正则基础之——【】字符组

[] 能够匹配所包含的一系列字符中的任意一个。需要注意的是， [] 虽然能匹配其中的任意一个字符，但匹配的结果只能是一个字符，不是多个。

    例如 [abc] 表示字符“ a ”或“ b ”或“ c ”。

 

    [] 支持用连字符“ - ”连接两个字符，来表示一个字符范围。需要注意的是，“ - ”前后的两个字符是有顺序的，即使用相同的编码时，后面的字符码位应大于或等于前面字符的码位。

    例如 [a-z] 表示任意一个小写字母。而在程序中使用 [z-a] 则会报“ [x-y] 范围的顺序颠倒 ”这样的异常。

 

    大部分在正则中有特殊意义、在匹配其本身时需转义的字符，在 [] 内是不需要转义的。必须转义的只有“ / ”、“ [ ”和“ ] ”，而“ ^ ”出现在 [] 开始位置，“ - ”前后构成范围区间时，需要转义，出现在其它位置不需要转义，例如 [/^.$^{/[(|)*+?-//]

    在 .NET 中，不构成歧义的情况下，“ [ ”和“ ] ”可以不用转义，程序也可以得到预期结果，但是这种写法可读性较差，而且出现错误时不易排查，因此不推荐这种写法

    举例： Regex reg = new Regex ("[^]]+" );   // 不推荐

    .NET 的字符组中支持集合减法，语法 [set1-[set2]] ，例如 [a-z-[aeiou]] 表示除元音外的小写字母。但是除非你很了解这种语法的支持范围，以及确实有必要这样做，否则不要轻易使用这种可读性较差的语法。事实上完全可以用多个范围区间 [b-df-hj-np-tv-z] ，在区间较多，导致可读性差、容易出错的情况下，可以使用正向预搜索来实现以上需求， (?![aeiou])[a-z] ，这种语法规则，支持范围要大得多，可读性也要好一些。

常见错误用法：

    因为 [] 本身表示的就是字符之间“或”的关系，因此在 [] 中使用“ | ”来表示“或”的关系是错误的。

举例： [a|b|c] 表示的是“ a ”或“ b ”或“ c ”或“ | ”中的任意一个字符。

 

举例

       源字符串： ab|ac

       正则表达式： [a|b|c]+

       匹配结果： ab|ac

 

 

[^ ] 排除型字符组

 

    [^ ] 表示匹配任意一个未列举的字符，同样的，匹配的结果也只能是一个字符。

    例如 [^abc] 表示除字符“ a ”、“ b ”、“ c ”外的任意一个字符。

    [^ ] 也支持字符分组，例如 [^0-9] 表示除数字外的任意一个字符。

 

    新手最容易犯的错误就是，用 [^abc] 或 [^(abc)] 这样的表达式来匹配不包含“ abc ”子字符串的字符串。     

举例

       源字符串： string yourStr = "<aaa>bbb<abc>ccc<ddd>" ;

       规则描述：取出 yourStr 中格式为 <...> ，但 <> 中不是 abc 的内容

       预期结果： <aaa> 、 <ddd>

       错误写法： <[^abc]*>

       正确写法： <(?!abc>)[^>]*>

     

还有一点并不常见， /b 在字符组外表示单词边界，但是在字符组内 [/b] 表示退格符。