正则基础之 [ ] 字符组(Character Classes)

 []能够匹配所包含的一系列字符中的任意一个。需要注意的是，[]虽然能匹配其中的任意一个字符，但匹配的结果只能是一个字符，不是多个。

    例如[abc]表示字符“a”或“b”或“c”。

 

    []支持用连字符“-”连接两个字符，来表示一个字符范围。需要注意的是，“-”前后的两个字符是有顺序的，即使用相同的编码时，后面的字符码位应大于或等于前面字符的码位。

    例如[a-z]表示任意一个小写字母。而在程序中使用[z-a]则会报“[x-y] 范围的顺序颠倒”这样的异常。

 

    大部分在正则中有特殊意义、在匹配其本身时需转义的字符，在[]内是不需要转义的。必须转义的只有“\”、“[”和“]”，而“^”出现在[]开始位置，“-”前后构成范围区间时，需要转义，出现在其它位置不需要转义，例如[\^.$^{\[(|)*+?-\\]

    在.NET中，不构成歧义的情况下，“[”和“]”可以不用转义，程序也可以得到预期结果，但是这种写法可读性较差，而且出现错误时不易排查，因此不推荐这种写法

    举例：Regex reg = new Regex("[^]]+");  //不推荐

    .NET的字符组中支持集合减法，语法[set1-[set2]]，例如[a-z-[aeiou]]表示除元音外的小写字母。但是除非你很了解这种语法的支持范围，以及确实有必要这样做，否则不要轻易使用这种可读性较差的语法。事实上完全可以用多个范围区间[b-df-hj-np-tv-z]，在区间较多，导致可读性差、容易出错的情况下，可以使用正向预搜索来实现以上需求，(?![aeiou])[a-z]，这种语法规则，支持范围要大得多，可读性也要好一些。

常见错误用法：

    因为[]本身表示的就是字符之间“或”的关系，因此在[]中使用“|”来表示“或”的关系是错误的。

举例：[a|b|c]表示的是“a”或“b”或“c”或“|”中的任意一个字符。

 

举例

       源字符串：ab|ac

       正则表达式：[a|b|c]+

       匹配结果：ab|ac

 

 

[^ ] 排除型字符组

 

    [^ ]表示匹配任意一个未列举的字符，同样的，匹配的结果也只能是一个字符。

    例如[^abc]表示除字符“a”、“b”、“c”外的任意一个字符。

    [^ ]也支持字符分组，例如[^0-9]表示除数字外的任意一个字符。

 

    新手最容易犯的错误就是，用[^abc]或[^(abc)]这样的表达式来匹配不包含“abc”子字符串的字符串。    

举例

       源字符串：string yourStr = "<aaa>bbb<abc>ccc<ddd>";

       规则描述：取出yourStr中格式为<...>，但<>中不是abc的内容

       预期结果：<aaa>、<ddd>

       错误写法：<[^abc]*>

       正确写法：<(?!abc>)[^>]*>

     

还有一点并不常见，\b在字符组外表示单词边界，但是在字符组内[\b]表示退格符。