[正则表达式]-基础语法三 其他特殊字符与转义字符

      本篇文章将对剩下的元字符进行描述记录，包括特殊字符与转义字符.

    一、元字符[] 

    []符号对表示了一个字符类，其占用一个字符位置，表示匹配其中的任何一个。

    例如：[012345]

    表示可以匹配一个数字，且这个数字在属于012345中的任何一个。又如：[ab23]可以匹配a或者b或者2或者3。即只能选[]符号所包含字符中的一个。

     在[]中，有些符号的意义发生了变化。

      比如^  在[]中的含义是“非”，而在[]之外是匹配字符串开头的位置，或者在Multiline模式下还可以匹配\n之后和\r之后的位置。如：[^abc123]  在这里就是说除了abc123这三个符号，其他符号的都能被匹配。

      再比如-   在[]中的含义是表示一个范围，而在[]之外就单纯的是匹配字符-   如：[a-c]表示的是从a到c这三个字符中的任意一个都可以被匹配。这里可以简单的理解为“到”的意思。并且这里的范围依据是ASCII码表，比如从0到9就可以表示为[0-9]，从a到z就可以表示为[a-z],从A-Z就可以表示为[A-Z]

     这里就需要注意一个问题了，如果在[]中我要表示在abc-四个字符中选择一个呢？很容易知道，肯定不是[a-c]这种形式，因为如果是这种形式的话，匹配的将会是abc三个字符中的一个了。那么可以这样写[a-c-]   [abc-]   [-a-c]   [-abc]   [a\-bc]这几种经过测试都是可以对字符-进行匹配的。归结起来就是符号-放在首尾或者使用转义才表示的是对其本身进行匹配，否则都是依据ASCII码表表示一个范围。

      同理^  如果也想在[]内表示原本的含义，则需要使用转义形式。这里特别要注意的一点是：[^ab]这个正则表达式会匹配除了ab之外的字符，诸如：cdefg&*$%#@^等，注意！由于符号^不属于ab中的任何一个，所以依然会被识别。如果不想识别^  你所需要写的正则表达式为：[^\^ab]或者是[^^ab]，这两种形式都是可以的。

      -------------------------------------------------------------------------------------------

      作为一个过渡，笔者写一个例子，结合上两篇博文中的定位符和限定符。

      例如：请写出可以匹配十六进制数0-ABCD的正则表达式为：

      \b(A|a)(B|b)(C|c)[0-9A-Da-d]|(A|a)(B|b)[0-9A-Ba-b][0-9A-Fa-f]|(a|A)[0-9][0-9A-Fa-f]{2}|[1-9][0-9A-Fa-f]{3}|[1-9A-Fa-f][1-9A-Fa-f]{0,2}|0\b

      在这道题中涉及到一些还没有将到的知识，如果看不懂也不用着急，涉及优先级与元字符|的知识。

      那看一个简单的：写出能够匹配十进制0-223的正则表达式。

      结果为     22[0-3]|2[0-1][0-9]|1[0-9]{2}|[1-9][0-9]?|0

      可能会有人问为什么不能反过来写为  0|[1-9][0-9]?|1[0-9]{2}|2[0-1][0-9]|22[0-3]呢？原因在于如果摆在你面前有一个十进制数为：210，你是想匹配210呢还是匹配2呢？答案当然是匹配210了，由于元字符|具有左侧优先性，比方说：正则表达式a|ab，那么在字符串aba中，将会匹配两个a  ，如图：

     这里题目就算是简单学习了。

      -------------------------------------------------------------------------------------------

    二、元字符 |

      此元字符的含义是“或”，在相关书籍参考中定义为“替换”。如：正则表达式：z|food  可以匹配的是：z或者food，因为元字符|的优先级是最低的，所以最后运算。而()可以改变优先级，又如：(z|f)ood    可以匹配的是zood或者food

元字符|的优先级最低，导致了如果没有()干扰的话，将各个部分分析完毕之后再取或。往往一个元字符|就隔绝了两个可能行。

      同时元字符 | 具有左侧优先性，譬如说：a|ab要优先匹配a的，如果要匹配字符串abc  ，那么只会匹配到字符a  。所以，一旦涉及到元字符 | 的话，请注意其左侧优先性的问题，如果左侧满足条件了，就不再对是否满足右侧进行判定。正确的思路可以从数学表示为：从左到右集合的范围依次减小，条件逐渐严苛。所以比较符合逻辑的正则表达式应为 ab|a这也是比较符合正则表达式默认的贪婪模式的。

         三、元字符之转义字符

      转义字符有很多也很简单，这里笔者一起说明(除去了前面博文所讲的定位符\b\B)。

      \d 匹配一个数字字符，等价于 [0-9]

      \D 匹配一个非数字字符，等价于[^0-9]

      \t 匹配一个制表符

      \v 匹配一个垂直制表符

      \r 匹配一个回车符

      \n 匹配一个换行符

      \f 匹配一个换页符

      \s 匹配一个任何空白字符，等价于[\f\t\v\r\n]

      \S 匹配一个非空白字符，等价于[^\f\t\v\r\n]

      \w 匹配一个单词字符，等价于[0-9a-zA-Z_]  注意，这里包括了下划线_  ，符合编程语言中变量的命名规则：数              字、字母、下划线，且不能以数字开头。

      \W 匹配一个非单词字符，等价于[^0-9A-Za-z_]

     \xn 匹配一个转义字符，对n的要求是两位十六进制。比方说\x41 可以匹配A ，\x412 则可以匹配A2。重点是之识              别两位十六进制数。

      \n 标识一个八进制转义值或者一个向后引用。如果\n之前至少有n个子表达式被默认命名，则\n为向后引用，否则，如果n为八进制数字，则n为一个八进制转义值。这里虽然没有说有几位，但笔者可以告诉你只要在ASCII码表上可以找到，就默认为转义字符，目前最大的可以为\177匹配的是delete按键。\176匹配字符~  。而\1763匹配的将是~3  见图:

       \um 匹配的是四位十六进制数，对应的是Unicode表上的符号，比如：汉字匹配正则表达式为：[\u4e00-\u9fa5] 要与此前的\xn和\n相做对比，前者是在ASCII码表上来进行匹配，而后者是在更大的Unicode码表上来进行匹配。见图：