正則表達式中使用方括弧定義自己的字元分類

問題描述：

python3 macOS系統
正則表達式中使用方括弧定義自己的字元分類，為什麼^要放在方括弧內？放在方括弧外為什麼會出錯？

網友觀點：

[^ ab] 放在裡邊表示不包含 a和 b
^ 放在外邊，表示以什麼開頭
兩個意思是不一樣的

字元串之正則表達式

推薦一個github程序員資料倉庫：

程序員免費資料倉

前言：

授人以魚不如授人以漁，大家在編程的時候總會遇到要查找某些複雜規則的字元串，例如在 linux 系統中，需要對多個文件里的某段代碼進行替換，你是不是還在每個文件打開逐一目標替換？如果你也有這樣的困惑那麼正則表達式就是你必須會的技能。

1、什麼是正則表達式

正則表達式是對字元串操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個 「規則字元串」 ，這個 「規則字元串」 用來表達對字元串的一種過濾邏輯。換句話說，正則表達式就是記錄文本規則的代碼。

很可能你使用過 Windows 下用於文件查找的通配符(wildcard)，也就是 * 和 ?。如果你想查找某個目錄下的所有的 pdf 文檔的話，可以直接搜索 *.pdf，如下：

在這裡，* 會被解釋成任意的字元串。和通配符類似，正則表達式也是用來進行文本匹配的工具，只不過比起通配符，它能更精確地描述你的需求。當然，代價就是更複雜，比如你可以編寫一個正則表達式，用來查找所有以 0 開頭，後面跟著 2-3 個數字，然後是一個連字號 「-」 ，最後是 7 或 8 位數字的字元串(像 011-12345678 或 0856-7654321)。

2、入門

學習正則表達式的最好方法是從例子開始。

• 假如你在一篇英文期刊里查找 me，你可以使用正則表達式 me。

這幾乎是最簡單的正則表達式了，它可以精確匹配這樣的字元串：由兩個字元組成，前一個字元是 m, 後一個是 e。通常，處理正則表達式的工具會提供一個忽略大小寫的選項，如果選中了這個選項，它可以匹配 me, ME, Me, mE 這四種情況中的任意一種。

不幸的是，很多單詞里包含 hi 這兩個連續的字元，比如 me, mean, measure等等。用 me 來查找的話，這裡邊的 me 也會被找出來。如果要精確地查找 me 這個單詞的話，我們應該使用 \\bme\\b。

\\b 是正則表達式規定的一個特殊代碼（有些人叫它元字元，metacharacter），代表著單詞的開頭或結尾，也就是單詞的分界處。雖然通常英文的單詞是由空格，標點符號或者換行來分隔的，但是 \\b 並不匹配這些單詞分隔字元中的任何一個，它只匹配一個位置。

• 假如你要找的是 me 後面不遠處跟著一個 james，你應該用 \\bme\\b.*\\bjames\\b。

這裡 . 是另一個元字元，匹配除了換行符以外的任意字元。* 同樣是元字元，不過它代表的不是字元，也不是位置，而是數量——它指定 * 前邊的內容可以連續重複使用任意次以使整個表達式得到匹配。

因此 .* 連在一起就意味著任意數量的不包含換行的字元。現在\\bme\\b.*\\bjames\\b的意思就很明顯了：先是一個單詞 me 然後是任意個任意字元(但不能是換行)，最後是 james 這個單詞。

3、元字元

正則表達式由一些普通字元和一些元字元（metacharacters）組成。普通字元包括大小寫的字母和數字，而元字元則具有特殊的含義，要想真正的用好正則表達式，正確的理解元字元是最重要的事情。下表列出了常用的元字元

4、字元轉義

如果想查找元字元本身的話，比如查找 . ,或者 * ,就出現了問題：你沒辦法指定它們，因為它們會被解釋成別的意思。這時就得使用 \\ 來取消這些字元的特殊意義。因此，應該使用 . 和 *。當然，要查找 \\ 本身，也得用 \\。

例如：mayday\\.net 匹配 http://mayday.net ，C:\\\\Windows匹配C:\\Windows。

5、重複

已經看過了前面的 * , + 幾個匹配重複的方式了。下面是正則表達式中所有的限定符(指定數量的代碼：

6、字元類

要想查找數字、字母、數字、空白已經很簡單，因為已經有了對應這些字符集合的元字元，但是如果你想匹配沒有預定義元字元的字符集合(比如母音字母 a,e,i,o,u ),應該怎麼辦？

很簡單，你只需要在方括弧里列出它們就行了，像 [aeiou] 就匹配任何一個英文母音字母， [.?!] 匹配標點符號( . 或 ? 或 !)。

我們也可以輕鬆地指定一個字元範圍，像 [0-9] 代表的含意與 \\d 就是完全一致的：一位數字；同理 [a-z0-9A-Z_] 也完全等同於 \\w （如果只考慮英文的話）。

下面是一個更複雜的表達式：\\(?0\\d{2}[) -]?\\d{8}。

這個表達式可以匹配幾種格式的電話號碼，像 011-22884499 ，或 0845652452 等。我們對它進行一些分析吧：首先是一個轉義字元 (,它能出現 0 次或 1 次 (?),然後是一個 0，後面跟著 2 個數字 (\\d{2})，然後是)或-或空格中的一個，它出現 1 次或不出現(?)，最後是 8 個數字(\\d{8})。

7、反義

有時需要查找不屬於某個能簡單定義的字元類的字元。比如想查找除了數字以外，其它任意字元都行的情況，這時需要用到反義

例子：

\\S+ 匹配不包含空白符的字元串。 <a[^>]+> 匹配用尖括弧括起來的以 a 開頭的字元串

8、分組

我們已經提到了怎麼重複單個字元（直接在字元後面加上限定符就行了）；但如果想要重複多個字元又該怎麼辦？可以用小括弧來指定子表達式(也叫做分組)，然後就可以指定這個子表達式的重複次數了，也可以對子表達式進行其它一些操作。

(\\d{1,3}\\.){3}\\d{1,3} 是一個簡單的 IP 地址匹配表達式。要理解這個表達式，請按下列順序分析它：\\d{1,3} 匹配 1 到 3 位的數字，(\\d{1,3}\\.){3} 匹配三位數字加上一個英文句號(這個整體也就是這個分組)重複 3 次，最後再加上一個一到三位的數字(\\d{1,3})。

可是也將匹配256.300.777.888這種不可能存在的 IP 地址。如果能使用算術比較的話，或許能簡單地解決這個問題，但是正則表達式中並不提供關於數學的任何功能，所以只能使用冗長的分組，選擇，字元類來描述一個正確的 IP 地址：((2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\.){3}(2[0-4]\\d|25[0-5]|[01]?\\d\\d?)。

理解這個表達式的關鍵是理解2[0-4]\\d|25[0-5]|[01]?\\d\\d?，這裡就不細說了，大家應該能分析得出來它的意義。

9、貪婪與懶惰

當正則表達式中包含能接受重複的限定符時，通常的行為是匹配儘可能多的字元。以這個表達式為例： b.*c ，它將會匹配最長的以 b 開始，以 c 結束的字元串。如果用它來搜索 babac 的話，它會匹配整個字元串 babac 。這被稱為貪婪匹配。

有時，我們更需要懶惰匹配，也就是匹配儘可能少的字元。前面給出的限定符都可以被轉化為懶惰匹配模式，只要在它後面加上一個問號 ? 。這樣 .*? 就意味著匹配任意數量的重複，但是在能使整個匹配成功的前提下使用最少的重複。現在看看懶惰版的例子吧：

a.*?b 匹配最短的，以 a 開始，以 b 結束的字元串。如果把它應用於 aabab 的話，它會匹配 aab（第一到第三個字元）和 ab（ 第四到第五個字元）。

10、處理選項

上面介紹了幾個選項如忽略大小寫，處理多行等，這些選項能用來改變處理正則表達式的方式。下面是 .Net 中常用的正則表達式選項：

一個經常被問到的問題是：是不是只能同時使用多行模式和單行模式中的一種？

答案是：不是。這兩個選項之間沒有任何關係，除了它們的名字比較相似（以至於讓人感到疑惑）以外。

11、提示

正則表達式內容還有很多，筆者這裡只列舉常用部分，讀者若想進一步學習，可在微軟專業正則表達式學習網站學習：

https://docs.microsoft.com/zh-cn/dotnet/standard/base-types/regular-expressions?redirectedfrom=MSDN