字符組簡記法

用[0-9]、[a-z]等字符組，可以很方便地表示數(shù)字字符和小寫字母字符。對于這類常用的字符組，正則表達式提供了更簡單的記法，這就是字符組簡記法（shorthands）。

常見的字符組簡記法有\(zhòng)d、\w、\s。從表面上看，它們與[…]完全沒聯(lián)系，其實是一致的。其中\(zhòng)d等價于[0-9]，其中的d代表"數(shù)字（digit）"；\w等價于[0-9a-zA-Z_]，其中的w代表"單詞字符（word）"；\s等價于[ \t\r\n\v\f]（第一個字符是空格），s表示"空白字符（space）"。例1-17說明了這幾個字符組簡記法的典型匹配。

例1-17  字符組簡記法\d、\w、\s

#如果沒有原生字符串，\d就必須寫作\\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

一般印象中，單詞字符似乎只包含大小寫字母，但是字符組簡記法中的"單詞字符"不只有大小寫單詞，還包括數(shù)字字符和下畫線_，其中的下畫線_尤其值得注意：在進行數(shù)據(jù)驗證時，有可能只容許輸入"數(shù)字和字母"，有人會偷懶用\w驗證，而忽略了\w能匹配下畫線，所以這種匹配并不嚴格，[0-9a-zA-Z]才是準確的選擇。

"空白字符"并不難定義，它可以是空格字符、制表符\t，回車符\r，換行符\n等各種"空白"字符，只是不方便展現(xiàn)（因為顯示和印刷出來都是空白）。不過這也提醒我們注意，匹配時看到的"空白"可能不是空格字符，因此，\s才是準確的選擇。

字符組簡記法可以單獨出現(xiàn)，也可以使用在字符組中，比如[0-9a-zA-Z]也可以寫作[\da-zA-Z]，所以匹配十六進制字符的字符組可以寫成[\da-fA-F]。字符組簡記法也可以用在排除型字符組中，比如[^0-9]就可以寫成[^\d]，[^0-9a-zA-Z_]就可以寫成[^\w]，代碼如例1-18。

例1-18  字符組簡記法與普通字符組混用

#用在普通字符組內(nèi)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]$", "C") != None  #  => True  
#用在排除型字符組內(nèi)部  
re.search(r"^[^\w]$", "8") != None       #  => False  
re.search(r"^[^\w]$", "_") != None       #  => False  
re.search(r"^[^\w]$", ",") != None       #  => True

相對于\d、\w和\s這三個普通字符組簡記法，正則表達式也提供了對應(yīng)排除型字符組的簡記法：\D、\W和\S--字母完全一樣，只是改為大寫。這些簡記法匹配的字符互補：\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示范了這幾個字符組簡記法的應(yīng)用。

例1-19  \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$", "\t") != None    #  => True  
re.search(r"^\s$", "0") != None     #  => False  
re.search(r"^\S$", "\t") != None    #  => False  
re.search(r"^\S$", "0") != None     #  => True

妥善利用這種互補的屬性，可以得到一些非常巧妙的效果，最簡單的應(yīng)用就是字符組[\s\S]。初看起來，在同一個字符組中并列兩個互補的簡記法，這種做法有點奇怪，不過仔細想想就會明白，\s和\S組合在一起，匹配的就是"所有的字符"（或者叫"任意字符"）。許多語言中的正則表達式并沒有直接提供"任意字符"的表示法，所以[\s\S]、[\w\W]、[\d\D]雖然看起來有點古怪，但確實可以匹配任意字符 。

關(guān)于字符組簡記法，最后需要補充兩點：第一，如果字符組中出現(xiàn)了字符組簡記法，最好不要出現(xiàn)單獨的-，否則可能引起錯誤，比如[\d-a]就很讓人迷惑，在有些語言中，-會被作為普通字符，而在有些語言中，這樣寫會報錯；第二，以上說的\d、\w、\s的匹配規(guī)則，都是針對ASCII編碼而言的，也叫ASCII匹配規(guī)則。但是，目前一些語言中的正則表達式已經(jīng)支持了Unicode字符，那么數(shù)字字符、單詞字符、空白字符的范圍，已經(jīng)不僅僅限于ASCII編碼中的字符。關(guān)于這個問題，具體細節(jié)在后文有詳細的介紹，如果你現(xiàn)在就想知道，可以翻到第115頁。

正則表達式——字符組運算

以上介紹了字符組的基本功能，它們在常用的語言中都有提供；還有些語言中為字符組提供了更強大的功能，比如Java和.NET就提供了字符組運算的功能，可以在字符組內(nèi)進行集合運算，在某些情況下這種功能非常實用。

如果要匹配所有的元音字母（為講解簡單考慮，暫時只考慮小寫字母的情況），可以用[aeiou]，但是要匹配所有的輔音字母卻沒有什么方便的辦法，最直接的寫法是[b-df-hj-np-tv-z]，不但煩瑣，而且難理解。其實，從26個字母中"減去"元音字母，剩下的就是輔音字母，如果有辦法做這個"減法"，就方便多了。

Java語言中提供了這樣的字符組：[[a-z]&&[^aeiou]]，雖然初看有點古怪，但仔細看看，也不難理解。[a-z]表示26個英文字母，[^aeiou]表示除元音字母之外的所有字符（還包括大寫字母、數(shù)字和各種符號），兩者取交集，就得到"26個英文字母中，除去5個元音字母，剩下的21個輔音字母"。

.NET中也有這樣的功能，只是寫法不一樣。同樣是匹配輔音字母的字符組，.NET中寫作[a-z-[aeiou]]，其邏輯是：從[a-z]能匹配的26個字符中，"減去"[aeiou]能匹配的元音字母。相對于Java，這種邏輯更符合直覺，但寫法卻有點古怪--不是[[a-z]-[aeiou]]，而是[a-z-[aeiou]]。例1-20集中演示了Java和.NET中的字符組運算。

例1-20  字符組運算

// Java  
"a".matches("^[[a-z]&&[^aeiou]]$");     //  => True  False
"b".matches("^[[a-z]&&[^aeiou]]$");     //  => False True
// .NET  
Regex.IsMatch("^[a-z-[aeiou]]$", "a");  //  => True  False
Regex.IsMatch("^[a-z-[aeiou]]$", "b");  //  => False True*紅色為更正

到此這篇關(guān)于正則表達式之字符組簡記法與字符組運算的文章就介紹到這了,更多相關(guān)正則字符組簡記法與運算內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論