Regex（二）——元字元

標籤：style   blog   http   color   使用   strong   

   正則中的字元分為元字元和一般字元，一般字元就匹配它本身（寫什麼就是什麼，比如正則中寫字母‘a’，匹配的時候就匹配字母‘a’），而元字元是Regex中最基本的內容，也是最核心的內容，基本上所有的Regex都由“元字元”組成，元字元就是Regex的基礎。在此文中，會涉及到字元組，多選結構，點號以及預定義字元集的基本介紹。

什麼是“元字元”

   所謂元字元就是指那些在Regex中具有特殊意義的專用字元。這些元字元（專用的字元或則字元組），可以代替多個一個或多個字元。下面用一個圖來展示一下基本的元字元

   上面這個圖包含了基本的‘元字元’，包括量詞、邊界匹配、字元匹配、邏輯、分組、環視和一些特殊的構造等等這些內容。

元字元——字元組

   字元組分為兩種：一般字元組和排除型字元組

   一、一般字元組

   “[······]”，以左邊這種結構出現的Regex，就叫普通的字元組，它會匹配[·····]結構體中的字元的任意一個字元。

   例如：[abc]

   字元‘a’能匹配‘a’，字元‘b’能匹配‘b’，字元‘c’能匹配‘c’，而[abc]則表示匹配‘a’、‘b’、‘c’三個字元的中任意一個。

   從編程的角度看就是一個‘或’的判斷條件等同於另一個Regex(a|b|c)，要不就匹配‘a’，要不就匹配‘b’，要不就匹配‘c’。

   舉個簡單的例子，咱走一遍流程。

   Regex：‘gr[ae]y’

   首先匹配‘g’，接下來是‘r’，然後是一個‘a’或‘e’，最後是一個‘y’。由這樣的流程可以知道，這個Regex可以匹配的文本為‘grey’或者‘gray’

   我們也可以用連字號‘-’來表示一個範圍，配合[······]結構體來匹配一個範圍中的一個字元。比如：

   Regex：[a-d0-9]

   這個Regex可以匹配0,1,2,3,4,5,6,7,8,9,a,b,c,d中的任意一個字元。這種有兩個包括兩個以上範圍的Regex叫做‘多重範圍’

   ‘-’連字號只有在[·····]結構體中才是元字元，否則它只能匹配普通的連字號號，當然，如果‘-’字元在[·····]結構體的開頭，那麼它也只是普通的字元，例如

   Regex：[-!.?abc]

   此時的‘-’就表示它本身，這個Regex可以匹配‘-’，‘!’，‘.’，‘?’，‘a’，‘b’，‘c’中的任意一個

   二、排除型字元組

   “[^·····]”，以左邊這種結構出現的Regex，就叫做排除型字元組，它會匹配[^·····]結構體中的字元以外的任意一個字元，就是說，除了^·····]結構體中的字元，其它字元都能匹配。

   例如：[^abc]

   上面這個Regex就能匹配d，匹配e，匹配d-z，A-Z，匹配任一數字，匹配‘?’之類的符號，但是就是不能匹配‘a’，‘b’，‘c’這三個字元中的任意一個

元字元——點號匹配任一字元

   ‘.’點號可以匹配除分行符號\n的其餘任一字元（只要點號不在字元組內，在字元組內的元字元意義都是它本身）。當然，如果要匹配點號本身，就需要使用逸出字元‘\’來將轉義，即‘\.’

元字元——多選結構

   多選結構和字元組類似，都是‘或’的意思，在幾個選一個。但它們最大的區別在於，‘字元組’只能在單個字元間做選擇。而‘多選結構’是在多個運算式之間做選擇。例如：

   Regex：‘（grey|gray）’

   上面這個Regex的意思就是，要麼匹配grey，要麼匹配gray，匹配的結果等同於‘gr[ae]y’再舉個例子，就是:

   ‘Jeff(rey|ery)’

   先匹配‘J’，接下倆匹配‘e’，接下來匹配‘f’，接下來匹配‘f’，再接下來匹配‘rey’或者‘ery’的的其中一個，這就是多選結構執行的流程

元字元——預定義字元集

   預定義字元集就像中展示的，他們用‘\字母’的形式來代表多個字元，\d代表0至9，\s代表空白字元，\w代表0至9，a至z，A至Z。而他們的大些形式，則表示他們的差集合

   元字元也包括了量詞，位置匹配符，括弧，反向引用這些內容，這些內容會在後續單獨分開講解。

   參考：《精通Regex——第三版》

        《Python中的Regex教程》