正则表达式——普通字符组（续）

正则表达式提供了-范围表示法（range），它更直观，能进一步简化字符组。

所谓"-范围表示法"，就是用[x-y]的形式表示x到y整个范围内的字符，省去一一列出的麻烦，这样[0123456789]就可以表示为[0-9]。如果你觉得这不算什么，那么确实比[abcdefghijklmnopqrstuvwxyz]简单太多了。

你可能会问，"-范围表示法"的范围是如何确定的？为什么要写作[0-9]，而不写作[9-0]？

要回答这个问题，必须了解范围表示法的实质。在字符组中，-表示的范围，一般是根据字符对应的码值（Code Point，也就是字符在对应编码表中的编码的数值）来确定的，码值小的字符在前，码值大的字符在后。在ASCII编码中（包括各种兼容ASCII的编码中），字符0的码值是48（十进制），字符9的码值是57（十进制），所以[0-9]等价于[0123456789]；而[9-0]则是错误的范围，因为9的码值大于0，所以会报错。

例1-5  [0-9]是合法的，[9-0]会报错

re.search("^[0-9]$", "2") != None       #  => True  
re.search("^[9-0]$", "2") != None  
Traceback (most recent call last):  
error: bad character range  

 

如果知道0~9的码值是48~57，a~z的码值是97~122，A~Z的码值是65~90，能不能用[0-z]统一表示数字字符、小写字母、大写字母呢？

答案是：勉强可以，但不推荐这么做。根据惯例，字符组的范围表示法都表示一类字符（数字字符是一类，字母字符也是一类），所以虽然[0-9]、[a-z]都是很好理解的，但[0-z]却很难理解，不熟悉ASCII编码表的人甚至不知道这个字符组还能匹配大写字母，更何况，在码值48到122之间，除去数字字符（码值48~57）、小写字母（码值97~122）、大写字母（码值65~90），还有不少标点符号（参见表1-1），从字符组[0-z]中却很难看出来，使用时就容易引起误会，例1-6所示的程序就很可能让人莫名其妙。

表1-1  ASCII编码表（片段）

码值	字符	码值	字符	码值	字符	码值	字符	码值	字符
48	0	63	?	78	N	93	]	108	l
49	1	64	@	79	O	94	^	109	m
50	2	65	A	80	P	95	_	110	n
51	3	66	B	81	Q	96	`	111	o
52	4	67	C	82	R	97	a	112	p
53	5	68	D	83	S	98	b	113	q
54	6	69	E	84	T	99	c	114	r
55	7	70	F	85	U	100	d	115	s
56	8	71	G	86	V	101	e	116	t
57	9	72	H	87	W	102	f	117	u
58	:	73	I	88	X	103	g	118	v
59	;	74	J	89	Y	104	h	119	w
60	<	75	K	90	Z	105	i	120	x
61	=	76	L	91	[	106	j	121	y
62	>	77	M	92	\	107	k	122	z

例1-6  [0-z] 的奇怪匹配

re.search("^[0-z]$", "A") != None # => True 

re.search("^[0-z]$", ":") != None # => True 

 在字符组中可以同时并列多个"-范围表示法"，字符组[0-9a-zA-Z]可以匹配数字、大写字母或小写字母；字符组 [0-9a-fA-F]可以匹配数字，大、小写形式的a~f，它可以用来验证十六进制字符，代码见例1-7

例1-7  [0-9a-fA-F]准确判断十六进制字符

re.search("^[0-9a-fA-F]$", "0") != None  #  => True  
re.search("^[0-9a-fA-F]$", "c") != None  #  => True  
re.search("^[0-9a-fA-F]$", "i") != None  #  => False  
re.search("^[0-9a-fA-F]$", "C") != None  #  => True  
re.search("^[0-9a-fA-F]$", "G") != None  #  => False  

 

在不少语言中，还可以用转义序列\xhex来表示一个字符，其中\x是固定前缀，表示转义序列的开头，num是字符对应的码值（Code Point，详见第127页，下文用?127表示），是一个两位的十六进制数值。比如字符A的码值是41（十进制则为65），所以也可以用\x41表示。

字符组中有时会出现这种表示法，它可以表现一些难以输入或者难以显示的字符，比如\x7F；也可以用来方便地表示某个范围，比如所有ASCII字符对应的字符组就是[\x00-\x7F]，代码见例1-8。这种表示法很重要，在第120页还会讲到它，依靠这种表示法可以很方便地匹配所有的中文字符。

例1-8  [\x00-\x7F]准确判断ASCII字符

re.search("^[\x00-\x7F]$", "c") != None  #  => True  
re.search("^[\x00-\x7F]$", "I") != None  #  => True  
re.search("^[\x00-\x7F]$", "0") != None  #  => True  
re.search("^[\x00-\x7F]$", "<") != None  #  => True  

 

转载于:https://www.cnblogs.com/gaara0305/p/9814799.html