正則表達式字符集探究
正則表達式字符集是什么呢？我們在使用正則表達式的時候，正則表達式字符集起到什么作用呢？那么這里就向你介紹一下正則表達式字符集的概念以及所包含的具體的方法和使用。
正則表達式字符集是由一對方括號“[]”括起來的正則表達式字符集合。使用正則表達式字符集，你可以告訴正則表達式引擎僅僅匹配多個字符中的一個。如果你想匹配一個“a”或一個“e”，使用﹤﹤[ae]﹥﹥。你可以使用﹤﹤gr[ae]y﹥﹥匹配gray或grey。這在你不確定你要搜索的字符是采用美國英語還是英國英語時特別有用。相反，﹤﹤gr[ae]y﹥﹥將不會匹配graay或graey。正則表達式字符集中的字符順序并沒有什么關系，結果都是相同的。
你可以使用連字符“-”定義一個字符范圍作為正則表達式字符集。﹤﹤[0-9]﹥﹥匹配0到9之間的單個數字。你可以使用不止一個范圍。﹤﹤[0-9a-fA-F] ﹥﹥匹配單個的十六進制數字，并且大小寫不敏感。你也可以結合范圍定義與單個字符定義。﹤﹤[0-9a-fxA-FX]﹥﹥匹配一個十六進制數字或字母X。再次強調一下，字符和范圍定義的先后順序對結果沒有影響。
◆正則表達式字符集的一些應用
查找一個可能有拼寫錯誤的單詞，比如﹤﹤sep[ae]r[ae]te﹥﹥ 或 ﹤﹤li[cs]en[cs]e﹥﹥。
查找程序語言的標識符，﹤﹤A-Za-z_][A-Za-z_0-9]*﹥﹥。(*表示重復0或多次)
查找C風格的十六進制數﹤﹤0[xX][A-Fa-f0-9]+﹥﹥。(+表示重復一次或多次)
◆取反正則表達式字符集
在左方括號“[”后面緊跟一個尖括號“^”，將會對正則表達式字符集取反。結果是正則表達式字符集將匹配任何不在方括號中的字符。不像“.”，取反正則表達式字符集是可以匹配回車換行符的。
需要記住的很重要的一點是，取反正則表達式字符集必須要匹配一個字符。﹤﹤q[^u]﹥﹥并不意味著：匹配一個q，后面沒有u跟著。它意味著：匹配一個q，后面跟著一個不是u的字符。所以它不會匹配“Iraq”中的q，而會匹配“Iraq is a country”中的q和一個空格符。事實上，空格符是匹配中的一部分，因為它是一個“不是u的字符”。
如果你只想匹配一個q，條件是q后面有一個不是u的字符，我們可以用后面將講到的向前查看來解決。
◆正則表達式字符集中的元字符
需要注意的是，在正則表達式字符集中只有4個 字符具有特殊含義。它們是：“] \ ^ -”?！癩”代表正則表達式字符集定義的結束；“\”代表轉義；“^”代表取反；“-”代表范圍定義。其他常見的元字符在正則表達式字符集定義內部都是正常字符，不需要轉義。例如，要搜索星號*或加號+，你可以用﹤﹤[+*]﹥﹥。當然，如果你對那些通常的元字符進行轉義，你的正則表達式一樣會工作得很好，但是這會降低可讀性。
在正則表達式字符集定義中為了將反斜杠“\”作為一個文字字符而非特殊含義的字符，你需要用另一個反斜杠對它進行轉義。﹤﹤[\\x]﹥﹥將會匹配一個反斜杠和一個X?！癩^-”都可以用反斜杠進行轉義，或者將他們放在一個不可能使用到他們特殊含義的位置。我們推薦后者，因為這樣可以增加可讀性。比如對于字符“^”，將它放在除了左括號“[”后面的位置，使用的都是文字字符含義而非取反含義。如﹤﹤[x^]﹥﹥會匹配一個x或^。﹤﹤[]x]﹥﹥會匹配一個“]”或“x”。﹤﹤[-x]﹥﹥或﹤﹤[x-]﹥﹥都會匹配一個“-”或“x”。
◆正則表達式字符集的簡寫
因為一些正則表達式字符集非常常用，所以有一些簡寫方式。
﹤﹤\d﹥﹥代表﹤﹤[0-9]﹥﹥;
﹤﹤\w﹥﹥代表單詞字符。這個是隨正則表達式實現的不同而有些差異。絕大多數的正則表達式實現的單詞正則表達式字符集都包含了﹤﹤A-Za-z0-9_]﹥﹥。
﹤﹤\s﹥﹥代表“白字符”。這個也是和不同的實現有關的。在絕大多數的實現中，都包含了空格符和Tab符，以及回車換行符﹤﹤\r\n﹥﹥。
正則表達式字符集的縮寫形式可以用在方括號之內或之外。﹤﹤\s\d﹥﹥匹配一個白字符后面緊跟一個數字。﹤﹤[\s\d]﹥﹥匹配單個白字符或數字。﹤﹤[\da-fA-F]﹥﹥將匹配一個十六進制數字。
取反正則表達式字符集的簡寫
- ﹤﹤[\S]﹥﹥ = ﹤﹤[^\s]﹥﹥
- ﹤﹤[\W]﹥﹥ = ﹤﹤[^\w]﹥﹥
- ﹤﹤[\D]﹥﹥ = ﹤﹤[^\d]﹥﹥
◆正則表達式字符集的重復
如果你用“?*+”操作符來重復一個正則表達式字符集，你將會重復整個正則表達式字符集。而不僅是它匹配的那個字符。正則表達式﹤﹤[0-9]+﹥﹥會匹配837以及222。
如果你僅僅想重復被匹配的那個字符，可以用向后引用達到目的。我們以后將講到向后引用。
正則表達式字符集相關的內容就向你介紹到這里，希望那個對你了解和掌握正則表達式字符集有所幫助。
【編輯推薦】
