微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦！

正则表达式之字符组

分类：正则表达式作者：编程之家
  • 1 字符组
本节讨论的都是ASCII匹配规则，Unicode在第7节讨论。
  • 1.1 普通字符组
Character Class就是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种字符”。
注意：本文用Python语言验证各种正则表达式的匹配。

例子1 用正则表达式判断数字字符在各种语言中的应用
.NET(C#)
//能匹配则返回true,否则返回false
Regex.IsMatch(charStr,"[0123456789]");

Java
//能匹配则返回true,否则返回false
charStr.matchs("[0123456789]");

JavaScript
//能匹配则返回true,否则返回false
/[0123456789]/.test(charStr);

PHP
//能匹配则返回1,否则返回0
preg_match("/[0123456789]/",charStr);

Python
//能匹配则返回RegexObject,否则返回None
import re
re.search("[0123456789]",charStr);

Ruby
//能匹配则返回0,否则返回nil
charStr =~/[0123456789]/


默认情况下，re.search(pattern,string)只判断string的某个子串能否由pattern匹配，即使pattern只能匹配string的一部分，也不会返回None。如果需要完全匹配，在pattern两端加上^和$

# 只要字符串中包含数字字符，就可以匹配
>>> import re
>>> re.search("[0123456789]","2") != None
True
>>> re.search("[0123456789]","12") != None
True
>>> re.search("[0123456789]","a2") != None
True

# 整个字符串就是一个数字字符，才可以匹配
>>> re.search("^[0123456789]$","a2") != None
False
>>> re.search("^[0123456789]$","12") != None
False

字符组中的字符排列顺序并不影响字符组的功能，出现重复字符也不会影响。不过，代码总是要容易编写，方便阅读，所以一般不推荐在字符组中出现重复字符。而且，还应该让字符组中的字符排列更符合认知习惯，比如[0123456789]就好过[0192837465]。为此，正则表达式提供了-范围表示法(range)。

>>> import re
>>> re.search("^[0-9]$","2")!=None
True

>>> re.search("^[9-0]$","2")!=None

Traceback (most recent call last):
File "<pyshell#6>",line 1,in <module>
re.search("^[9-0]$","2")!=None
File "C:\Python27\lib\re.py",line 142,in search
return _compile(pattern,flags).search(string)
File "C:\Python27\lib\re.py",line 242,in _compile
raise error,v # invalid expression
error: bad character range

从上面的例子可以看出，[0-9]等价于[0123456789],而[9-0]则是错误的范围，因为9的ASCII码值是57，大于0的码值48.

如果想表示数字和字母，那么推荐使用[0-9a-z]而不是简单地使用[0-z],因为0-z之间还有标点符号和大写的A-Z。

例子 [0-z]的奇怪匹配

>>> re.search("^[0-z]$","A")!=None
True
>>> re.search("^[0-z]$",":")!=None
True

例子[0-9a-fA-F]准确判断十六进制字符
>>> re.search("^[0-9a-fA-F]$","0") != None
True
>>> re.search("^[0-9a-fA-F]$","c") != None
True
>>> re.search("^[0-9a-fA-F]$","i") != None
False
>>> re.search("^[0-9a-fA-F]$","C") != None
True
>>> re.search("^[0-9a-fA-F]$","G") != None
False

使用\xhex表示一个字符，其中\x是固定前缀，表示转义序列的开头，num是字符对应的码值，是一个两位的十六进制数值。依靠这种表示法可以很方便地匹配所有的中文字符。
例子 [\x00-\x7F]准确判断ASCII 字符

>>> re.search("^[\x00-\x7F]$","c")!= None
True
>>> re.search("^[\x00-\x7F]$","0")!= None
True
>>> re.search("^[\x00-\x7F]$","<")!= None
True

  • 1.2 元字符与转义
像范围表示法中的-，字符组的开方括号[、闭方括号]和之前出现的^、$都是元字符，在匹配中，它们有特殊的意义。但是，有时并不需要表示这些特殊意义，只需要表示普通字符，此时需要使用转义字符\来做特殊处理。
例子 -出现在不同位置，含义不同
#作为普通字符
>>> re.search("^[-09]$","3")!=None
False
>>> re.search("^[-09]$","-")!=None
True

#作为元字符
>>> re.search("^[0-9]$","3")!= None
True
>>> re.search("^[0-9]$","-")!= None
False

#转义之后作为普通字符
>>> re.search("^[0\\-9]$","3")!= None
False
>>> re.search("^[0\\-9]$","-")!= None
True

我们注意到上面的转义字符中使用了两个\，这是由于\n,\t之类的会被认为是转义序列(Escape Sequence)，但\-不是，所以在字符串中，需要使用\\表示转义。 （在Java、PHP、Python、.NET等语言中，正则表达式都是以字符串的形式给出的，在Ruby和JavaScript中则不是。）
在Python中，提供了原生字符串(Raw String)，它非常适合于正则表达式，此时就不需要考虑正则表达式之外的转义。原生字符串的形式是r"string"。.NET和Ruby也提供了原生字符串。
例子 原生字符串的使用
#原生字符串和字符串的等价
>>> r"^[0\-9]$" == "^[0\\-9]$"
True

#原生字符串的转义
>>> re.search(r"^[0\-9]$","3") != None
False
>>> re.search(r"^[0\-9]$","-") != None
True

例子 ]出现在不同位置，含义不同
#未转义的]
>>> re.search(r"^[012]345]$","2345") != None
False
>>> re.search(r"^[012]345]$","5") != None
False
>>> re.search(r"^[012]345]$","]") != None
False

#转义的]
>>> re.search(r"^[012\]345]$","2345") != None
False
>>> re.search(r"^[012\]345]$","5") != None
True
>>> re.search(r"^[012\]345]$","]") != None
True

例子 取消其他元字符的特殊含义
>>> re.search(r"^[012]345]$","3")!= None
False
>>> re.search(r"^[012\]345]$","3")!= None
True
>>> re.search(r"^[012]$","[012]")!= None
False
#只需要转义开方括号[,闭方括号]不需要转义。
>>> re.search(r"^\[012]$","[012]")!= None
True
  • 1.3 排除型字符组
在开方括号[之后紧跟一个脱字符^，写作[^...]。

例子 使用排除型字符组
>>> re.search(r"^[^0-9][0-9]$","A8") != None
True
>>> re.search(r"^[^0-9][0-9]$","x6") != None
True

例子 排除型字符组必须匹配一个字符
>>> re.search(r"^[^0-9][0-9]$","8") != None
False
>>> re.search(r"^[^0-9][0-9]$","A8") != None
True

例子 在排除型字符组中，紧跟在^之后的-不是元字符
>>> re.search(r"^[^-09]$","-") != None
False
>>> re.search(r"^[^-09]$","8") != None
True

>>> re.search(r"^[^-09]$","-") != None
False
>>> re.search(r"^[^-09]$","8") != None
True

例子 排除型字符组的转义
>>> re.search(r"^[^012]$","^")!=None
True
>>> re.search(r"^[0^12]$","^")!=None
True
>>> re.search(r"^[\^012]$","^")!=None
True

  • 1.4 字符组简记法
正则表达式对[0-9],[a-z]之类的字符组提供了简单的记法，称为字符组简记法(shorthands).常用的字符组简记法有\d表示[0-9],\w表示[0-9a-zA-Z_],\s表示[ \t\n\r\v\f]。
例子 字符组简记法\d \w \s
>>> re.search(r"^\d$","9")!=None
True
>>> re.search(r"^\d$","a")!=None
False
>>> re.search(r"^\w$","8")!=None
True
>>> re.search(r"^\w$","a")!=None
True
>>> re.search(r"^\w$","_")!=None
True
>>> re.search(r"^\s$"," ")!=None
True
>>> re.search(r"^\s$","\t")!=None
True
>>> re.search(r"^\s$","\n")!=None
True

字符组简记法既可以单独使用，也可以使用在字符组中，比如[0-9a-zA-Z]也可以写作[\da-zA-Z]。也可以使用在排除型字符组中，比如[^0-9]可以写作[^\d]。

例子 字符组简记法与普通字符组混用
>>> re.search(r"^[\da-zA-Z]$","8") != None
True
>>> re.search(r"^[\da-zA-Z]$","a") != None
True
>>> re.search(r"^[\da-zA-Z]$","C") != None
True
>>> re.search(r"^[^\w]$","8")!=None
False
>>> re.search(r"^[^\w]$","_")!=None
False
>>> re.search(r"^[^\w]$",",")!=None
True

\d,\w,\s对应的排除型字符组记为\D,\W,\S。
例子 \D \W \S的使用
#\d和\D
>>> re.search(r"^\d$","8")!=None
True
>>> re.search(r"^\d$","a")!=None
False
>>> re.search(r"^\D$","8")!=None
False
>>> re.search(r"^\D$","a")!=None
True
#\w和\W
>>> re.search(r"^\w$","c")!=None
True
>>> re.search(r"^\w$","!")!=None
False
>>> re.search(r"^\W$","c")!=None
False
>>> re.search(r"^\W$","!")!=None
True

#\s和\S
>>> re.search(r"^\s$","0")!=None
False
>>> re.search(r"^\S$","\t")!=None
False
>>> re.search(r"^\S$","0")!=None
True

[\s\S],[\w\W],[\d\D]都可以表示任意字符。在许多有关正则表达式的文档中，点号.能匹配“任意字符”。但在默认情况下，点号其实不能匹配换行符。当然可以在某些语言中开启单行模式(Single line)，在这种模式下，所有文本似乎都在一行里，换行符是这一行中的“普通字符”，所以可以由.点号匹配。

  • 1.5 字符组运算
Java：
“a".matches("^[[a-z]&&[^aeIoU]]$"); //False
"b".mattches("^[[a-z]&&[^aeIoU]]$"); //True

  • 1.6 POSIX字符组
常用在Linux/UNIX下的各种工具(sed、AWK、grep等)中。之前介绍的都属于Perl衍生出来的正则表达式刘鹏，叫做 PCRE(Perl Compatible Regular Expression).而POSIX(Portable Operating System Interface for uniX)，它是一系列规范，定义了UNIX操作系统应当指出的功能，其中也包括了关于正则表达式的规范，[:digit:]之类的字符组就是遵循POSIX规范的字符组。
常见的[a-z]形式的字符组，在POSIX规范中仍然获得支持，它的准确名称是POSIX方括号表达式(POSIX bracket expression)，主要用在UNIX/Linux系统中。POSIX方括号表达式与PCRE的字符组最主要的差别在于:在POSIX字符组中，\不是用来转义的。所以POSIX方括号表达式[\d]只能匹配\和d两个字符，而不是[0-9]对应的数字字符。
为了解决字符组中特殊意义字符的转义问题， POSIX方括号表达式规定：如果要在字符组中表达字符](而不是作为字符组的结束标记]，应当让它紧跟在字符组的开方括号之后，所以[]a]能匹配的字符就是]或者a；如果要在字符组中标记字符-(而不是做为范围表示法），就必须将它放在字符组的闭方括号]之前，所以[a-]能匹配的字符就是a或-。


表 POSIX字符组(对应ASCII字符，下表不支持Unicode字符集)
POSIX字符组 说明 ASCII字符组 等级的PCRE简记法
[:alnum:] * 字母字符和数字字符 [a-zA-Z0-9]
[:alpha:] 字母 [a-zA-Z]
[:ASCII:] ASCII字符 [\x00-\x7F]
[:blank:] 空格字符和制表符 [ \t]
[:cntrl:] 控制字符 [\x00-\x1F\x7F]
[:digit:] 数字字符 [0-9] \d
[:graph:] 空白字符之外的字符 [\x21-\x7E]
[:lower:] 小写字母字符 [a-z]
[:print:] 类似[:graph:]，但包括空白字符 [\x20-\x7E]
[:punct:] 标点符号 [][!"#$%@&'*(){}-+,./?:;<>=|~`]
[:space:] 空白字符 [ \t\r\n\v\f] \s
[:upper:] 大写字母字符 [A-Z]
[:word:]* 字母字符 [a-zA-Z0-9_] \w
[:xdigit:] 十六进制字符 [A-Fa-f0-9]
注：标记*的字符组简记法并不是POSIX规范中的，但使用很多，一般语言都提供。

JAVA、PHP、Ruby支持使用POSIX字符组。
在PHP中可以直接使用POSIX字符组，但是PHP的POSIX字符组只识别ASCII字符，任何非ASCII字符都不能有任何一个POSIX字符组匹配。
Ruby1.8中的POSIX字符组只匹配ASCII字符，而且不支持[:word:]和[:ASCII:];Ruby1.9中的POSIX字符组可以匹配Unicode字符，而且支持[:word:]和[:ASCII:]。
JAVA中，POSIX字符组必须使用\p{Name}的形式，其中name为POSIX字符组对应的名称，比如[:digit:]就应该写作\p{Digit},第一个字母要大写，其他POSIX字符组都是这样，只有[:xdigit:]就应该写作\p{XDigit}.并且JAVA中的POSIX字符组只匹配ASCII字符。

原文地址：https://www.jb51.cc/regex/361462.html

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

相关推荐

正则替换html代码中img标签的src值
正则替换html代码中img标签的src值在开发富文本信息在移动端展示的项目中，难免会遇到后台返回的标签文本信息中img标签src属性按照相对或者绝对路径返回的形式，类似：<img src="qinhancity/v1.0.0/ima
【C++】正则表达式
正则表达式
shell之三剑客awk基础用法
AWK是一种处理文本文件的语言，是一个强大的文件分析工具。它是专门为文本处理设计的编程语言，也是行处理软件，通常用于扫描，过滤，统计汇总等工作，数据可以来自标准输入也可以是管道或文件。当读到第一行时，匹配条件，然后执行指定动作，在接着读取第二行数据处理，不会默认输出。如果没有定义匹配条件，则是默认匹配所有数据行，awk隐含循环，条件匹配多少次，动作就会执行多少次。逐行读取文本，默认以空格或tab键为分割符进行分割，将分割所得的各个字段，保存到内建变量中，并按模式或或条件执行编辑命令。与sed工作原理相比：s
正则表达式
正则表达式是特殊的字符序列，利用事先定义好的特定字符以及他们的组合组成了一个规则，然后检查一个字符串是否与这种规则匹配来实现对字符的过滤或匹配。我们刚才在学习正则表达式的时候，我们表示数字，字母下划线的时候是用w表示的，为什么我们在书写的时候用的是w?我们可以发现我们分割空格的话，并没有达到我们预期的效果，这里我们可以使用正则表达式的方式进行分割。我们可以发现，我们和上面得到的结果不一致，既然出错了，肯定是我们的使用方式不对。看到这里我们就能感受到正则表达式的作用了，正则表达式是字符串处理的有力工具。
Python基础知识进阶之正则表达式
Python界一名小学生，热心分享编程学习。
开发者神器，代码文档终于有救了
收集整理每周优质开发者内容，包括、、等方面。每周五定期发布，同步更新到和。欢迎大家投稿，，推荐或者自荐开源项目/资源/工具/文章~
Shell编程从看懂到看开③(函数、echo、printf、test)
本文涉及Shell函数，Shell中的echo、printf、test命令等。
正则表达式常用最新版
常用正则表达，包括： 密码、 手机号、 身份证、 邮箱、 中文、 车牌号、 微信号、 日期 YYYY-MM-DD hh:mm:ss、 日期 YYY-MM-DD、 十六进制颜色、 邮政编号、 用户名、 QQ号
Python正则表达式(持续更新，各种字符串筛选，总有一款适合您当前的功能)
一、python【re】的用法1、re.match函数·单一匹配-推荐指数【★★】2、re.search函数·单一匹配-推荐指数【★★★★★】3、re.findall函数·多项匹配-推荐指数【★★★★★】4、re.finditer函数·多项匹配-推荐指数【★★★★】5、re.sub函数·替换函数-推荐指数【★★★★】二、正则表达式示例·总有一款适合你1、正则表达式匹配HTML指定id/class的标签2、正则表达式匹配HTML中所有a标签中的各类属性值3、获取标签的文本值
编译原理 实验一:词法分析器的自动实现(Lex词法分析)
1.借助词法分析工具Flex或Lex完成（参考网络资源）2.输入：高级语言源代码（如helloworld.c）3.输出：以二元组表示的单词符号序列。通过设计、编制、调试一个具体的词法分析程序，加深对词法分析原理的理解，并掌握在对程序设计语言源程序进行扫描过程中将其分解为各类单词的词法分析方法。由于各种不同的高级程序语言中单词总体结构大致相同，基本上都可用一组正则表达式描述，所以构造这样的自动生成系统：只要给出某高级语言各类单词词法结构的一组正则表达式以及识别各类单词时词法分析程序应采取的语义动作，该系统
苹果市值2025年有望达4万亿美元
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot