里情况很特殊——你无法确切获知要被替换的是什么字符！不是吗？可能是href=”\，也可能是href=’\，甚至可能是href?? =??? \，因此你需要通过一个回调函数来处理这个变化多端的字符串，在处理后传回处理结果，例如对于href=”\而言，处理结果将是href=”\www.codeproject.com，而href=’\的处理结果则是href=’\www.codeproject。理解了这一点以后，就请来看看这个简单有趣的回调方法：
class EvalDemo
{
??? public static string GetResult(Match m)
??? {
??????? return Regex.Replace(m.Value, @"[/]", @"http://www.codeproject.com/");
??? }
}
在这里，回调方法其实是自定义的EvalDemo类的静态方法，该方法接受一个Match类实例，通过Match.Value可以获得需要处理的字符串，然后对该字符串加以处理即可。因此，在GetResult方法里，我用了一个最基本的正则表达式替换操作，查找所有需要处理的字符串中的/（斜杠）字符，把它替换成http://www.codeproject.com，然后返回结果。这样，Main中的替换操作便获得了所需的第三个参数，替换操作可以进行了。
最后，为了演示方便，我把最终结果（即修改后的html文件内容）打印到Console上面。你可以自己选择是否打印，或者保存到文件中。
OK，一个不太复杂的正则表达式的应用就讲解到这里了，希望能通过这篇文章带你进入正则表达式的大门。如果你对本文有任何意见或看法，欢迎提出来！
打印 | 张贴于 2004-02-25 18:32:00 | Tag:暂无标签
留言反馈
比如检测E-Mail地址
目前有几家第三方公司（机构）已经做了相关的努力，如MONO、DotGNU等。它们的实现效果各有千秋。
不懂的怎么说win32api了
多跟做这学这点。哈哈
支持支持
有用过的吗?
您说的这一API我的确未曾接触，不过我个人的习惯是尽可能地减少对Win32 API的依赖，因为这是在开发.NET，我会经常把.NET应用拿到Linux下去的。
不过您提的这一点的确很重要，大家如果对跨平台移植不感兴趣的话可以应用pinvoke来调用UrlCombine。
BTW:UrlCombine在哪个dll中？
代码空间只能大家想办法了:(，我没有办法提供给大家的:'(
usersample.joycode.com
大家如有兴趣，请到Johnny Hu所给出地址下载源码：）