正则表达式（一）：纠结的转义

最新推荐文章于 2024-11-06 10:39:55 发布

mypop

最新推荐文章于 2024-11-06 10:39:55 发布

阅读量675

点赞数

分类专栏： J2SE 文章标签：正则表达式 python java string regex 语言

J2SE 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

用过正则表达式的人都知道，正则表达式中有一类叫做“元字符（meta-character）”的特殊符号，它们并不匹配自身对应的字符，而具有其他的含义。比如脱字符『^』表示“定位到字符串/行的开头”，加号『+』表示“之前的元素重现1次以上。如果需要匹配这些字符本身，需要用反斜线来转义，匹配『^』就应该用/^，匹配『+』就应该用/+。

看起来有点麻烦，但这样的元字符并不多：^$()*+?.[/{|

元字符	说明	举例
^	匹配整个字符串的起始位置，或者行的起始位置，如果在字符组内部，则表示排除型（negative）字符组	^Start
$	匹配整个字符串的结束位置，或者行的结束位置	End$
()	分组，提供反向引用(gourp1) /1或多选分支	(ab)+
* + ?	量词，限定之前元素出现的次数	a+ (ab)+
.	默认情况下匹配换行符之外的任意字符，在多行模式下可以匹配换行符
[	字符组的起始符号	[0-9]
/	反斜线用来表示转义序列，或去掉元字符的转义	/1
{	重现限定符的开始	{2, 6}
\|	划分多选分支（括号没有出现时，可以想象括号出现在整个表达式最外层）	Tom\|Jerry

你或许注意到了，这些元字符并不是“对称”出现的，比如与开方括号 [ 对应的闭方括号 ]，与开花括号 { 对应的闭花括号 } ，这两个字符是否元字符，需要依据具体正则表达式的情况确定，我们以闭方括号]的情况为例（}的情况与此类似）：如果之前能找到与之对应的元字符开方括号[，则]作为元字符出现，否则，作为普通字符出现。

字符串 / 表达式	[ab]]	ab]
a]	√
ab]		√

另外，因为方括号本身可以表示字符组『[0-9]』，所以在字符组内部的闭方括号在任何情况下都要转义，否则类似『[]]』的正则表达式会出现二义性，造成识别错误。

如果需要匹配方括号内（包括方括号），至少包含一个字符的字符串（比如[text]），所用的正则表达式就应该是：『/[[^/]]+]』。

看明白了吗？『/[』匹配开方括号，然后用一个排除型字符组匹配“除闭方括号 ] 之外的任意字符（注意，在字符组内部，闭方括号 ] 一定需要转义），用『+』表示它至少要出现一次以上，最后用一个『]』匹配闭方括号。

下面用代码来验证，以python为例：

import re #为使用正则表达式，必须首先导入re

>>> re.search('^/[[^/]]+]$', '[abcdefg]') #进行数据验证时，在表达式首尾加上^和$是好习惯

<_sre.SRE_Match object at 0x7ff3bc5e75e0>

>>> re.search('^/[[^/]]+]$', '[]')

>>>

看来确实没有问题，下面用Java试试。直接调用Java中的string.matches(regex)方法，观察返回的boolean值：

"[]".matches("^/[[^/]]+]$")

但是却出现了编译错误：invalid escape sequence。这是为什么呢？在Python中我们并没有使用raw string（如果使用raw string，就应该用r"^/[[^/]]+]$"），一切正常，可是在Java中为什么会出错呢？

要回答这个问题，就得分清转义的层次和规则。如果你留心观察就会发现，上面我们讲的都是“正则表达式的转义”，比如『/[[^/]]+]』是正确转义的正则表达式。仅仅用做正则表达式，它是绝对没有问题的，但它“不仅仅”是正则表达式，而是“字符串形式给出的正则表达式”——注意到了吗？在表达式两端，各有一个双引号。

回忆一下Java中字符串（String）的规则，其中转义序列（escape sequence）用来表示特殊字符，比如/n表示换行符，/t表示制表符，而/[并不是Java能识别的转义序列，当然要出错了。为了表示“正则表达式中的/[”，我们传递给Pattern.compile()的字符串必须正确表示/[——在字符串中，[ 是不需要转义的，而 / 是需要转义的，所以在字符串中，应该写做 //[。

总结一下：