正则表达式——字符组

字符组

待匹配文本：

js 复制代码

! " # $ % & ' ( ) ＊ + , - . /
0        1        2        3        4        5        6        7        8        9
: ; < = > ? @
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
[ \ ] ^ _ `
a b c d e f g h i j k l m n o p q r s t u v w x y z
{ | } ～

1、字符组取反

对字符组取反的语法之前你已经见过好几次了，这里我就简单介绍一下。对字符组取反会匹配与字符组内容不匹配的字符。比如，如果你不想匹配元音字符，可以这样写：

js 复制代码

[^aeiou]

该字符组起始位置的脱字符（^）的意义就是："不，我不想匹配这些字符。"（脱字符必须出现在起始位置。）

2、并集与差集

字符组可以像集合那样操作。事实上，字符组的另一个名称就是字符集（character set）。不是所有的实现程序都支持这项功能，但Java支持该功能。

我将展示一个叫做Reggy的Mac桌面应用程序（参见5.5节）。在其Preference（偏好设置）面板中，我将Regular Expression Syntax（正则表达式语法）改为"Java"，而在Font中（在Format里），为了阅读方便，我将字体大小设为24。

如果你想要两个字符组的并集，可以这样做：

js 复制代码

[0-3[6-9]]

正则表达式处理器会匹配0到3之间的数字或者6到9之间的数字。下图展示了这在Reggy中的结果。

匹配差集（实质上就是减操作）：

js 复制代码

[a-z&&[^m-r]]

这匹配a到z之间的字符，但其中m到r之间的字符除外（如图所示）。

3、POSIX字符组

POSIX（Portable Operating System Interface，可移植操作系统接口）是IEEE维护的一系列标准。其中包含了一个正则表达式标准（ISO/IEC/IEEE 9945:2009），该标准提供了一套命名的字符组，其形式为：

js 复制代码

[[:xxxx:]]

其中xxxx是名字，比如digit或者word。

要匹配字母及数字，可以用：

js 复制代码

[[:alnum:]]

下图展示的是在Rubular中使用字母及数字字符组的情况。

还有一种方法就是只用简写式\w。哪种方法写起来简便，是POSIX字符组还是简写式？当然是字符最少的方法胜出。我承认自己并不常使用POSIX字符组，但是还是有必要了解一下。

对于大写或小写的字母，使用：

js 复制代码

[[:alpha:]]

如果你想匹配ASCII范围内的字符，则用：

js 复制代码

[[:ascii:]]

当然，还有对POSIX字符组取反的形式：

js 复制代码

[[:^xxxx:]]

如果想匹配非字母字符，可以使用：

js 复制代码

[[:^alpha:]]

要匹配空格或制表符，使用：

js 复制代码

[[:space:]]

若匹配所有空白字符，则用：

js 复制代码

[[:blank:]]

还有很多POSIX字符组，如下表示。