[跟我学正则表达式] 3. 匹配字符集合
来源:互联网 发布:sql server 2012和2014 编辑:程序博客网 时间:2024/06/06 21:06
在本章中你将看到如何处理字符集合。不像“ . ”符号仅仅是匹配特定的单个字符(前一章中学到的),集合可以使得选择更多字符,或者是一个字符区间。
http://searun.iteye.com/blog/376331
匹配几个字符
在上一节已经学习到,“ . ”可以用来匹配任何一个字符。在上一节的最后一个例子中,“ .a ”用来匹配“ na ”和“ sa ”,也就是说“ . ”匹配了“ n ”和“ s ”。假设现在还有一个名为“ ca1.xls ”的文件,那如何继续只是匹配 na 和 sa 呢?因为“ . ”能够匹配 c ,所以这个文件名也会被匹配。
为了能够匹配 n 或者 s 而不包括其他字符,则你可能只是想匹配这两个字符。在正则表达式中,匹配一组定义好的字符可以使用“[ ”“] ”元字符。在这两个元字符之间的字符组,都可以作为一个匹配字符(但是不是全部)。
下面是对上个例子的一个修改版本:
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
这里的正则表达式是使用[ns] 开始的。这将匹配n 或者s (而不是c 或者其他字符)。[ 和] 则不匹配任何字符,这里用来定义集合。a 匹配字面意义上的a ,“. ”则匹配任何一个字符,“\. ”匹配“. ”,而xls 匹配字面意义上的xls 。当使用此模式的时候,只有期望的文件名才会匹配。
注意:实际上[ns]a.\.xls也不是很准确。如果有一个usa1.xls 的文件,也将会匹配。解决这个问题的方法涉及到位置匹配,将在第六章中介绍。
就如你所看到的,测试一个正则表达式实际上是很复杂的。检测一个模式是否匹配你想要的这是很容易的。最大的挑战在于是否不想要的就不会匹配上。
字符组一般可以用于不考虑大小写的搜索功能中,如下例:
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了两个字符组:[Rr] 匹配R 和r ,[Ee] 匹配E 和e 。这样,RegEx 和regex 都是匹配的。尽管如此,REGEX 还是不能匹配。
如果你只是想使用不区分大小写的匹配,上面的技术实际上是没有必要的。这种匹配方式只是在部分不区分大小写的时候有用。
使用字符组区间
让我们重新来看上面的例子。最后使用的模式,[ns]a.\.xls,还有一个问题。如果有一个文件名为sam.xls怎么办?这也同样可以匹配,因为“. ”匹配所有的字符,而不仅仅是数字。
下面使用字符组来解决这个问题:
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
在这个例子中,模式被修改成第一个字母必须是n 或者s ,而第二个字母必须是a ,地三个字母则需要是数字([0123456789] )。注意到最后的 sam.xls 并没有被匹配,这是因为字母 m 不匹配任何数字字符。
在使用正则表达式的时候,你可能会发现需要经常指定字符的范围(如0 到9 ,A 到Z )。为了简化字符区间的使用,正则表达式提供了一个特殊的元字符:- (连字符),用来指示区间。
下面是一个相同的例子,只是这次采用了区间的方式:
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] 和模式[0123456789]的功能是一样的,所以当然结果也是一样的。
区间不仅仅限于数字。下面的都是合法的区间:
- A-Z匹配所有的 A 到 Z 的大写字符。
- a-z匹配所有的 a 到 a 的小写字符。
- A-F匹配A到F的大写字符。
- A-z 匹配从 ASCII A 到 ASCII z 的所有字符(你可能从来没有用过这个模式,因为这个模式不仅仅匹配所有字母,还匹配包含在 ASCII 表中 A 到 z 中的字符,如 [ 和 ^ 等)。
任何两个字符都可以作为区间的开始和结束。实际上,区间总是一些数字或者字符的集合。
需要注意的是,提供的区间不要结束的字符ASCII 码比开始的ASCII 码字还小,如[3-1] 。这将不能工作,而且经常使得整个模式不能工作。
另外, - (连字符)仅仅只是在区间中才是元字符。而在集合之外, - 则是字面上的意思,匹配“ - ”,此时没有必要进行转义。
可以在一个集合中使用多个字符区间。如下面的模式匹配所有的大小写字母和数字。
[A-Za-z0-9]
这个模式实际上是下面的简写:
[ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz01234567890]
就像你所看到的,区间使得正则表达式更加简洁。
下面是一个查找 RGB 值的例子(颜色通过十六进制的表示法,用来表示红色、绿色和蓝色的分量)。在Web 页面上,RGB 值被指定为#000000 (黑), #FFFFFF (白), #FF0000 (红)等等。RGB 值可以为大写或者小写,所以#FF00ff (品红) 也是合法的。下面是个例子:
文本
<BODY BGCOLOR="#336633" TEXT="#FFFFFF"
MARGINWIDTH="0" MARGINHEIGHT="0"
TOPMARGIN="0" LEFTMARGIN="0">
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 BGCOLOR="#336633 " TEXT="#FFFFFF "
MARGINWIDTH="0" MARGINHEIGHT="0"
TOPMARGIN="0" LEFTMARGIN="0">
分析
这个模式中,包含了“# ”作为字面字符,然后是六个重复的[0-9A-Fa-f]字符集合。这将匹配# 后接六个字符,其中每个都必须是数字或者A 到F (无论是大写还是小写)。
非字符集的匹配
字符集合一般用于指定一组需要匹配的字符。但是有些时候,你的需求刚好相反——一组你不想匹配的字符。换句话说,任何字符除了这里定义的。
可以通过穷举所有想要的字符来做匹配(当需要的字符很多的时候长度将会很长),可以通过对于字符集合的否定来实现。下面是个例子:
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
这里的模式和前面一个例子中的完全相反。[0-9] 匹配所有的数字,而[^0-9] 则匹配所有的非数字。也就是说,[ns]a[^0-9]\.xls可以匹配sam.xls,但不能匹配na1.xls, na2.xls 或者 sa1.xls。
注意,^字符是将字符集合中的所有字符都取消匹配,而不仅仅只是此字符后的字符。
小结
元字符“ [ ”和“ ] ”用来定义一组字符,其中的每个字符都可以匹配。字符集合可以通过枚举,也可以通过元字符“- ”来指定区间。字符集合还可以通过“^ ”来否定,这使得模式可以匹配除字符集合中的所有字符。
- [跟我学正则表达式] 3. 匹配字符集合
- [跟我学正则表达式] 2. 匹配单个字符
- [跟我学正则表达式] 5. 重复匹配
- [跟我学正则表达式] 6. 位置匹配
- 跟我学正则表达式] 4. 使用元字符
- 跟我学正则表达式!
- [跟我学正则表达式] 1. 介绍
- [跟我学正则表达式] 7. 使用子表达式
- [跟我学正则表达式] 8. 使用后向引用
- 正则表达式字符匹配
- 正则表达式字符匹配
- 正则表达式中的字符匹配
- 正则表达式匹配任意字符
- 正则表达式基础字符匹配
- 正则表达式匹配字符含义
- 正则表达式的匹配字符
- 正则表达式的匹配字符
- 正则表达式 匹配特殊字符
- [跟我学正则表达式] 2. 匹配单个字符
- 用镜像克隆服务器
- hadoop2.2.0上spark伪分布式安装
- Android属性之build.prop生成过程分析
- GDI+ 总结一: 保存图像文件
- [跟我学正则表达式] 3. 匹配字符集合
- 前期C语言回顾 数组
- C++ 代码中调用scp自动传文件
- Docker容器
- 张小春:小本创业的思想集结
- HBase0.96 升级步骤及源代码分析
- 单源最短路径问题 Dijkstra算法
- DirectD3D-纹理映射
- Java日志管理:Logger.getLogger()和LogFactory.getLog()的区别(详解Log4j)