正則表達式[]裏的五個特殊字符
在正則表達式[]
裏面,主要的特殊字符有五個:[]-\^
。
它們在特定情況下,需要表達本身的字面意思,就需要做轉義處理;如果不做轉義處理,可能會得到其他的意義,從而得到錯誤的匹配結果。
除了這五個字符以外,在[]
中的.
、*
、+
、|
都是沒有任何特殊意義的,它們都表示它們本身的字面意思,也就是說,*
就是*
。
下面深入講解下正則表達式[]
裏的這五個特殊字符:
(一)[
和 ]
因爲與正則表達式[]
本身衝突,因此,需要匹配其本身時,需要進行轉義處理。
例如,
源文本:我是一名[PHP]工程師,而不是一名[Java]工程師,也不是一名[C++]工程師,更不是一名[C#]工程師。
需求:匹配[]
中的工程師類型,工程師類型由大小寫字母和+#
構成。
正則:\[([a-zA-Z+#]+)\]
(二)-
一般情況下,我們會使用[0-9]
或者[a-z]
這樣的表達式來表達數字和小寫字母,也就是說,-
在此處的意思是表達一個範圍值,即從0
到9
和從a
到z
。
如果我們想要得到一個由*
或-
或+
組成的匹配時,可能有些人會寫成[*-+]
,而且,有些時候測試用例不完整的情況下,還發現不了問題。
[*-+]
這個表達式其實表示的是*
的ASCII值到+
的ASCII值的範圍,在我們常見的字母、數字、特殊字符區間裏,它剛好能匹配*
和+
,卻並沒像預期那樣匹配到-
。甚至,如果你寫成了[+-*]
,它還會報錯,就像你不能寫成[9-0]
一樣,它會提示你:Warning: preg_match(): Compilation failed: range out of order in character class at offset 3
。而如果你寫成了[-*+]
或者[*+-]
,那麼恭喜你,你碰巧寫對了。
因此,對於[]
中的-
,如果需要表達其字面意思,除非我們把它寫到了[]
的開頭或者結尾,我們都是需要做轉義處理的,也就是[*\-+]
。雖然寫到開頭或結尾不需要轉義,但我還是建議,需要表達-
本身字面意思時,最好都使用轉義,這也便於維護者對於該表達式的理解。
(三)\
\
本身是轉義符,如果你不對它做轉義,它將對其後面的字符做轉義,所以,這個字符要表達其字面意思時,必須做轉義,也就是\\
。
(四)^
^
我們常見用法是[^0-9]
這種,在[]
中放到開頭,用於表示排除,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^
寫到了[]
的其他地方,也就是不在開頭時,它就表示它自己的字面意思了。
跟-
一樣,雖然在不同位置能讓它的特殊功能失效,但是想要匹配其字面意思時,我還是建議大家對它進行轉義處理,也就是[\^]
這樣。
(五) 總結
別問我爲什麼只有4個,請回去看看(一)裏有幾個。
在正則表達式[]
裏面,主要有五個特殊字符:[]-\^
,需要表達其字面意思時,最好都對它們進行轉義,而其他的任何字符,在[]
都只能表達其字面意思。
因此,特別強調一個非常常見的錯誤寫法:[https|http]
有些人想要表達https
或者http
的意思,就寫了這個錯誤匹配,我們會發現,上面的式子其實等價[htps|]
,原因很簡單,[]
是單字符匹配,而且裏面的|
只能表達其字面意思。對於這個例子的改正可以用下面兩種寫法: (https|http)
和 https?
。 (https|http)
,利用了|
字符 或 的意義,因爲|
的作用域是從左到右,直到遇到括號爲止,因此,使用|
的時候需要特別留意,一定要使用括號限定,否則又可能陷入另一個錯誤當中,如^https|http://
,本來要表達^https://
或^http://
,卻得到了^https
和http://
。 https?
,這個利用了?
的0個或1個匹配的意義,如果s?
匹配0個,那麼就能匹配http
,如果s?
匹配1個,那麼就能匹配https
,從而達到預期目的。