学习正则表达式

字符组

普通字符组

字符组是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种字符”，其写法是在一对方括号[和]之间列出所有可能出现的字符，简单的字符组包括[ab]、 [314]、[#.?]等。

普通字符串匹配数字字符的正则表达式：

[0123456789]

范围字符组

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 麻烦，这样 就可以表示为确实比的形式表示 x 到 y 整个范围内的字符，省去一一列出的麻烦。 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。因此[0-9] 是合法的，[9-0]会报错。

范围字符串匹配数字字符的正则表达式：

[0-9]

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

表示十六进制

[0-9a-fA-F]

字符串转义

在字符组中，如果要匹配的字符是特殊字符，就需要对特殊字符进行转义，比如要匹配字符组中的-，就需要对-进行转义，即\-。但是有时候却不需要转义。

如果要在字符组中匹配-，最好的办法是把-放在字符组的最前面或者最后面，这样就不需要转义了。比如，要匹配-，可以写成[0-9-]或者[-0-9]。

同理，如果要字符组中匹配方括号，则需要在方括号前面加上反斜杠\进行转义，即[123\]567]如果要匹配[123]567，则正则表达式为\[123\]567]，末尾的]不需要转义。

取反字符组

在字符组中，如果在第一个字符前面加上^，则表示取反，即不匹配字符组中的字符。比如，[^0-9]表示不匹配数字字符，[^a-z]表示不匹配小写字母。取反字符组必须匹配一个字符，如果不匹配任何字符，则会报错。

匹配0,9之外的数字

java

[^09]

^是正则表达式的元字符，只在[后面才表示取反，如果^不在[后面，匹配时不需要转义。 [0^12]和[\^012]是等价的，都表示匹配字符0、^或1、2。但是后者写起来会麻烦一些。

字符组简记法

对于常用的字符组，正则表达式提供了简记法，比如\d表示数字字符，\w表示单词字符，\s表示空白字符。

\w 匹配单词字符，即字母、数字或下划线。如果只要匹配字母和数字，可以使用[a-zA-Z0-9]。

简记法也可以和普通字符组、范围字符组、取反字符组混合使用。

用在普通字符串内部

[\da-zA-Z]表示匹配数字字符或字母字符。

用在取反字符组内部

[^\w]表示匹配非单词字符。

\D, \W, \S 的使用

\D、\W、\S分别表示非数字字符、非单词字符、非空白字符。他们与\d、\w、\s形成互补关系。

匹配所有字符

[\s\S],\s表示空白字符，\S表示非空白字符，因此[\s\S]表示所有字符。同理，[\d\D] 和 [\w\W]表示所有字符。

如果在字符组中使用了简记法，则最好不要出现范围字符组，比如[\d-a]，简记法和范围字符组混用会导致不可预知的结果。

字符组运算

有部分编程语言提供了字符组运算的支持。不同的编程语言支持的字符组运算符不同，比如Java中的字符组运算符是&&，而Go中的字符组运算符是-。

我们要实现在字母中排除元音字母的效果，按照之前的写法，需要写成[bcdfghjklmnpqrstvwxyz]或者[b-df-hj-np-tv-z]，如果使用字符组运算，可以写成[a-z&&[^aeiou]] 。在这里，&&表示字符组运算符，&&前面的字符组表示基础字符组，&&后面的字符组表示排除字符组，即基础字符组中排除排除字符组中的字符。两者取交集，得到最终的字符组。

POSIX 字符组

以上的字符组定义都属于PCRE的流派，PCRE是Perl语言的正则表达式引擎，它的正则表达式语法和Perl语言的正则表达式语法基本一致，在大多数语言中得到了支持。 POSIX字符组是POSIX的流派，POSIX 是一个操作系统标准，它定义了操作系统的接口和行为，比如Linux/Unix操作系统都是基于POSIX标准的。 它的语法和普通字符组不同，但是功能和普通字符组一样。POSIX字符组的语法是[:name:]，其中name 是字符组的名称。他主要的的使用场景是Linux/Unix环境下各种工具（比如grep、sed、awk等）的正则表达式。

不同语言对POSIX字符组的支持情况不同，视具体情况而定。