Regular Expressions
Classi di caratteri

Osservazioni

Le basi

Supponiamo di avere una lista di squadre, chiamate così: Team A , Team B , ..., Team Z Poi:

• Team [AB] : Questo corrisponderà alla Team A o alla Team B
• Team [^AB] : Questo corrisponderà a qualsiasi squadra eccetto la Team A o la Team B

Spesso abbiamo bisogno di abbinare caratteri che "appartengono" insieme in un contesto o in un altro (come le lettere dalla A alla Z ), e questo è ciò che le classi di caratteri sono per.

Abbina parole diverse e simili

Considera la classe del personaggio [aeiou] . Questa classe di caratteri può essere utilizzata in un'espressione regolare per abbinare un insieme di parole simili pronunciate.

b[aeiou]t corrisponde:

• pipistrello
• scommessa
• po
• Bot
• ma

Non corrisponde:

• incontro
• BTT
• bt

Classi di personaggi sulla propria partita, uno e un solo personaggio alla volta.

Corrispondenza non-alfanumerici (classe di caratteri negata)

[^0-9a-zA-Z]

Questo corrisponderà a tutti i caratteri che non sono né numeri né lettere (caratteri alfanumerici). Se anche il carattere di sottolineatura _ deve essere negato, l'espressione può essere abbreviata in:

[^\w]

O:

\W

Nelle seguenti frasi:

1. Ciao come va?

2. Non posso aspettare per il 2017 !!!

I seguenti personaggi corrispondono:

1. , , , ' , ? e il carattere di fine riga.

2. ' , , ! e il carattere di fine riga.

NOTA UNICODE
Si noti che alcuni sapori con supporto delle proprietà dei caratteri Unicode possono interpretare \w e \W come [\p{L}\p{N}_] e [^\p{L}\p{N}_] che significa altre lettere Unicode e saranno inclusi anche i caratteri numerici (vedere i documenti PCRE ). Ecco un test PCRE \w :

In .NET, \w = [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Lm}\p{Mn}\p{Nd}\p{Pc}] , e nota che non corrisponde a \p{Nl} e \p{No} differenza di PCRE (vedi la documentazione di \w .NET ):

Si noti che per qualche motivo, le lettere minuscole Unicode 3.1 (come 𝐚𝒇𝓌𝔨𝕨𝗐𝛌𝛚 ) non corrispondono.

Java (?U)\w corrisponderà a un mix di ciò che \w corrisponde in PCRE e .NET:

Corrispondenza senza cifre (classe di caratteri negata)

[^0-9]

Questo corrisponderà a tutti i caratteri che non sono cifre ASCII.

Se anche le cifre Unicode devono essere negate, è possibile utilizzare la seguente espressione, a seconda delle impostazioni di gusto / lingua:

[^\d]

Questo può essere abbreviato in:

\D

Potrebbe essere necessario abilitare il supporto delle proprietà dei caratteri Unicode in modo esplicito utilizzando il modificatore u o programmaticamente in alcune lingue, ma ciò potrebbe non essere ovvio. Per convogliare esplicitamente l'intento, è possibile utilizzare il seguente costrutto (quando il supporto è disponibile):

\P{N}

Che per definizione significa: qualsiasi carattere che non sia un carattere numerico in nessun copione. In un intervallo di caratteri negato, puoi usare:

[^\p{N}]

Nelle seguenti frasi:

1. Ciao come va?

2. Non posso aspettare per il 2017 !!!

I seguenti personaggi saranno abbinati:

1. , , , ' , ? , il carattere di fine riga e tutte le lettere (minuscole e maiuscole).

2. ' , , ! , il carattere di fine riga e tutte le lettere (minuscole e maiuscole).

Classe di personaggio e problemi comuni affrontati dal principiante

1. Classe di caratteri

La classe di caratteri è indicata da [] . Il contenuto all'interno di una classe di caratteri viene considerato single character separately come single character separately . ad esempio, supponiamo di usarlo

[12345]

Nell'esempio sopra, significa match 1 or 2 or 3 or 4 or 5 . In parole semplici, può essere inteso come or condition for single characters ( stress su singolo carattere )

1.1 Parola di cautela

• Nella classe di caratteri, non esiste il concetto di abbinamento di una stringa. Quindi, se stai usando regex [cat] , non significa che dovrebbe corrispondere alla parola cat letteralmente, ma significa che dovrebbe corrispondere a c o a o t . Questo è un malinteso molto comune tra le persone che sono più recenti a regex.
• A volte le persone usano | (alternanza) all'interno della classe del personaggio pensando che agirà come una OR condition errata. ad esempio, usare [a|b] significa effettivamente abbinare a o | (letteralmente) o b .

2. Intervallo nella classe di caratteri

L'intervallo nella classe di caratteri è denotato usando - segno. Supponiamo di voler trovare qualsiasi carattere negli alfabeti inglesi dalla A alla Z Questo può essere fatto usando la seguente classe di caratteri

[A-Z]

Questo potrebbe essere fatto per qualsiasi intervallo ASCII o unicode valido. Le gamme più comunemente utilizzate includono [AZ] , [az] o [0-9] . Inoltre queste gamme possono essere combinate in classi di caratteri come

[A-Za-z0-9]

Ciò significa che corrisponde a qualsiasi carattere nell'intervallo da A to Z o da A to Z o a to z 0 to 9 . L'ordine può essere qualsiasi cosa. Quindi quanto sopra è equivalente a [a-zA-Z0-9] a condizione che l'intervallo definito sia corretto.

2.1 Parola di cautela

• A volte scrivendo intervalli per persone dalla A alla Z scrivilo come [Az] . Questo è sbagliato nella maggior parte dei casi perché stiamo usando z invece di Z Quindi questo corrisponde a qualsiasi carattere compreso tra 65 ASCII (da A) a 122 (di z) che include molti caratteri non intenzionali dopo l'intervallo ASCII 90 (di Z). TUTTAVIA , [Az] può essere usato per abbinare tutte le lettere [a-zA-Z] in espressioni regolari in stile POSIX quando le regole di confronto sono impostate per una lingua specifica. [[ "ABCEDEF[]_abcdef" =~ ([Az]+) ]] && echo "${BASH_REMATCH[1]}" su Cygwin con LC_COLLATE="en_US.UTF-8" produce ABCEDF . Se si imposta LC_COLLATE su C (su Cygwin, fatto con export ), verrà fornito l' ABCEDEF[]_abcdef previsto.

• Significato di - classe del personaggio interno è speciale. Denota gamma come spiegato sopra. Cosa succede se vogliamo corrispondere - personaggio letteralmente? Non possiamo metterlo da nessuna parte altrimenti indicherà intervalli se è posto tra due caratteri. In questo caso dobbiamo mettere - in partenza della classe di caratteri come [-AZ] o in fine della classe di caratteri come [AZ-] o escape it se si desidera utilizzarlo in mezzo come [AZ\-az] .

3. Classe di caratteri negata

La classe di caratteri negata è denotata da [^..] . Il segno di omissione ^ indica corrispondere qualsiasi carattere tranne quello presente nella classe di caratteri. per esempio

[^cat]

significa che corrisponde a qualsiasi carattere tranne c o a o t .

3.1 Parola di cautela

• Il significato del segno di caret ^ esegue la mappatura alla negazione solo se si trova all'inizio della classe di caratteri. Se è altrove nella classe di caratteri, viene trattato come carattere letterale senza alcun significato speciale.
• Alcune persone scrivono espressioni regolari come [^] . Nella maggior parte dei motori regex, questo dà un errore. Il motivo è che quando stai usando ^ nella posizione iniziale, si aspetta almeno un carattere che dovrebbe essere negato. In JavaScript , però, questo è un costrutto valido che combina tutto tranne che nulla , cioè corrisponde a qualsiasi simbolo possibile (ma diacritico, almeno in ES5).

Classi di caratteri POSIX

Le classi di caratteri POSIX sono sequenze predefinite per un determinato set di caratteri.

Sono disponibili classi di caratteri aggiuntive a seconda dell'implementazione e / o della locale.

Per usare l'interno di una sequenza di parentesi (o classe di caratteri), dovresti includere anche le parentesi quadre. Esempio:

[[:alpha:]]

Questo corrisponderà a un carattere alfabetico.

[[:digit:]-]{2}

Questo corrisponderà a 2 caratteri, che sono o cifre o - . Il seguente corrisponderà:

• --
• 11
• -2
• 3-

Ulteriori informazioni sono disponibili su: Regular-expressions.info