简单入门正则表达式 - 第六章 元字符与修饰符

一、使用转义

在接触元字符之前，理解好正则表达式中的转义是非常重要的。在前面的几章中，我们或多或少接触了一些关于转义的内容，在这里，我们再详细地研究一下正则表达式中的转义。

正则表达式中的元字符是具有特定含义的字符。例如“.”，它能够与除了换行符之外的任意字符相匹配；与之类似的还有“?”，表示参与匹配的样式重复零次或一次。既然它们都被赋予了特殊的含义，那么它们就不能再用来与自身相同的普通字符进行匹配了，例如“.”、“)”和“[”就不能直接作为匹配字符而直接使用。

	var myArray = new Array();
	...
	if (myArray[0] == 0) {
	...
	}
	

对于上面的JavaScript代码，我们用正则表达式myArray[0]来匹配数组元素myArray[0]，但是结果并不像我们预想的那样，这是因为[0]在正则表达式中是作为字符集合的含义出现，匹配的内容是“0”，而不是“[0]”。所以，正则表达式myArray[0]真正匹配的内容是“myArray0”，而不是我们想要的“myArray[0]”。

既然这样，我们换一个含有转义功能的正则表达式myArray/[0/]再来做一次试验，这次成功匹配了。

“/”是具有转义作用的元字符，既然是元字符，就不能跟字符“/”相匹配了，但“/”的功能不光是对其他元字符进行转移，就连它自身也可以进行转移，所以，//就能和字符“/”相匹配。字符串“C:/WINDOWS”对应的正则表达式就应该是C://WINDOWS。

二、元字符

正则表达式中的原字符分为两大类，一种是参与文本匹配的，比如“.”，另外一种是作为正则表达式语法的一部分而存在，如“？”，“[”和“]”。在实际的应用中，我们将发现有很多这样的原字符，它们是以“空白”元字符开头的。在这里，我们简绍几个常用的正则表达式元字符。

• /w
  

  “/w”只能匹配英文字母、数字和下划线。因此，它与元字符“.”并不相同，因为“/w”不能够与符号、标点相匹配。在有些非英语的语言中，“/w”的解释有所不同，它可以与被设置的语言的文字或字母相匹配。如果“/w”的关联文是 Unicode 而非 ASCII，那么它能够匹配到的范围就更为广泛了。

  现在让我们看看“/w”的功能，首先构造正则表达式/w+，然后把字符串“Hello World! 世界你好！”作为测试对象，匹配的结果就是“Hello World! 世界你好！”

• /W
  

  “/W”与“/w”匹配的内容相反，只要是/w无法匹配的内容，它都能够进行匹配。也就是说，/W能够匹配那些非字母、数字和下划线的内容。但匹配内容也不是绝对的，还要根据所使用的具体正则引擎而定。

  我们同样以“Hello World! 世界你好！”为例，利用正则表达式/W+匹配的结果就是“Hello World! 世界你好！”。

• /d
  

  “/d”能够与数字相匹配，相当于[0-9]的缩写。

  再回顾一下前章电话号码校验的例子，要匹配的字符串为“+086-800-800-8888”，之前构造出来的正则表达式是/+?[0123456789]{2,3}-[0123456789]{3}-[0123456789]{3}-[0123456789]{4}，而有了/d，我们就可以把它简化为/+?/d{2,3}-/d{3}-/d{3}-/d{4}。

• /D
  

  与“/W”类似，“/d”也有个与之对应的“/D”，它能与数字之外的任意字符相匹配。

三、空白与非空白元字符

• /s
  

  我们在进行正则表达式搜索的时候，常常会碰到嵌套在文本里的非打印字符。这些字符有时会极大地干扰我们的查找工作，所以最好是先将它们清除掉。元字符“/s”代表了多种非打印字符。

  符号	含义
  [/b]	退格(Backspace)
  /f	换页符
  /n	换行符
  /r	回车符
  /t	水平制表符
  /v	垂直制表符

• /S
  

  与“/d”、“/w”类似，也有一个与“/s”对应的“/S”，它所匹配的内容是非空白字符。

四、使用POSIX字符类

在有些正则表达式引擎中，实现了一种叫做 POSIX 字符类的特殊功能，POSIX 可以简单的看作是常用的字符集合。比如我们常常用 /d表示 0 至 9 之间的数字，/s表示空白字符；而用 POSIX 中的[:alnum:]，就能代表正则表达式[A-Za-z0-9]，其中的 alnum 是 alphanumeric 的缩写。由此可见，POSIX 是采用了命名的方式来代替使用多个字符集，这样不光能为我们构造正则表达式节省了时间，而且提供了很大方便。因正则表达式引擎的不同，所使用的命名方式也有可能不同，这就要求我们在利用 POSIX 方法构造正则表达式之前先了解所使用的引擎支持的正确的 POSIX 格式。

下面我们在 EmEditor 中用 POSIX 做个小实验。首先查看帮助，看看在 EmEditor 可以使用什么样的 POSIX 语法，下表中列出了所有可用的 POSIX 语法。

Character Classes

The following character classes are used within a character set such as "[:classname:]". For instance, "[[:space:]]" is the set of all whitespace characters.

alnum	Any alphanumeric character.
alpha	Any alphabetical character a-z, A-Z, and other character.
blank	Any blank character, either a space or a tab.
cntrl	Any control character.
digit	Any digit 0-9.
graph	Any graphical character.
lower	Any lowercase character a-z, and other lowercase character.
print	Any printable character.
punct	Any punctuation character.
space	Any whitespace character.
upper	Any uppercase character A-Z, and other uppercase character.
xdigit	Any hexadecimal digit character, 0-9, a-f and A-F.
word	Any word character - all alphanumeric characters plus the underscore.
unicode	Any character whose code is greater than 255.

从表格中可以看出[:digit:]的作用与[0-9]完全一样，所以，当从例子的 SQL 语句中查找匹配内容时，16 和 24 被成功的匹配。

五、修饰符

在使用正则表达式时，有时候我们需要使用一些选项来控制匹配的模式。比如我们的表达式是否需要严格地按照字母大小写来进行匹配；表达式是否可以按行为单位来进行工作。 大多数支持正则表达式的编辑器都会提供一个“是否区分大小写”的选项；而在编程语言中，使用正则表达式功能时如果没有特别指定操作选项，结果都是按行为单位返回的。对于修饰符的详细使用我们会在后面的应用章节详细叙述。