Regular Expressions
Classes de caractères

Remarques

Les bases

Supposons que nous ayons une liste d'équipes nommées comme ceci: Team A , Team B ,…, Team Z Alors:

• Team [AB] : Cela correspondra à l’ Team A ou à l’ Team B
• Team [^AB] : Cela correspond à n'importe quelle équipe à l' exception de l' Team A ou de l' Team B

Nous avons souvent besoin de faire correspondre des caractères qui "appartiennent" ensemble dans un contexte ou un autre (comme des lettres de A à Z ), et c'est à cela que servent les classes de caractères.

Match différent, mots similaires

Considérons la classe de caractère [aeiou] . Cette classe de caractères peut être utilisée dans une expression régulière pour correspondre à un ensemble de mots épelés de la même manière.

b[aeiou]t correspond à:

• chauve souris
• pari
• bit
• bot
• mais

Il ne correspond pas:

• combat
• btt
• bt

Les classes de personnage correspondent à un et un seul personnage à la fois.

Correspondance non alphanumérique (classe de caractères nuls)

[^0-9a-zA-Z]

Cela correspondra à tous les caractères qui ne sont ni des chiffres ni des lettres (caractères alphanumériques). Si le caractère de soulignement _ est également à nier, l'expression peut être raccourcie à:

[^\w]

Ou:

\W

Dans les phrases suivantes:

1. Salut, ça va?

2. J'ai hâte pour 2017 !!!

Les caractères suivants correspondent à:

1. , , , ' , ? et le caractère de fin de ligne.

2. ' , , ! et le caractère de fin de ligne.

UNICODE NOTE
Notez que certaines variantes prenant en charge les propriétés de caractères Unicode peuvent interpréter \w et \W comme [\p{L}\p{N}_] et [^\p{L}\p{N}_] ce qui signifie d'autres lettres Unicode et les caractères numériques seront également inclus (voir documents PCRE ). Voici un test PCRE \w :

Dans .NET, \w = [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Lm}\p{Mn}\p{Nd}\p{Pc}] , et notez qu'il ne correspond pas à \p{Nl} et à \p{No} contrairement à PCRE (voir la documentation de \w .NET ):

Notez que pour une raison quelconque, les lettres minuscules Unicode 3.1 (comme 𝐚𝒇𝓌𝔨𝕨𝗐𝛌𝛚 ) ne correspondent pas.

Java (?U)\w correspondra à un mélange de ce que \w correspond dans PCRE et .NET:

Correspondance sans chiffres (classe de caractères négative)

[^0-9]

Cela correspondra à tous les caractères qui ne sont pas des chiffres ASCII.

Si les chiffres Unicode doivent également être annulés, l'expression suivante peut être utilisée, en fonction de vos paramètres de saveur / langue:

[^\d]

Cela peut être raccourci à:

\D

Vous devrez peut-être activer explicitement la prise en charge des propriétés de caractère Unicode en utilisant le modificateur u ou par programmation dans certaines langues, mais cela peut ne pas être évident. Pour transmettre explicitement l'intention, la construction suivante peut être utilisée (lorsque le support est disponible):

\P{N}

Ce qui signifie par définition : tout caractère qui n'est pas un caractère numérique dans un script. Dans une plage de caractères négative, vous pouvez utiliser:

[^\p{N}]

Dans les phrases suivantes:

1. Salut, ça va?

2. J'ai hâte pour 2017 !!!

Les caractères suivants seront appariés:

1. , , , ' , ? , le caractère de fin de ligne et toutes les lettres (minuscules et majuscules).

2. ' , , ! , le caractère de fin de ligne et toutes les lettres (minuscules et majuscules).

Classe de personnage et problèmes communs rencontrés par les débutants

1. Classe de caractère

La classe de caractères est désignée par [] . Le contenu d'une classe de caractères est traité single character separately . par exemple, supposons que nous utilisions

[12345]

Dans l'exemple ci-dessus, cela signifie correspondre à 1 or 2 or 3 or 4 or 5 . En termes simples, il peut être compris comme or condition for single characters ( accent sur un seul caractère )

1.1 Mot de prudence

• Dans la classe de caractères, il n'y a aucun concept de correspondance d'une chaîne. Donc, si vous utilisez regex [cat] , cela ne signifie pas qu'il devrait correspondre littéralement au mot cat mais cela devrait correspondre à c ou a ou t . Il s’agit d’un malentendu très courant chez les personnes les plus récentes.
• Parfois, les gens utilisent | (alternance) à l'intérieur de la classe de caractères en pensant qu'il agira comme une OR condition qui est incorrecte. par exemple en utilisant [a|b] signifie en fait correspondre à a ou | (littéralement) ou b .

2. Gamme dans la classe de caractères

La plage de la classe de caractères est indiquée par un signe - . Supposons que nous voulons trouver un caractère dans les alphabets anglais de A à Z Cela peut être fait en utilisant la classe de caractères suivante

[A-Z]

Cela pourrait être fait pour toute plage ASCII ou unicode valide. Les gammes les plus couramment utilisées comprennent [AZ] , [az] ou [0-9] . En outre, ces plages peuvent être combinées en classe de caractères

[A-Za-z0-9]

Cela signifie que tous les caractères compris entre A to Z ou a to z ou 0 to 9 . La commande peut être n'importe quoi. Donc, ce qui précède est équivalent à [a-zA-Z0-9] tant que la plage que vous définissez est correcte.

2.1 Mot de prudence

• Parfois, lorsque vous écrivez des plages pour A à Z gens l'écrivent comme [Az] . C'est faux dans la plupart des cas car nous utilisons z au lieu de Z Donc, cela correspond à n'importe quel caractère de la plage ASCII 65 (de A) à 122 (de z), qui inclut de nombreux caractères non intentionnels après la plage ASCII 90 (de Z). Cependant , [Az] peut être utilisé pour faire correspondre toutes les lettres [a-zA-Z] dans une expression régulière de type POSIX lorsque le classement est défini pour une langue particulière. [[ "ABCEDEF[]_abcdef" =~ ([Az]+) ]] && echo "${BASH_REMATCH[1]}" sur Cygwin avec LC_COLLATE="en_US.UTF-8" produit ABCEDF . Si vous définissez LC_COLLATE sur C (sur Cygwin, fait avec export ), cela donnera le ABCEDEF[]_abcdef attendu.

• Signification de - classe de caractères à l'intérieur est spécial. Il désigne la plage comme expliqué ci-dessus. Que faire si nous voulons correspondre - caractère littéralement? Nous ne pouvons pas le mettre ailleurs, sinon il indiquera des plages s'il est placé entre deux caractères. Dans ce cas , nous devons mettre - en début de classe de caractères comme [-AZ] ou en fin de classe de caractères comme [AZ-] ou escape it si vous voulez l' utiliser au milieu comme [AZ\-az] .

3. Classe de caractère nié

La classe de caractère négatif est désignée par [^..] . Le signe caret ^ correspond à n'importe quel caractère à l'exception de celui présent dans la classe de caractères. par exemple

[^cat]

signifie que n'importe quel caractère, sauf c ou a ou t .

3.1 Mot de prudence

• Le sens du signe caret ^ correspond à la négation que s'il se trouve au début de la classe de caractères. S'il est ailleurs dans la classe de caractères, il est traité comme un caractère littéral sans signification particulière.
• Certaines personnes écrivent des regex comme [^] . Dans la plupart des moteurs de regex, cela génère une erreur. La raison en est lorsque vous utilisez ^ dans la position de départ, il attend au moins un caractère qui devrait être annulé. En JavaScript cependant, il s'agit d'une construction valide correspondant à tout sauf à rien , c.-à-d. Qu'elle correspond à n'importe quel symbole possible (sauf les signes diacritiques, au moins dans ES5).

Classes de caractères POSIX

Les classes de caractère POSIX sont des séquences prédéfinies pour un certain ensemble de caractères.

Des classes de caractères supplémentaires peuvent être disponibles en fonction de l'implémentation et / ou des paramètres régionaux.

Pour utiliser l'intérieur d'une séquence de parenthèses (alias classe de caractères), vous devriez également inclure les crochets. Exemple:

[[:alpha:]]

Cela correspondra à un caractère alphabétique.

[[:digit:]-]{2}

Cela correspondra à 2 caractères, soit des chiffres, soit - . Ce qui suit correspondra à:

• --
• 11
• -2
• 3-

Plus d'informations sont disponibles sur: Regular-expressions.info