字符组是正则表达式最基本的结构之一。字符组表示“同一位置上可能出现的各种字符”,写法:[ ]方括号之间列出所有可能出现的字符。例如:[123]、[ab]、[#.?]等等。具体含义:[013456789]表示在同一个位置上可能出现0-9中任意一个数,重点强调是一位和一个数。此外,字符组中的字符出现顺序和出现次数对字符组没有影响,[0123456789]和[0215436879]是完全一致的。

范围表示法:[0123456789]是不是忒长了?OK,用-表示范围,即:[0-9],如此一来是不是多快好省。但是要注意一点,不能9-0,因为9大于0啊。那如果是字母呢,可以[a-z]或者[A-Z],也不能z-a或者Z-A,因为在ASCII码表中每个字符都是有一个十进制码值的,如:0是45,A是65,a是97。而范围表示是码值小的-码值大的,按照书写规范上,应该是0-9,A-Z,a-z,切记不要错误认为A-z表示26个大写字母和26个小写字母,它们之间还有其他字母呢。大、小写字母表示方法为:[A-Za-z].

[]能够匹配所包含的一系列字符中的任意一个。需要注意的是,[]虽然能匹配其中的任意一个字符,但匹配的结果只能是一个字符,不是多个。

例如[abc]表示字符“a”或“b”或“c”。 

[]支持用连字符“-”连接两个字符,来表示一个字符范围。需要注意的是,“-”前后的两个字符是有顺序的,即使用相同的编码时,后面的字符码位应大于或等于前面字符的码位。

例如[a-z]表示任意一个小写字母。而在程序中使用[z-a]则会报“[x-y] 范围的顺序颠倒”这样的异常。

大部分在正则中有特殊意义、在匹配其本身时需转义的字符,在[]内是不需要转义的。必须转义的只有“\”、“[”和“]”,而“^”出现在[]开始位置,“-”前后构成范围区间时,需要转义,出现在其它位置不需要转义,例如[\^.$^{\[(|)*+?-\\]

在.NET中,不构成歧义的情况下,“[”和“]”可以不用转义,程序也可以得到预期结果,但是这种写法可读性较差,而且出现错误时不易排查,因此不推荐这种写法

举例:Regex reg = new Regex("[^]]+");  //不推荐

.NET的字符组中支持集合减法,语法[set1-[set2]],例如[a-z-[aeiou]]表示除元音外的小写字母。但是除非你很了解这种语法的支持范围,以及确实有必要这样做,否则不要轻易使用这种可读性较差的语法。事实上完全可以用多个范围区间[b-df-hj-np-tv-z],在区间较多,导致可读性差、容易出错的情况下,可以使用正向预搜索来实现以上需求,(?![aeiou])[a-z],这种语法规则,支持范围要大得多,可读性也要好一些。

常见错误用法:

因为[]本身表示的就是字符之间“或”的关系,因此在[]中使用“|”来表示“或”的关系是错误的。

举例:[a|b|c]表示的是“a”或“b”或“c”或“|”中的任意一个字符。
 

举例

       源字符串:ab|ac
       正则表达式:[a|b|c]+
       匹配结果:ab|ac

[^ ] 排除型字符组

     [^ ]表示匹配任意一个未列举的字符,同样的,匹配的结果也只能是一个字符。
    例如[^abc]表示除字符“a”、“b”、“c”外的任意一个字符。
    [^ ]也支持字符分组,例如[^0-9]表示除数字外的任意一个字符。

 新手最容易犯的错误就是,用[^abc]或[^(abc)]这样的表达式来匹配不包含“abc”子字符串的字符串。    

举例

       源字符串:string yourStr = "<aaa>bbb<abc>ccc<ddd>";

       规则描述:取出yourStr中格式为<...>,但<>中不是abc的内容

       预期结果:<aaa>、<ddd>

       错误写法:<[^abc]*>

       正确写法:<(?!abc>)[^>]*>     

还有一点并不常见,\b在字符组外表示单词边界,但是在字符组内[\b]表示退格符。

到此这篇关于正则表达式之字符组[ ](Character Classes)的文章就介绍到这了,更多相关正则表达式字符组内容请搜索代码部落以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码部落!