RegEx教程：匹配字符集

获取完整的书

建议零售价$ 34.99

在本课程中，您将学习如何使用RegEx（正则表达式）来处理字符集。不像. ，它可以匹配任何单个字符，集合使您可以匹配特定的字符和字符范围。

匹配几个字符之一

如您在上一课中所学， . 与任何一个字符匹配（与任何文字字符匹配）。在该课程的最后一个示例中， .a用于匹配na和sa . 匹配n和s 。但是，如果还有一个名为ca1.xls的文件（包含加拿大销售数据），而您仍然只想匹配na和sa怎么办？ . 也将匹配c ，因此文件名也将匹配。

[ 小心！ 每个开发人员都应避免的8个职业陷阱。 • 要成为一名真正的软件开发人员，必须阅读7本书。 • 即使是经验丰富的开发人员，也会犯15个菜鸟错误。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

文本

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

正则表达式

.a.\.xls

结果

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

要找到n或s ，您不想匹配任何字符，只想匹配这两个字符。在正则表达式中，使用元字符[和]定义了一组字符。 [和]定义一个字符集，它们之间的所有内容都是该字符集的一部分，并且任何一个字符集成员都必须匹配（但不是全部）。

这是上一课中该示例的修订版：

文本

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

正则表达式

[ns]a.\.xls

结果

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
na1.xls 
na2.xls 
sa1.xls 
ca1.xls

分析

这里使用的正则表达式以[ns]开头；这匹配n或s （但不匹配c或任何其他字符）。开头[和结尾]不匹配任何字符，它们定义了集合。文字a匹配a . 匹配任何字符\. 匹配. ，并且文字xls与xls匹配。使用此模式时，只有三个所需的文件名匹配。

注意：实际上， [ns]a.\.xls也不太正确。如果存在一个名为usa1.xls的文件，它将也匹配（开头的u将被忽略，而sa1.xls将会匹配）。该问题的解决方案涉及位置匹配，这在第6课“位置匹配”中进行了介绍。

提示：如您所见，测试正则表达式可能很棘手。验证模式是否符合您的要求非常容易。真正的挑战在于验证您是否还收到了不需要的比赛。

字符集通常用于使搜索（或其特定部分）不区分大小写。例如：

文本

The phrase "regular expression" is often abbreviated as RegEx or regex.

正则表达式

[Rr]eg[Ee]x

结果

The phrase "regular expression" is often abbreviated as RegEx or regex .

分析

这里使用的模式包含两个字符集： [Rr]匹配R和r ， [Ee]匹配E和e 。这样， RegEx和regex都可以匹配。 REGEX ，但是，不匹配。

提示：如果您使用不区分大小写的匹配，则不需要使用此技术。仅当执行部分区分大小写的区分大小写的搜索时，才使用这种类型的匹配。

使用字符集范围

让我们再次看一下文件列表示例。上次使用的模式[ns]a.\.xls具有另一个问题。如果文件名为sam.xls怎么sam.xls ？它也会被匹配，因为. 匹配所有字符，而不仅仅是数字。

字符集可以解决以下问题：

文本

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

正则表达式

[ns]a[0123456789]\.xls

结果

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls
na1.xls
na2.xls
sa1.xls 
ca1.xls

分析

在此示例中，模式已被修改，因此第一个字符必须为n或s ，第二个字符必须为a ，第三个字符可以为任何数字（指定为[0123456789] ）。请注意，文件sam.xls不匹配，因为m与允许的字符列表（十位数字）不匹配。

使用正则表达式时，您会发现经常指定字符范围（ 0到9， A到Z等）。为了简化使用字符范围，RegEx提供了特殊的元字符- （连字符）来指定范围。

以下是同一示例，这次使用范围：

文本

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

正则表达式

[ns]a[0-9]\.xls

结果

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls
na1.xls
na2.xls
sa1.xls 
ca1.xls

分析

模式[0-9]在功能上等效于[0123456789] ，因此结果与前面的示例相同。

范围不限于数字。以下是所有有效范围：

AZ匹配从A到Z所有大写字符。
az匹配从a到z所有小写字符。
AF仅匹配大写字符A到F
Az匹配ASCII A和ASCII z之间的所有字符（您可能永远不要使用此模式，因为它还包含[和^等字符，它们在ASCII表中位于Z和a之间）。

可以将任意两个ASCII字符指定为范围的开始和结束。但是，实际上，范围通常由一些或所有数字和一些或所有字母字符组成。

提示：使用范围时，请注意不要提供小于开始范围的结束范围（如[3-1] ）。这将行不通，并且通常会阻止整个模式运行。

注： -连字符）是一个特殊的元字符，因为它是唯一之间使用时元字符[和] 。在集合之外， -是文字，将仅与-匹配。因此， -不需要转义。

多个范围可以组合在一个集合中。例如，以下模式匹配任何大写或小写字母数字字符，但不匹配既不是数字字符也不是字母字符的任何字符：

[A-Za-z0-9]

此模式是

[ABCDEFGHIJKLMNOPQRSTUVWXYZabcde
➥fghijklmnopqrstuvwxyz01234567890]

如您所见，范围使RegEx语法更加简洁。

以下是另一个示例，这次查找RGB值（以十六进制表示法指定的颜色代表用于创建颜色的红色，绿色和蓝色的数量）。在网页中，RGB值指定为#000000 （黑色）， #ffffff （白色）， #ff0000 （红色），依此类推。 RGB值可以大写或小写指定，因此#FF00ff （洋红色）也是合法的。这是一个取自CSS文件的示例：

文本

body {
  background-color: #fefbd8;
}
h1 {
  background-color: #0000ff;
}
div {
  background-color: #d0f4e6;
}
span {
  background-color: #f08970;
}

正则表达式

#[0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f]

结果

body {
  background-color: #fefbd8 ;
}
h1 {
  background-color: #0000ff ;
}
div {
  background-color: #d0f4e6 ;
}
span {
  background-color: #f08970 ;
}

分析

此处使用的模式包含#作为文字文本，然后将字符集[0-9A-Fa-f]重复六次。这与#后跟六个字符匹配，每个字符必须是一个数字或A到F （大写或小写）。

“除了”

字符集通常用于指定必须匹配的字符列表。但是有时候，您想要反向输入-不想匹配的字符列表。换句话说， 除了此处指定的列表以外的任何内容 。

不必枚举所需的每个字符（如果只需要几个字符，可能会很冗长），而可以使用^元字符取反字符集。这是一个例子：

文本

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls
na1.xls
na2.xls
sa1.xls
ca1.xls

正则表达式

[ns]a[^0-9]\.xls

结果

sales1.xls
orders3.xls
sales2.xls
sales3.xls
apac1.xls
europe2.xls
sam.xls 
na1.xls
na2.xls
sa1.xls
ca1.xls

分析

本示例中使用的模式与先前使用的模式完全相反。 [0-9]匹配所有数字（仅数字）。 [^0-9]通过指定的数字范围匹配任何内容。因此， [ns]a[^0-9]\.xls与sam.xls匹配，但与na1.xls ， na2.xls或sa1.xls不匹配。

注意： ^否定集合中的所有字符或范围，而不仅仅是前面的字符或范围。

摘要

元字符[和]用于定义字符集，其中任何一个必须匹配（与AND相比， OR ）。字符集可以显式枚举或使用-元字符指定为范围。字符集可以使用^取反；这会强制匹配除指定字符之外的任何字符。

From: https://www.infoworld.com/article/3306798/regex-tutorial-matching-sets-of-characters.html