正規表示式之字元組

正規表示式之字元組

普通字元組

字元組（Character Class）是正規表示式最基本的結構之一，要理解正規表示式的“靈活”，認識它是第一步。

顧名思義，字元組就是一組字元，在正規表示式中，它表示“在同一個位置可能出現的各種字元”，其寫法是在一對方括號[和]之間列出所有可能出現的字元，簡單的字元組比如[ab]、[314]、[#.?]在解決一些常見問題時，使用字元組可以大大簡化操作，下面舉“匹配數字字元”的例子來說明。

字元可以分為很多類，比如數字、字母、標點等。有時候要求 “只出現一個數字字元”，換句話說，這個位置上的字元只能是0、1、2、…、8、9這10個字元之一。要進行這種判斷，通常的思路是：用10個條件分別判斷字元是否等於這10個字元，對10個結果取“或”，只要其中一個條件成立，就返回True，表示這是一個數字字元，其虛擬碼如例1-1所示。

例1-1 判斷數字字元的虛擬碼

charStr == "0" || charStr == "1" … || charStr == "9"

注：因為正規表示式處理的都是“字串”（String）而不是“字元”，所以這裡假設變數charStr（雖然它只包含一個字元）也是字串型別，使用了雙引號，在有些語言中字串也用單引號表示。

這種解法的問題在於太煩瑣——如果要判斷是否是一個小寫英文字母，就要用||連線26個判斷；如果還要相容大寫字母，則要連線52個判斷，程式碼長到幾乎無法閱讀。相反，用字元組解決起來卻異常簡單，具體思路是：列出可能出現的所有字元（在這個例子裡就是10個數字字元），只要出現了其中任何一個，就返回True。例1-2給出了使用字元組判斷的例子，程式語言使用Python。

例1-2  用正規表示式判斷數字字元

re.search("[0123456789]", charStr) != None

re.search()是Python提供的正規表示式操作函式，表示“進行正規表示式匹配”；charStr仍然是需要判斷的字串，而[0123456789]則是以字串形式給出的正規表示式，它是一個字元組，表示“這裡可以是0、1、2、…、8、9中的任意一個字元。只要charStr與其中任何一個字元相同（或者說“charStr可以由[0123456789]匹配”），就會得到一個MatchObject物件（這個物件暫時不必關心，在第21頁會詳細講解）；否則，返回None。所以判斷結果是否為None，就可以判斷charStr是否是數字字元。

當今流行的程式語言大多支援正規表示式，上面的例子在各種語言中的寫法大抵相同，唯一的區別在於如何呼叫正規表示式的功能，所以用法其實大同小異。例1-3列出了常見語言中的表示，如果你現在就希望知道語言的細節，可以參考本書第三部分的具體章節。

例1-3  用正規表示式判斷數字字元在各種語言中的應用[1]

.NET（C#）

//能匹配則返回true，否則返回false

Regex.IsMatch(charStr, "[0123456789]");

Java

//能匹配則返回true，否則返回false

charStr.matches("[0123456789]");

JavaScript

//能匹配則返回true，否則返回false

/[0123456789]/.test(charStr);

PHP

//能匹配則返回1，否則返回0

preg_match("/[0123456789]/", charStr);

Python

#能匹配則返回RegexObject，否則返回None

re.search("[0123456789]", charStr)

Ruby

#能匹配則返回0，否則返回nil

charStr =~ /[0123456789]/

可以看到，不同語言使用正規表示式的方法也不相同。如果仔細觀察會發現Java、.NET、Python、PHP中的正規表示式，都要以字串形式給出，兩端都有雙引號"；而Ruby和JavaScript中的正規表示式則不必如此，只在首尾有兩個斜線字元/，這也是不同語言中使用正規表示式的不同之處。不過，這個問題現在不需要太關心，因為本書中大部分例子以Python程式來講解，下面講解關於Python的基礎知識，其他語言的細節留到後文會詳細介紹。

本文節選自《正則指引》一書 餘晟著

圖書詳細資訊: