集合和范围 [...]

在方括号 […] 中的几个字符或者字符类意味着“搜索给定的字符中的任意一个”。

集合

比如说，pattern:[eao] 意味着查找在 3 个字符 'a'、'e' 或者 `'o' 中的任意一个。

这被叫做一个集合。集合可以在正则表达式中和其它常规字符一起使用。

// 查找 [t 或者 m]，然后再匹配 “op”
alert( "Mop top".match(/[tm]op/gi) ); // "Mop", "top"

1
2

请注意尽管在集合中有多个字符，但它们在匹配中只会对应其中的一个。

所以下面的示例并不会匹配上：

// 查找 “V”，然后匹配 [o 或者 i]，之后再匹配 “la”
alert( "Voila".match(/V[oi]la/) ); // null，并没有匹配上

1
2

这个模式会做以下假设：

pattern:V，
然后匹配其中的一个字符 pattern:[oi]，
然后匹配 pattern:la，

所以可以匹配上 match:Vola 或者 match:Vila。

范围

方括号也可以包含字符范围。

比如说，pattern:[a-z] 会匹配从 a 到 z 范围内的字母，pattern:[0-5] 表示从 0 到 5 的数字。

在下面的示例中，我们会查询首先匹配 "x" 字符，再匹配两个数字或者位于 A 到 F 范围内的字符。

alert( "Exception 0xAF".match(/x[0-9A-F][0-9A-F]/g) ); // xAF

pattern:[0-9A-F] 表示两个范围：它搜索一个字符，满足数字 0 到 9 或字母 A 到 F。

如果我们还想查找小写字母，则可以添加范围 a-f：pattern:[0-9A-Fa-f]。或添加标志 pattern:i。

我们也可以在 […] 里面使用字符类。

例如，如果我们想要查找单词字符 pattern:\w 或连字符 pattern:-，则该集合为 pattern:[\w-]。

也可以组合多个类，例如 pattern:[\s\d] 表示 “空格字符或数字”。

字符类是某些字符集的简写

例如：

\d —— 和 pattern:[0-9] 相同，
\w —— 和 pattern:[a-zA-Z0-9_] 相同，
\s —— 和 pattern:[\t\n\v\f\r ] 外加少量罕见的 unicode 空格字符相同。

示例：多语言 \w

由于字符类 pattern:\w 是简写的 pattern:[a-zA-Z0-9_]，因此无法找到中文象形文字，西里尔字母等。

我们可以编写一个更通用的模式，该模式可以查找任何语言中的文字字符。这很容易想到就 Unicode 属性：pattern:[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]。

让我们理解它。类似于 pattern:\w，我们在制作自己的一套字符集，包括以下 unicode 字符：

Alphabetic (Alpha) —— 字母，
Mark (M) —— 重读，
Decimal_Number (Nd) —— 数字，
Connector_Punctuation (Pc) —— 下划线 '_' 和类似的字符，
Join_Control (Join_C) —— 两个特殊代码 200c and 200d，用于连字，例如阿拉伯语。

使用示例：

let regexp = /[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]/gu;

let str = `Hi 你好 12`;

// finds all letters and digits:
alert( str.match(regexp) ); // H,i,你,好,1,2

1
2
3
4
5
6

当然，我们可以编辑此模式：添加 unicode 属性或删除它们。文章 Unicode：修饰符 “u” 和 class \p{...} 中包含了更多 Unicode 属性的细节。

Edge 和 Firefox 不支持 Unicode 属性

Edge 和 Firefox 尚未实现 Unicode 属性 pattern:p{…}。如果确实需要它们，可以使用库 XRegExp。

或者只使用我们想要的语言范围的字符，例如西里尔字母 pattern:[а-я]。

排除范围

除了普通的范围匹配，还有类似 pattern:[^…] 的“排除”范围匹配。

它们通过在匹配查询的开头添加插入符号 ^ 来表示，它会匹配所有除了给定的字符之外的任意字符。

比如说：

pattern:[^aeyo] —— 匹配任何除了 'a'、'e'、'y' 或者 'o' 之外的字符。
pattern:[^0-9] —— 匹配任何除了数字之外的字符，也可以使用 \D 来表示。
pattern:[^\s] —— 匹配任何非空字符，也可以使用 \S 来表示。

下面的示例查询除了字母，数字和空格之外的任意字符：

alert( "alice15@gmail.com".match(/[^\d\sA-Z]/gi) ); // @ and .

在 […] 中不转义

通常当我们的确需要查询点字符时，我们需要把它转义成像 pattern:\. 这样的形式。如果我们需要查询一个反斜杠，我们需要使用 pattern:\\。

在方括号表示中，绝大多数特殊字符可以在不转义的情况下使用：

表示一个点符号 pattern:'.'。
表示一个加号 pattern:'+'。
表示一个括号 pattern:'( )'。
在开头或者结尾表示一个破折号（在这些位置该符号表示的就不是一个范围） `pattern:'-'。
在不是开头的位置表示一个插入符号（在开头位置该符号表示的是排除）pattern:'^'。
表示一个开口的方括号符号 pattern:'['。

换句话说，除了在方括号中有特殊含义的字符外，其它所有特殊字符都是允许不添加反斜杠的。

一个在方括号中的点符号 "." 表示的就是一个点字符。查询模式 pattern:[.,] 将会寻找一个为点或者逗号的字符。

在下面的示例中，pattern:[-().^+] 会查找 -().^+ 的其中任意一个字符：

// 并不需要转义
let reg = /[-().^+]/g;

alert( "1 + 2 - 3".match(reg) ); // 匹配 +，-

1
2
3
4

。。。但是如果你为了“以防万一”转义了它们，这也不会有任何问题：

//转义其中的所有字符
let reg = /[\-\(\)\.\^\+]/g;

alert( "1 + 2 - 3".match(reg) ); // 仍能正常工作：+，-

1
2
3
4

范围和标志“u”

如果集合中有代理对（surrogate pairs），则需要标志 pattern:u 以使其正常工作。

例如，让我们在字符串 subject:𝒳 中查找 pattern:[𝒳𝒴]：

alert( '𝒳'.match(/[𝒳𝒴]/) ); // 显示一个奇怪的字符，像 [?]
//（搜索执行不正确，返回了半个字符）

1
2

结果不正确，因为默认情况下正则表达式“不知道”代理对。

正则表达式引擎认为 [𝒳𝒴] —— 不是两个，而是四个字符：

𝒳 (1) 的左半部分，
𝒳 (2) 的右半部分，
𝒴 (3) 的左半部分，
𝒴 (4) 的右半部分。

我们可以看到它们的代码，如下所示：

for(let i=0; i<'𝒳𝒴'.length; i++) {
  alert('𝒳𝒴'.charCodeAt(i)); // 55349, 56499, 55349, 56500
};

1
2
3

因此，以上示例查找并显示了 𝒳 的左半部分。

如果我们添加标志 pattern:u，那么行为将是正确的：

alert( '𝒳'.match(/[𝒳𝒴]/u) ); // 𝒳

当我们查找范围时也会出现类似的情况，就像 [𝒳-𝒴]。

如果我们忘记添加标志 pattern:u，则会出现错误：

'𝒳'.match(/[𝒳-𝒴]/); // 错误：无效的正则表达式

原因是，没有标志 pattern:u 的代理对被视为两个字符，因此 [𝒳-𝒴] 被解释为 [<55349><56499>-<55349><56500>]（每个代理对都替换为其代码）。现在很容易看出范围 56499-55349 是无效的：其起始代码 56499 大于终止代码 55349。这就是错误的原因。

使用标志 pattern:u，该模式可以正常匹配：

// 查找字符从 𝒳 到 𝒵
alert( '𝒴'.match(/[𝒳-𝒵]/u) ); // 𝒴

1
2

集合和范围 [...] #

集合 #

范围 #

示例：多语言 \w #

排除范围 #

在 […] 中不转义 #

范围和标志“u” #

集合和范围 [...]

集合

范围

示例：多语言 \w

排除范围

在 […] 中不转义

范围和标志“u”