正则表达式之字符组[ ](Character Classes)

字符组是正则表达式最基本的结构之一。字符组表示“同一位置上可能出现的各种字符”,写法:[ ]方括号之间列出所有可能出现的字符。例如:[123]、[ab]、[#.?]等等。具体含义:[013456789]表示在同一个位置上可能出现0-9中任意一个数,重点强调是一位和一个数。此外,字符组中的字符出现顺序和出现次数对字符组没有影响,[0123456789]和[0215436879]是完全一致的。

范围表示法:[0123456789]是不是忒长了?OK,用-表示范围,即:[0-9],如此一来是不是多快好省。但是要注意一点,不能9-0,因为9大于0啊。那如果是字母呢,可以[a-z]或者[A-Z],也不能z-a或者Z-A,因为在ASCII码表中每个字符都是有一个十进制码值的,如:0是45,A是65,a是97。而范围表示是码值小的-码值大的,按照书写规范上,应该是0-9,A-Z,a-z,切记不要错误认为A-z表示26个大写字母和26个小写字母,它们之间还有其他字母呢。大、小写字母表示方法为:[A-Za-z].

[]能够匹配所包含的一系列字符中的任意一个。需要注意的是,[]虽然能匹配其中的任意一个字符,但匹配的结果只能是一个字符,不是多个。

例如[abc]表示字符“a”或“b”或“c”。 

[]支持用连字符“-”连接两个字符,来表示一个字符范围。需要注意的是,“-”前后的两个字符是有顺序的,即使用相同的编码时,后面的字符码位应大于或等于前面字符的码位。

例如[a-z]表示任意一个小写字母。而在程序中使用[z-a]则会报“[x-y] 范围的顺序颠倒”这样的异常。

大部分在正则中有特殊意义、在匹配其本身时需转义的字符,在[]内是不需要转义的。必须转义的只有“\”、“[”和“]”,而“^”出现在[]开始位置,“-”前后构成范围区间时,需要转义,出现在其它位置不需要转义,例如[\^.$^{\[(|)*+?-\\]

在.NET中,不构成歧义的情况下,“[”和“]”可以不用转义,程序也可以得到预期结果,但是这种写法可读性较差,而且出现错误时不易排查,因此不推荐这种写法

举例:Regex reg = new Regex(“[^]]+”);  //不推荐

.NET的字符组中支持集合减法,语法[set1-[set2]],例如[a-z-[aeiou]]表示除元音外的小写字母。但是除非你很了解这种语法的支持范围,以及确实有必要这样做,否则不要轻易使用这种可读性较差的语法。事实上完全可以用多个范围区间[b-df-hj-np-tv-z],在区间较多,导致可读性差、容易出错的情况下,可以使用正向预搜索来实现以上需求,(?![aeiou])[a-z],这种语法规则,支持范围要大得多,可读性也要好一些。

常见错误用法:

因为[]本身表示的就是字符之间“或”的关系,因此在[]中使用“|”来表示“或”的关系是错误的。

举例:[a|b|c]表示的是“a”或“b”或“c”或“|”中的任意一个字符。
 

举例

       源字符串:ab|ac
       正则表达式:[a|b|c]+
       匹配结果:ab|ac

[^ ] 排除型字符组

     [^ ]表示匹配任意一个未列举的字符,同样的,匹配的结果也只能是一个字符。
    例如[^abc]表示除字符“a”、“b”、“c”外的任意一个字符。
    [^ ]也支持字符分组,例如[^0-9]表示除数字外的任意一个字符。

 新手最容易犯的错误就是,用[^abc]或[^(abc)]这样的表达式来匹配不包含“abc”子字符串的字符串。    

举例

       源字符串:string yourStr = “<aaa>bbb<abc>ccc<ddd>”;

       规则描述:取出yourStr中格式为<…>,但<>中不是abc的内容

       预期结果:<aaa>、<ddd>

       错误写法:<[^abc]*>

       正确写法:<(?!abc>)[^>]*>     

还有一点并不常见,\b在字符组外表示单词边界,但是在字符组内[\b]表示退格符。

到此这篇关于正则表达式之字符组[ ](Character Classes)的文章就介绍到这了,更多相关正则表达式字符组内容请搜索aitechtogether.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持aitechtogether.com!

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
扎眼的阳光的头像扎眼的阳光普通用户
上一篇 2023年9月15日
下一篇 2023年9月15日

相关推荐

此站出售,如需请站内私信或者邮箱!