从字符类中排除字符答案

【问题标题】：Exclude characters from a character class从字符类中排除字符
【发布时间】：2018-08-26 01:37:49
【问题描述】：

有没有一种简单的方法来匹配一个类中的所有字符，除了某些字符集？例如，如果在我可以使用 \w 匹配所有 unicode 单词字符集的语言中，有没有办法从匹配中排除下划线“_”之类的字符？

我想到的唯一想法是在每个字符周围使用负前瞻/后视，但是当我实际上只想将一个字符与正匹配和负匹配进行匹配时，这似乎比必要的复杂。例如，如果 & 是 AND 运算符，我可以这样做...

^(\w&[^_])+$

【问题讨论】：

您使用的是哪种风格的正则表达式？（例如 Perl、Java 等）
什么正则表达式风格/语言？ stackoverflow.com/q/3201689/139010
在 .NET 中，您可以使用 [\w-[_]] 排除下划线。
我最常使用的正则表达式引擎是基于 java 的，虽然是一个旧的实现（无论 CF8 在后台使用什么）。但是我在 javascript 和 python 中也有这个需求。
你是说ColdFusion？那是基于 JavaScript，而不是 Java。而且它的\w 只识别ASCII 字字符（[A-Za-z0-9_]），而不是完整的Unicode 集。 Python 的内置 re 风格也是如此。

【解决方案1】：

这真的取决于你的正则表达式风格。

.NET

... 仅提供一种简单的字符类集操作：subtraction。这对你的例子来说已经足够了，所以你可以简单地使用

[\w-[_]]

如果- 后跟一个嵌套字符类，则将其减去。就这么简单……

... 提供了更丰富的character class set operations 集合。特别是你可以得到两个集合的交集，比如[[abc]&&[cde]]（在这种情况下会给出c）。交集和否定一起给你减法：

[\w&&[^_]]

... 支持在 extended character classes 上的设置操作作为实验性功能（自 Perl 5.18 起可用）。特别是可以直接减去任意字符类：

(?[ \w - [_] ])

...（支持前瞻）允许您通过使用负前瞻来模拟减法：

(?!_)\w

这首先检查下一个字符不是_，然后匹配任何\w（由于负前瞻，它不能是_）。

请注意，这些方法中的每一个都是完全通用的，因为您可以减去两个任意复杂的字符类。

【讨论】：

【解决方案2】：

您可以使用 \w 类的否定 (--> \W) 并将其排除：

^([^\W_]+)$

【讨论】：

创意，但我不认为OP期望这种答案，他想在一般情况下排除一个字符。好主意虽然
@CasimiretHippolyte 我应该想到这一点。 HamZa 是对的，我正在寻找更一般的案例，但是哇... \p... 感谢您指出这一点，因为我从未使用过它。
@CasimiretHippolyte 不是所有个案例。这不能用于从范围中排除字符;)。
并非所有 RE 引擎都支持。
@DonalFellows 你说的“那个”是什么意思？否定字符类？

【解决方案3】：

就我理解您的问题而言，负前瞻是正确的方法：

^((?!_)\w)+$

【讨论】：

【解决方案4】：

这可以在 python 中使用regex module 完成。比如：

import regex as re
pattern = re.compile(r'[\W_--[ ]]+')
cleanString = pattern.sub('', rawString)

您通常会使用pip 安装正则表达式模块：

pip install regex

编辑：

正则表达式模块有两种行为，版本 0 和版本 1。设置减法（如上）是版本 1 的行为。 pypi 文档声称版本 1 是默认行为，但您可能会发现情况并非如此。你可以检查

import regex
if regex.DEFAULT_VERSION == regex.VERSION1:
  print("version 1")

将其设置为版本 1：

regex.DEFAULT_VERSION = regex.VERSION1

或在单个表达式中使用版本一：

pattern = re.compile(r'(?V1)[\W_--[ ]]+')

【讨论】：

【解决方案5】：

尝试使用减法：

[\w&&[^_]]+

注意：这适用于 Java，但可能不适用于其他 Regex 引擎。

【讨论】：