Dev Blog

Клас Regex і групи ​

Клас Regex і результати пошуку ​

Клас Regex має статичні методи, яким шаблон передається параметром, та екземплярні методи об’єкта, створеного конструктором new Regex(pattern) (табл. 2.3). Під час створення об’єкта шаблон розбирається та перевіряється. Помилка в шаблоні спричиняє виняток RegexParseException (нащадок ArgumentException) з описом і позицією помилки: для "(abc" – Invalid pattern '(abc' at offset 4. Not enough )'s. (https://learn.microsoft.com/dotnet/api/system.text.regularexpressions.regex).

Таблиця 2.3. Основні методи класу Regex

МетодРезультат
IsMatch(input)bool: чи є в тексті хоча б один збіг
Match(input)перший збіг – об’єкт Match
Matches(input)усі збіги – колекція MatchCollection
Count(input)кількість збігів (.NET 7 і новіші)
Replace(input, replacement)новий рядок, у якому збіги замінено
Split(input)масив частин, на які збіги ділять текст
EnumerateMatches(span)збіги без створення об’єктів (див. нижче)

Статичні методи зручні для одноразового пошуку. Щоб не розбирати шаблон щоразу, .NET зберігає останні 15 шаблонів статичних викликів у кеші (властивість Regex.CacheSize). Якщо шаблон використовується багато разів, створюють один об’єкт Regex і зберігають його в полі або застосовують генератор джерел (розділ «Генератор джерел [GeneratedRegex]»).

Результат пошуку описує клас Match (рис. 2.4):

  • Success – чи знайдено збіг;
  • Value, Index, Length – текст збігу, його позиція та довжина;
  • NextMatch() – наступний збіг після поточного;
  • Groups – групи, про які йдеться в наступному розділі.

Метод Match ніколи не повертає null: якщо збігу немає, він повертає об’єкт із Success == false і порожнім Value, тому перевірку Success не можна пропускати.

cs
string text = "Замовлення 1045 від 12.09, 1046 від 15.09.";
var regex = new Regex(@"\b\d{4}\b");

Match m = regex.Match(text);
while (m.Success)
{
    Console.WriteLine($"{m.Value} [{m.Index}, {m.Length}]");
    m = m.NextMatch();
}
Console.WriteLine(regex.Count(text));   // 2
1045 [11, 4]
1046 [27, 4]
2

Той самий обхід коротше записується циклом foreach (Match m in regex.Matches(text)). Колекція MatchCollection заповнюється поступово, під час перебору.

Рис. 2.4. Структура результату пошуку

Приклад 1. Перевірка контактів ​

Програма читає файл contacts.txt (або файл, указаний аргументом командного рядка) і для кожного рядка визначає, чи це український номер телефону, адреса e-mail або помилка. Правила перевірки зібрано в статичному класі ContactValidator.

cs
using System.Text.RegularExpressions;

Console.OutputEncoding = System.Text.Encoding.UTF8;

string path = args.Length > 0 ? args[0] : "contacts.txt";
int phones = 0, emails = 0, errors = 0, number = 0;

foreach (string line in File.ReadLines(path))
{
    number++;
    string value = line.Trim();
    string kind;
    if (ContactValidator.IsValidPhone(value))
    {
        kind = "телефон";
        phones++;
    }
    else if (ContactValidator.IsValidEmail(value))
    {
        kind = "e-mail";
        emails++;
    }
    else
    {
        kind = "помилка";
        errors++;
    }
    Console.WriteLine($"{number,2}. {value,-26} {kind}");
}
Console.WriteLine($"Телефонів: {phones}, e-mail: {emails}, " +
    $"помилок: {errors}");

static class ContactValidator
{
    // 0XX XXX XX XX, код країни +38, пробіли або дефіси.
    const string PhonePattern =
        @"^(\+38)?0\d{2}[ -]?\d{3}([ -]?\d{2}){2}$";

    // ім’я@домен.зона, зона – щонайменше дві літери.
    const string EmailPattern =
        @"^[\w.+-]+@[\w-]+(\.[\w-]+)*\.\p{L}{2,}$";

    public static bool IsValidPhone(string text) =>
        Regex.IsMatch(text, PhonePattern);

    public static bool IsValidEmail(string text) =>
        Regex.IsMatch(text, EmailPattern);
}

Шаблон телефону складається з необов’язкового коду країни (\+38)?, коду оператора 0\d{2} і груп цифр 3–2–2, між якими може стояти один пробіл або дефіс ([ -]?). Якорі ^ і $ не дозволяють зайвих символів, тому номер із 13 цифр відхиляється. Шаблон e-mail вимагає символи імені, @, домен і зону з літер; оскільки \w і \p{L} охоплюють Юнікод, адреса з кириличним доменом .укр також проходить. Результат для файлу з десяти рядків:

 1. +380671234567              телефон
 2. 067 123 45 67              телефон
 3. +38050-123-45-67           телефон
 4. 0671234567890              помилка
 5. +44 20 7946 0958           помилка
 6. [email protected]    e-mail
 7. [email protected]      e-mail
 8. student@localhost          помилка
 9. петро@пошта.укр            e-mail
10. mail@@example.com          помилка
Телефонів: 3, e-mail: 3, помилок: 4

Групи та зворотні посилання ​

Круглі дужки об’єднують частину шаблону в групу (group). Група дозволяє застосувати квантифікатор до кількох символів ((\d{2}\.){2}) і захоплює (captures) текст, що їй відповідає. Захоплені значення доступні через колекцію Match.Groups (https://learn.microsoft.com/dotnet/standard/base-types/grouping-constructs-in-regular-expressions):

  • нумеровані групи ( … ) нумеруються за порядком відкривних дужок з 1, а Groups[0] – це весь збіг;
  • іменовані групи (?<name> … ) доступні за ім’ям: Groups["name"]; код із ними зрозуміліший і не ламається, коли в шаблон додають нову групу;
  • незахоплювальні групи (?: … ) лише групують, нічого не зберігаючи.
cs
var date = new Regex(
    @"^(?<day>\d{2})\.(?<month>\d{2})\.(?<year>\d{4})$");
Match m = date.Match("17.09.2026");
Console.WriteLine(m.Groups["year"].Value);   // 2026
Console.WriteLine(m.Groups[1].Value);        // 17 – перша група
Console.WriteLine(m.Groups.Count);           // 4 – разом із Groups[0]
int year = int.Parse(m.Groups["year"].ValueSpan);   // 2026

Властивість ValueSpan повертає значення групи як ReadOnlySpan<char> без створення нового рядка. Якщо необов’язкова група не брала участі в збігу, її Success дорівнює false, а Value – порожній рядок. Групи зручно розглядати у вікні Locals налагоджувача (рис. 2.5).

Групи збігу у вікні Locals налагоджувача

Рис. 2.5. Групи збігу у вікні Locals налагоджувача

Зворотні посилання ​

Зворотне посилання (backreference) \1 або \k<name> вимагає, щоб у цьому місці повторився текст, уже захоплений групою. Так знаходять слова-повтори або парні теги:

cs
string text = "Це це дуже дуже важливо, так так.";
foreach (Match m in Regex.Matches(text, @"\b(\w+)\s+\1\b",
             RegexOptions.IgnoreCase))
    Console.WriteLine(m.Value);    // Це це, дуже дуже, так так

Regex.IsMatch("<b>текст</b>", @"<(?<tag>\w+)>.*</\k<tag>>");  // True
Regex.IsMatch("<b>текст</i>", @"<(?<tag>\w+)>.*</\k<tag>>");  // False

Колекція Captures ​

Якщо група стоїть під квантифікатором, вона захоплює текст кілька разів. Group.Value зберігає лише останнє захоплення, а всі захоплення доступні в колекції Group.Captures:

cs
Match list = Regex.Match("10,20,30", @"^(?:(?<n>\d+),?)+$");
Console.WriteLine(list.Groups["n"].Value);          // 30
foreach (Capture c in list.Groups["n"].Captures)
    Console.Write(c.Value + " ");                   // 10 20 30

Приклад 2. Аналіз журналу вебсервера ​

Вебсервери записують кожен запит у журнал у поширеному форматі Common Log Format: IP-адреса клієнта, дата й час, рядок запиту, код відповіді та розмір відповіді в байтах. Файл access.log (кінці рядків Windows \r\n) містить один пошкоджений рядок:

10.0.0.5 - - [17/Sep/2026:10:15:32 +0300] "GET / HTTP/2" 200 5120
10.0.0.7 - - [17/Sep/2026:10:15:40 +0300] "GET /news HTTP/2" 200 812
10.0.0.5 - - [17/Sep/2026:10:16:02 +0300] "POST /login HTTP/2" 302 -
10.0.0.9 - - [17/Sep/2026:10:16:11 +0300] "GET /admin HTTP/2" 403 199
10.0.0.5 - - [17/Sep/2026:10:17:45 +0300] "GET /logo HTTP/2" 200 9480
10.0.0.9 - - [17/Sep/2026:10:18:03 +0300] "GET /.env HTTP/2" 404 153
пошкоджений рядок журналу
10.0.0.7 - - [17/Sep/2026:10:19:27 +0300] "GET /api/v1 HTTP/2" 500 97

Програма знаходить усі записи одним викликом Matches, виводить помилкові запити (коди 4xx і 5xx), кількість записів за кодами відповіді, обсяг переданих даних і найактивнішу IP-адресу.

cs
using System.Text.RegularExpressions;

Console.OutputEncoding = System.Text.Encoding.UTF8;

// IP - - [час] "метод шлях протокол" код розмір
var regex = new Regex("""
    ^(?<ip>\S+)\s\S+\s\S+\s
    \[(?<time>[^\]]+)\]\s
    "(?<method>[A-Z]+)\s(?<path>\S+)\s[^"]*"\s
    (?<status>\d{3})\s(?<size>\d+|-)\r?$
    """,
    RegexOptions.Multiline | RegexOptions.IgnorePatternWhitespace);

string log = File.ReadAllText("access.log");
MatchCollection records = regex.Matches(log);
int lines = log.Split('\n',
    StringSplitOptions.RemoveEmptyEntries).Length;

var byStatus = new SortedDictionary<string, int>();
var byIp = new Dictionary<string, int>();
long bytes = 0;

foreach (Match m in records)
{
    string status = m.Groups["status"].Value;
    byStatus[status] = byStatus.GetValueOrDefault(status) + 1;
    string ip = m.Groups["ip"].Value;
    byIp[ip] = byIp.GetValueOrDefault(ip) + 1;
    if (long.TryParse(m.Groups["size"].ValueSpan, out long size))
        bytes += size;
    if (status[0] is '4' or '5')
    {
        Console.WriteLine($"{m.Groups["time"].Value[12..20]} " +
            $"{status} {m.Groups["method"].Value} " +
            $"{m.Groups["path"].Value}");
    }
}

Console.WriteLine($"Записів: {records.Count} з {lines}, " +
    $"передано {bytes:N0} байтів");
foreach (var (status, count) in byStatus)
    Console.WriteLine($"  {status}: {count}");
var top = byIp.MaxBy(pair => pair.Value);
Console.WriteLine($"Найактивніший IP: {top.Key} ({top.Value})");

Довгий шаблон записано в необробленому рядковому літералі на кількох рядках. Це можливо завдяки параметру IgnorePatternWhitespace: пробіли й кінці рядків у шаблоні ігноруються, а справжні пробіли в тексті позначено \s. Параметр Multiline змушує ^ і $ працювати для кожного рядка файлу, а \r? перед $ пропускає символ \r кінця рядка Windows. Розмір - (відповідь без тіла) не є числом, тому TryParse його пропускає. Результат:

10:16:11 403 GET /admin
10:18:03 404 GET /.env
10:19:27 500 GET /api/v1
Записів: 7 з 8, передано 15 861 байтів
  200: 3
  302: 1
  403: 1
  404: 1
  500: 1
Найактивніший IP: 10.0.0.5 (3)