正则表达式[]里的五个特殊字符

正则表达式[]里的五个特殊字符

 

在正则表达式[]里面，主要的特殊字符有五个：[]-\^。 
它们在特定情况下，需要表达本身的字面意思，就需要做转义处理；如果不做转义处理，可能会得到其他的意义，从而得到错误的匹配结果。 
除了这五个字符以外，在[]中的.、*、+、|都是没有任何特殊意义的，它们都表示它们本身的字面意思，也就是说，*就是*。

 

• 正则表达式[]里的五个特殊字符
  • • （一）[ 和 ]
    • （二）-
    • （三）\
    • （四）^
    • （五） 总结

 

下面深入讲解下正则表达式[]里的这五个特殊字符：

（一）[ 和 ]

因为与正则表达式[]本身冲突，因此，需要匹配其本身时，需要进行转义处理。 
例如， 
源文本：我是一名[PHP]工程师，而不是一名[Java]工程师，也不是一名[C++]工程师，更不是一名[C#]工程师。 
需求：匹配[]中的工程师类型，工程师类型由大小写字母和+#构成。 
正则：\[([a-zA-Z+#]+)\]

（二）-

一般情况下，我们会使用[0-9]或者[a-z]这样的表达式来表达数字和小写字母，也就是说，-在此处的意思是表达一个范围值，即从0到9和从a到z。

如果我们想要得到一个由*或-或+组成的匹配时，可能有些人会写成[*-+]，而且，有些时候测试用例不完整的情况下，还发现不了问题。

[*-+]这个表达式其实表示的是*的ASCII值到+的ASCII值的范围，在我们常见的字母、数字、特殊字符区间里，它刚好能匹配*和+，却并没像预期那样匹配到-。甚至，如果你写成了[+-*]，它还会报错，就像你不能写成[9-0]一样，它会提示你：Warning: preg_match(): Compilation failed: range out of order in character class at offset 3。而如果你写成了[-*+]或者[*+-]，那么恭喜你，你碰巧写对了。

因此，对于[]中的-，如果需要表达其字面意思，除非我们把它写到了[]的开头或者结尾，我们都是需要做转义处理的，也就是[*\-+]。虽然写到开头或结尾不需要转义，但我还是建议，需要表达-本身字面意思时，最好都使用转义，这也便于维护者对于该表达式的理解。

（三）\

\本身是转义符，如果你不对它做转义，它将对其后面的字符做转义，所以，这个字符要表达其字面意思时，必须做转义，也就是\\。

（四）^

^我们常见用法是[^0-9]这种，在[]中放到开头，用于表示排除，也就是非的意思。[^0-9]就表示 非[0-9] 的任意字符，也就是，匹配不包含0123456789的其他任意字符。 
但是，如果^写到了[]的其他地方，也就是不在开头时，它就表示它自己的字面意思了。 
跟-一样，虽然在不同位置能让它的特殊功能失效，但是想要匹配其字面意思时，我还是建议大家对它进行转义处理，也就是[\^]这样。

（五） 总结

别问我为什么只有4个，请回去看看（一）里有几个。

在正则表达式[]里面，主要有五个特殊字符：[]-\^，需要表达其字面意思时，最好都对它们进行转义，而其他的任何字符，在[]都只能表达其字面意思。 
因此，特别强调一个非常常见的错误写法：[https|http] 
有些人想要表达https或者http的意思，就写了这个错误匹配，我们会发现，上面的式子其实等价[htps|]，原因很简单，[]是单字符匹配，而且里面的|只能表达其字面意思。对于这个例子的改正可以用下面两种写法： 
(https|http) 和 https?。 
(https|http)，利用了|字符 或 的意义，因为|的作用域是从左到右，直到遇到括号为止，因此，使用|的时候需要特别留意，一定要使用括号限定，否则又可能陷入另一个错误当中，如^https|http://，本来要表达^https://或^http://，却得到了^https和http://。 
https?，这个利用了?的0个或1个匹配的意义，如果s?匹配0个，那么就能匹配http，如果s?匹配1个，那么就能匹配https，从而达到预期目的。