[.NET] REGEX 利用 Group 捕捉（Capture）重複字串（Repetitive Pattern)

Regular Expression（正規表達式），是一種抽象語言，用來表達字串的結構，比方[A-Za-z]+能表達所有的英文單字，應用上常用來驗證輸入，或是捕捉（Capture）具有特徵的字串片段，利用Regular Expression可以大幅簡化字串處理的繁瑣作業

這次的問題如下，假設某種字串格式的具體內容是以前綴（prefix）後綴（post-fix）框住，怎麼利用正規表示式驗證並捕捉（Capture）重複的片段？

好比以下類似座標的紀錄檔：
Model:M1
Coordinates:
X1.62 Y1.01
X9.53 Y2.3
X4.94 Y2.1
X8.55 Y3.15

X2.56 Y1.25

X5.57 Y2.72

首先分析一下文本的結構：

• 標頭如同前兩行，形式與內容固定
• 重複資料部分按行表達
• 單筆座標以X<浮點數> Y<浮點數>表示
• 座標值是我們最在意的部分
• 希望可以一組一組捕捉分離，才好批次後處理解析數值

模式字串（Pattern）的設計想法如下：

• 浮點數的表達不用傷腦筋，網路上很容易查到
• 座標值的部分用（）群組住單組X,Y座標（也是一種Symbol），後面以+表達此組Symbol會重複1到Ｎ次
• 單組座標內又再次以（）群組住浮點數字串表達
• 考慮強健性，安插些泛空白字元在各個單元交接處

於是我們交出了以下的模式字串 ：

"Model:[\\w]+[\\s]+Coordinates:[\\s]+(X([-+]?[0-9]*\\.?[0-9]+)[\\s]*Y([-+]?[0-9]*\\.?[0-9]+)[\\s]*)+"

其中"[-+]?[0-9]*\.?[0-9]+"就是浮點數的表達

這樣丟下去REGEX跑字串，模式字串中的（）可以透過Match.Group(Index)存取，在這裡的模式字串我們共用到三個（），按照（）在模式字串裡的順序，Group依序是：

• Index-0：原始字串
• Index-1：單組座標的群組
• Index-2：X座標浮點數字串
• Index-3：Y座標浮點數字串

String __input = 
"Model:M1 Coordinates: X1.62 Y1.01 X9.53 Y2.3 X4.94 Y2.1 X8.55 Y3.15 X2.56 Y1.25 X5.57 Y2.72";
String __patternUnnamed = 
"Model:[\\\\w]+[\\\\s]+Coordinates:[\\\\s]+(X([-+]?[0-9]*\\\\.?[0-9]+)[\\\\s]*Y([-+]?[0-9]*\\\\.?[0-9]+)[\\\\s]*)+";
List __coords = new List();
Match __matchUnnamed = Regex.Match(__input,__patternUnnamed);
//-----------------------------------
//  Unnamed         
//-----------------------------------
__coords.Clear();
for (int i = 0; i < __matchUnnamed.Groups[1].Captures.Count;i++)
{
// use X,Y group restore each coordinates
float[] eachCoord = new float[]{0,0};
eachCoord[0] = float.Parse(__matchUnnamed.Groups[2].Captures[i].Value);
eachCoord[1] = float.Parse(__matchUnnamed.Groups[3].Captures[i].Value);
__coords.Add(eachCoord);
}
//check all coordinates
Console.WriteLine(\"Unnamed\");
foreach (float[] item in __coords)
{
Console.WriteLine(String.Format(\"{0},{1}\",
item[0],
item[1]));
}

若模式字串裡（）太多，或是覺得用INDEX標定群組可讀性太差，此時可以套入具名群組（Named Group）的概念，把（）所圈住的Symbol具名化：

Model:[\\w]+[\\s]+Coordinates:[\\s]+(?<coord>X(?<X>[-+]?[0-9]*\\.?[0-9]+)[\\s]*Y(?<Y>[-+]?[0-9]*\\.?[0-9]+)[\\s]*)+

具名化後，便可以用Match.Group(Name)方式存取群組了

String __patternNamed = 
"Model:[\\\\w]+[\\\\s]+Coordinates:[\\\\s]+(?X(?[-+]?[0-9]*\\\\.?[0-9]+)[\\\\s]*Y(?[-+]?[0-9]*\\\\.?[0-9]+)[\\\\s]*)+";
Match __matchNamed = Regex.Match(__input,__patternNamed);
//-----------------------------------
//  Named
//-----------------------------------
//now we get the \"coord\" group
__coords.Clear();
for (int i = 0; i < __matchNamed.Groups[\"coord\"].Captures.Count; i++)
{
// use X,Y group restore each coordinates
float[] eachCoord = new float[]{0,0};
eachCoord[0] = float.Parse(__matchNamed.Groups[\"X\"].Captures[i].Value);
eachCoord[1] = float.Parse(__matchNamed.Groups[\"Y\"].Captures[i].Value);
__coords.Add(eachCoord);
}

後記1：.NET的正規表達式相容於Perl5，也與這裡相容，可以先快速的先驗表達式
後記2：據說.NET的Regular Expression模組是難得可以幫你Capture住群組值（Value）的函式庫

程式碼Repo