正则表达式入门（2）——使用元字符

元字符也就是在正则表达式里有特殊含义的字符。例如，英文句号“.”就是一个元字符，还有“[”和“]”等等。

1.再谈转义字符

因为这些元字符有特殊含义，因此不能用"["来表示“[”本身，就要使用转义字符，也就是用“\”反斜杠，所以如果要匹配“[”符号，要用"\["才行。

例如，要查找(myArray)[0]这段字符串，那么正则语法是：

(myArray)\[0\]

当然用正则匹配这个有点小题大做。

2.匹配空白字符

空白元字符

所谓空白元字符包括：

  • 回退（Backspace键）： [\b]
  • 换页符： \f
  • 换行符： \n
  • 回车符： \r
  • 制表符（tab键）： \t
  • 垂直制表符： \v

PS：空格（space）就是空格，后面再说。

不同操作系统对换行的标记是不同的。在windows系统中，换行标记是**\r\n**，也就是“回车+换行”的组合。在Unix或Linux系统则只需要\n换行符即可，因此要匹配空白行就是\n\n。如果要同时匹配windows和unix的换行，那么就包含一个可选的\r或者\n。

3.转义字符的差异性

.和[都是元字符，但前提是没有被转义。f和n也是元字符，但前提是被进行了转义。因此统一理解的话，“\n”这个“整体”理解为元字符。

4.匹配特定的字符类别

匹配特定的字符类别（例如所有数字类、所有空白类等等），使用专门的“字符类”，或者称为“类元字符”。

4.1匹配数字

\d：匹配任意一个数字，等价于[0-9]
\D：匹配任一非数字，等价于[^0-9]

4.2匹配字母和数字

字母与数字组合类是很常见的，还包括一个“_”（下划线）字符。因此有专门的转义字符表示这一类：

\w：任意字母数字或下划线字符，等价于[A-Za-z0-9_]
\W：与上面相反，等价于[^A-Za-z0-9_]

4.3匹配空白字符

包括前面列出的空白元字符和空格：

\s：匹配任意空白字符，等价于[\f\n\r\t\v ]（注意里面在最后有个空格）
\S：与上面相反的匹配

4.4匹配十六进制或八进制数值

这个一般不常用。十六进制用\x转义，八进制用\0转义。举例：

\x0A //对应ASCII码中的10，也就是换行符，等价于\n
\011，对应ASCII中的9，即制表符，等价于\t

4.5使用POSIX字符类

POSIX 是 Portable Operating System Interface (可移植操作系统接口) 的缩写，它是一系列标准，确保操作系统之间的移植性。

下面是POSIX元字符(Metacharacter)和相关匹配(Matches)：

1
2
3
4
5
6
7
8
9
10
11
12

[[:alnum:]]	字母和数字
[[:alpha:]]	字母
[[:blank:]]	空格和制表符
[[:cntrl:]]	控制字符
[[:digit:]]	数字
[[:graph:]]	非空白字符
[[:lower:]]	小写字母
[[:print:]]	类似[[:graph:]]，但是包含空白字符
[[:punct:]]	标点符号
[[:space:]]	空白字符
[[:upper:]]	大写字母
[[:xdigit:]] 十六进制中容许出现的数字(例如 0-9a-fA-f)

这东西一般不常用，了解一下就行了，但有时候是很方便的，比如刚才匹配颜色值，[0-9A-Fa-f]其实就是所有十六进制的数字，那么用[:xdigit:]替换也一样。但是，并不是所有正则表达式中都支持POSIX语法。

下一部分是重复匹配。

留言