正则表达式之字符组

正则表达式之字符组

普通字符组

字符组（Character Class）是正则表达式最基本的结构之一，要理解正则表达式的“灵活”，认识它是第一步。

顾名思义，字符组就是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种字符”，其写法是在一对方括号[和]之间列出所有可能出现的字符，简单的字符组比如[ab]、[314]、[#.?]在解决一些常见问题时，使用字符组可以大大简化操作，下面举“匹配数字字符”的例子来说明。

字符可以分为很多类，比如数字、字母、标点等。有时候要求 “只出现一个数字字符”，换句话说，这个位置上的字符只能是0、1、2、…、8、9这10个字符之一。要进行这种判断，通常的思路是：用10个条件分别判断字符是否等于这10个字符，对10个结果取“或”，只要其中一个条件成立，就返回True，表示这是一个数字字符，其伪代码如例1-1所示。

 

例1-1 判断数字字符的伪代码

charStr == "0" || charStr == "1" … || charStr == "9"

 

注：因为正则表达式处理的都是“字符串”（String）而不是“字符”，所以这里假设变量charStr（虽然它只包含一个字符）也是字符串类型，使用了双引号，在有些语言中字符串也用单引号表示。

 

这种解法的问题在于太烦琐——如果要判断是否是一个小写英文字母，就要用||连接26个判断；如果还要兼容大写字母，则要连接52个判断，代码长到几乎无法阅读。相反，用字符组解决起来却异常简单，具体思路是：列出可能出现的所有字符（在这个例子里就是10个数字字符），只要出现了其中任何一个，就返回True。例1-2给出了使用字符组判断的例子，程序语言使用Python。

 

例1-2  用正则表达式判断数字字符

re.search("[0123456789]", charStr) != None

 

re.search()是Python提供的正则表达式操作函数，表示“进行正则表达式匹配”；charStr仍然是需要判断的字符串，而[0123456789]则是以字符串形式给出的正则表达式，它是一个字符组，表示“这里可以是0、1、2、…、8、9中的任意一个字符。只要charStr与其中任何一个字符相同（或者说“charStr可以由[0123456789]匹配”），就会得到一个MatchObject对象（这个对象暂时不必关心，在第21页会详细讲解）；否则，返回None。所以判断结果是否为None，就可以判断charStr是否是数字字符。

当今流行的编程语言大多支持正则表达式，上面的例子在各种语言中的写法大抵相同，唯一的区别在于如何调用正则表达式的功能，所以用法其实大同小异。例1-3列出了常见语言中的表示，如果你现在就希望知道语言的细节，可以参考本书第三部分的具体章节。

 

例1-3  用正则表达式判断数字字符在各种语言中的应用[1]

.NET（C#）

//能匹配则返回true，否则返回false

Regex.IsMatch(charStr, "[0123456789]");

Java

//能匹配则返回true，否则返回false

charStr.matches("[0123456789]");

JavaScript

//能匹配则返回true，否则返回false

/[0123456789]/.test(charStr);

PHP

//能匹配则返回1，否则返回0

preg_match("/[0123456789]/", charStr);

Python

#能匹配则返回RegexObject，否则返回None

re.search("[0123456789]", charStr)

Ruby

#能匹配则返回0，否则返回nil

charStr =~ /[0123456789]/

 

可以看到，不同语言使用正则表达式的方法也不相同。如果仔细观察会发现Java、.NET、Python、PHP中的正则表达式，都要以字符串形式给出，两端都有双引号"；而Ruby和JavaScript中的正则表达式则不必如此，只在首尾有两个斜线字符/，这也是不同语言中使用正则表达式的不同之处。不过，这个问题现在不需要太关心，因为本书中大部分例子以Python程序来讲解，下面讲解关于Python的基础知识，其他语言的细节留到后文会详细介绍。

 

 

本文节选自《正则指引》一书 余晟著

图书详细信息:http://blog.chinaunix.net/space.php?uid=13164110&do=blog&id=3208905