Regular Expressions
Klasy postaci

Uwagi

Podstawy

Załóżmy, że mamy listę drużyn o takich nazwach: Team A , Team B , ..., Team Z Następnie:

• Team [AB] : Będzie pasować albo Team A albo Team B
• Team [^AB] : To pasuje do dowolnej drużyny oprócz Team A lub Team B

Często musimy dopasowywać znaki, które „należą” do siebie w jakimś kontekście (np. Litery od A do Z ) i do tego służą klasy znaków.

Dopasuj różne, podobne słowa

Rozważ klasę znaków [aeiou] . Tej klasy znaków można użyć w wyrażeniu regularnym, aby dopasować zestaw słów o podobnej pisowni.

b[aeiou]t pasuje:

• nietoperz
• Zakład
• kawałek
• nerw
• ale

Nie pasuje:

• atak
• btt
• bt

Klasy postaci same w sobie pasują do jednej i tylko jednej postaci na raz.

Dopasowanie niealfanumeryczne (zanegowana klasa znaków)

[^0-9a-zA-Z]

Spowoduje to dopasowanie wszystkich znaków, które nie są ani cyframi, ani literami (znaki alfanumeryczne). Jeśli znak podkreślenia _ ma również zostać zanegowany, wyrażenie można skrócić do:

[^\w]

Lub:

\W

W następujących zdaniach:

1. Cześć co tam?

2. Nie mogę się doczekać 2017 roku !!!

Pasują następujące znaki:

1. , , , ' , ? i znak końca linii.

2. ' , , ! i znak końca linii.

UWAGA UNICODE
Zauważ, że niektóre smaki z obsługą właściwości znaków Unicode mogą interpretować \w \W jako [\p{L}\p{N}_] i [^\p{L}\p{N}_] co oznacza inne litery Unicode zostaną również uwzględnione znaki numeryczne (patrz dokumenty PCRE ). Oto PCRE \w teście :

W .NET, \w = [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Lm}\p{Mn}\p{Nd}\p{Pc}] , i zauważ, że nie pasuje \p{Nl} i \p{No} przeciwieństwie do PCRE (zobacz dokumentację \w .NET ):

Zauważ, że z jakiegoś powodu małe litery Unicode 3.1 (jak 𝐚𝒇𝓌𝔨𝕨𝗐𝛌𝛚 ) nie są dopasowane.

Java (?U)\w dopasuje kombinację tego, co \w pasuje do PCRE i .NET:

Dopasowanie bez cyfr (zanegowana klasa znaków)

[^0-9]

Spowoduje to dopasowanie wszystkich znaków, które nie są cyframi ASCII.

Jeśli cyfry Unicode mają być również negowane, można użyć następującego wyrażenia, w zależności od ustawień smaku / języka:

[^\d]

Można to skrócić do:

\D

Może być konieczne włączenie obsługi właściwości znaków Unicode jawnie za pomocą modyfikatora u lub programowo w niektórych językach, ale może to nie być oczywiste. Aby jawnie przekazać intencję, można zastosować następującą konstrukcję (gdy dostępna jest obsługa):

\P{N}

Co z definicji oznacza: dowolny znak, który nie jest znakiem numerycznym w żadnym skrypcie. W negowanym zakresie znaków możesz użyć:

[^\p{N}]

W następujących zdaniach:

1. Cześć co tam?

2. Nie mogę się doczekać 2017 roku !!!

Dopasowane zostaną następujące znaki:

1. , , , ' , ? , znak końca wiersza i wszystkie litery (małe i wielkie litery).

2. ' , , ! , znak końca wiersza i wszystkie litery (małe i wielkie litery).

Klasa postaci i typowe problemy, z którymi boryka się początkujący

1. Klasa postaci

Klasa znaków jest oznaczona przez [] . Treść w klasie znaków traktowana jest single character separately jako single character separately . np. załóżmy, że używamy

[12345]

W powyższym przykładzie oznacza dopasowanie 1 or 2 or 3 or 4 or 5 . Krótko mówiąc, można to rozumieć jako or condition for single characters ( nacisk na pojedynczy znak )

1.1 Słowo ostrzeżenia

• W klasie znaków nie ma koncepcji dopasowania łańcucha. Tak więc, jeśli używasz wyrażenia regularnego [cat] , nie oznacza to, że powinno ono dosłownie pasować do słowa cat ale oznacza, że powinno pasować do c lub a lub t . Jest to bardzo powszechne nieporozumienie występujące wśród osób, które są nowsze do wyrażenia regularnego.
• Czasami ludzie używają | (alternacja) wewnątrz klasy postaci, myśląc, że będzie działać jako OR condition który jest zły. np. użycie [a|b] faktycznie oznacza dopasowanie a lub | (dosłownie) lub b .

2. Zasięg w klasie znaków

Zasięg w klasie znaków oznaczono za pomocą znaku - . Załóżmy, że chcemy znaleźć dowolny znak w alfabecie angielskim od A do Z Można to zrobić za pomocą następującej klasy znaków

[A-Z]

Można to zrobić dla dowolnego prawidłowego zakresu ASCII lub Unicode. Najczęściej używane zakresy to [AZ] , [az] lub [0-9] . Ponadto zakresy te można łączyć w klasie postaci jako

[A-Za-z0-9]

Oznacza to, że pasuje dowolny znak z zakresu od A to Z lub od a to z lub od 0 to 9 . Kolejność może być dowolna. Tak więc powyższe jest równoważne z [a-zA-Z0-9] o ile zdefiniowany zakres jest poprawny.

2.1 Słowo ostrzeżenia

• Czasami pisząc zakresy od A do Z ludzie piszą to jako [Az] . Jest to błędne w większości przypadków, ponieważ używamy z zamiast Z Oznacza to, że pasuje do dowolnego znaku z zakresu ASCII od 65 (z A) do 122 (z z), który zawiera wiele niezamierzonych znaków po 90 zakresu ASCII (z Z). JEDNAK , [Az] może być użyte do dopasowania wszystkich liter [a-zA-Z] w wyrażeniu regularnym w stylu POSIX, gdy zestawianie jest ustawione dla określonego języka. [[ "ABCEDEF[]_abcdef" =~ ([Az]+) ]] && echo "${BASH_REMATCH[1]}" na Cygwin z LC_COLLATE="en_US.UTF-8" daje ABCEDF . Jeśli ustawisz LC_COLLATE na C (w Cygwin, zrobione z export ), da oczekiwaną ABCEDEF[]_abcdef .

• Znaczenie - wewnątrz klasy postaci jest wyjątkowe. Oznacza zakres, jak wyjaśniono powyżej. Co jeśli chcemy dopasować - dosłownie charakter? Nie możemy go nigdzie umieścić, inaczej oznaczałoby zakresy, jeśli zostanie umieszczone między dwoma znakami. W takim przypadku musimy wstawić - na początku klasy postaci, takiej jak [-AZ] lub na końcu klasy postaci, takiej jak [AZ-] lub escape it jeśli chcesz użyć jej na środku, jak [AZ\-az] .

3. Negowana klasa postaci

Negowana klasa znaków jest oznaczona przez [^..] . Znak karetki ^ oznacza dopasowanie dowolnego znaku z wyjątkiem tego, który występuje w klasie znaków. na przykład

[^cat]

oznacza dopasowanie dowolnego znaku oprócz c lub a lub t .

3.1 Słowo ostrzeżenia

• Znaczenie znaku karetki ^ odwzorowuje się na negację tylko wtedy, gdy występuje na początku klasy postaci. Jeśli jest gdziekolwiek indziej w klasie, jest traktowany jako dosłowny znak karetki bez żadnego specjalnego znaczenia.
• Niektórzy piszą wyrażenia regularne takie jak [^] . W większości silników wyrażeń regularnych powoduje to błąd. Ponieważ używasz ^ w pozycji początkowej, oczekuje co najmniej jednego znaku, który powinien być zanegowany. Jednak w JavaScript jest to poprawna konstrukcja pasująca do wszystkiego, ale nic , tzn. Pasuje do dowolnego możliwego symbolu (ale znaków diakrytycznych, przynajmniej w ES5).

Klasy postaci POSIX

Klasy znaków POSIX to predefiniowane sekwencje dla określonego zestawu znaków.

Dodatkowe klasy postaci mogą być dostępne w zależności od implementacji i / lub ustawień regionalnych.

Aby użyć wewnętrznej sekwencji nawiasów (zwanej także klasą znaków), należy również dołączyć nawiasy kwadratowe. Przykład:

[[:alpha:]]

Dopasuje jeden znak alfabetyczny.

[[:digit:]-]{2}

Dopasuje 2 znaki, które są albo cyframi, albo - . Następujące będą pasować:

• --
• 11
• -2
• 3-

Więcej informacji jest dostępnych na: Regular-expressions.info