正则表达式之字符组简记法与字符组运算
<h2>字符组简记法</h2><p>用、等字符组，可以很方便地表示数字字符和小写字母字符。对于这类常用的字符组，正则表达式提供了更简单的记法，这就是字符组简记法（shorthands）。</p>
<p>常见的字符组简记法有\d、\w、\s。从表面上看，它们与[…]完全没联系，其实是一致的。其中\d等价于，其中的d代表"数字（digit）"；\w等价于，其中的w代表"单词字符（word）"；\s等价于[ \t\r\n\v\f]（第一个字符是空格），s表示"空白字符（space）"。例1-17说明了这几个字符组简记法的典型匹配。</p>
<p>例1-17 字符组简记法\d、\w、\s</p>
<div class="jb51code"><pre class="brush:java;">#如果没有原生字符串，\d就必须写作\\d
re.search(r"^\d$", "8") != None #=> True
re.search(r"^\d$", "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</pre></div>
<p>一般印象中，单词字符似乎只包含大小写字母，但是字符组简记法中的"单词字符"不只有大小写单词，还包括数字字符和下画线_，其中的下画线_尤其值得注意：在进行数据验证时，有可能只容许输入"<code>数字和字母</code>"，有人会偷懒用\w验证，而忽略了\w能匹配下画线，所以这种匹配并不严格，<code></code>才是准确的选择。</p>
<p>"空白字符"并不难定义，它可以是空格字符、制表符<code>\t</code>，回车符<code>\r</code>，换行符<code>\n</code>等各种"空白"字符，只是不方便展现（因为显示和印刷出来都是空白）。不过这也提醒我们注意，匹配时看到的"空白"可能不是空格字符，因此，<code>\s</code>才是准确的选择。</p>
<p>字符组简记法可以单独出现，也可以使用在字符组中，比如<code></code>也可以写作<code>[\da-zA-Z]</code>，所以匹配十六进制字符的字符组可以写成<code>[\da-fA-F]</code>。字符组简记法也可以用在排除型字符组中，比如[^0-9]就可以写成<code>[^\d]</code>，<code>[^0-9a-zA-Z_]</code>就可以写成[^\w]，代码如例1-18。</p>
<p>例1-18 字符组简记法与普通字符组混用</p>
<div class="jb51code"><pre class="brush:java;">#用在普通字符组内部
re.search(r"^[\da-zA-Z]$", "8") != None#=> True
re.search(r"^[\da-zA-Z]$", "a") != None#=> True
re.search(r"^[\da-zA-Z]$", "C") != None#=> True
#用在排除型字符组内部
re.search(r"^[^\w]$", "8") != None #=> False
re.search(r"^[^\w]$", "_") != None #=> False
re.search(r"^[^\w]$", ",") != None #=> True</pre></div>
<p>相对于\d、\w和\s这三个普通字符组简记法，正则表达式也提供了对应排除型字符组的简记法：\D、\W和\S--字母完全一样，只是改为大写。这些简记法匹配的字符互补：\s能匹配的字符，\S一定不能匹配；\w能匹配的字符，\W一定不能匹配；\d能匹配的字符，\D一定不能匹配。例1-19示范了这几个字符组简记法的应用。</p>
<p>例1-19 \D、\W、\S的使用</p>
<div class="jb51code"><pre class="brush:java;">#\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$", "\t") != None #=> True
re.search(r"^\s$", "0") != None #=> False
re.search(r"^\S$", "\t") != None #=> False
re.search(r"^\S$", "0") != None #=> True</pre></div>
<p>妥善利用这种互补的属性，可以得到一些非常巧妙的效果，最简单的应用就是字符组[\s\S]。初看起来，在同一个字符组中并列两个互补的简记法，这种做法有点奇怪，不过仔细想想就会明白，\s和\S组合在一起，匹配的就是"所有的字符"（或者叫"任意字符"）。许多语言中的正则表达式并没有直接提供"任意字符"的表示法，所以[\s\S]、[\w\W]、[\d\D]虽然看起来有点古怪，但确实可以匹配任意字符 。</p>
<p>关于字符组简记法，最后需要补充两点：第一，如果字符组中出现了字符组简记法，最好不要出现单独的-，否则可能引起错误，比如[\d-a]就很让人迷惑，在有些语言中，-会被作为普通字符，而在有些语言中，这样写会报错；第二，以上说的\d、\w、\s的匹配规则，都是针对ASCII编码而言的，也叫ASCII匹配规则。但是，目前一些语言中的正则表达式已经支持了Unicode字符，那么数字字符、单词字符、空白字符的范围，已经不仅仅限于ASCII编码中的字符。关于这个问题，具体细节在后文有详细的介绍，如果你现在就想知道，可以翻到第115页。</p>
<h3>正则表达式——字符组运算</h3>
<p>以上介绍了字符组的基本功能，它们在常用的语言中都有提供；还有些语言中为字符组提供了更强大的功能，比如Java和.NET就提供了字符组运算的功能，可以在字符组内进行集合运算，在某些情况下这种功能非常实用。</p>
<p>如果要匹配所有的元音字母（为讲解简单考虑，暂时只考虑小写字母的情况），可以用，但是要匹配所有的辅音字母却没有什么方便的办法，最直接的写法是，不但烦琐，而且难理解。其实，从26个字母中"减去"元音字母，剩下的就是辅音字母，如果有办法做这个"减法"，就方便多了。</p>
<p>Java语言中提供了这样的字符组：[&&[^aeiou]]，虽然初看有点古怪，但仔细看看，也不难理解。表示26个英文字母，[^aeiou]表示除元音字母之外的所有字符（还包括大写字母、数字和各种符号），两者取交集，就得到"26个英文字母中，除去5个元音字母，剩下的21个辅音字母"。</p>
<p>.NET中也有这样的功能，只是写法不一样。同样是匹配辅音字母的字符组，.NET中写作]，其逻辑是：从能匹配的26个字符中，"减去"能匹配的元音字母。相对于Java，这种逻辑更符合直觉，但写法却有点古怪--不是[-]，而是]。例1-20集中演示了Java和.NET中的字符组运算。</p>
<p>例1-20 字符组运算</p>
<div class="jb51code"><pre class="brush:java;">// Java
"a".matches("^[&&[^aeiou]]$"); //=> TrueFalse
"b".matches("^[&&[^aeiou]]$"); //=> False True
// .NET
Regex.IsMatch("^]$", "a");//=> TrueFalse
Regex.IsMatch("^]$", "b");//=> False True*红色为更正</pre></div>
頁:
[1]