PHP擴展之文本處理(二)——PCRE正則表達式語法6——字符類(方括號)和可選路徑(|)
左方括號開始一個字符類的描述,并以方中括號結束。 單獨的一個右方括號沒有特殊含義。如果一個右方括號需要作為一個字符類中的成員, 那么可以將它寫在字符類的首字符處(如果使用了^取反, 那么是第二個)或者使用轉義符。
一個字符類在目標字符串中匹配一個單獨的字符; 該字符必須是字符類中定義的字符集合的其中一個, 除非使用了 ^ 對字符類取反。 如果^需要作為一個字符類的成員,確保它不是該字符類的首字符, 或者對其進行轉義即可。
例如,字符類[aeiou]匹配所有的小寫元音字母, 而[^aeiou]匹配所有非元音字母的字符。注意: ^只是一個通過枚舉指定那些不存在字符類之中的字符的便利符號。而不是斷言, 它仍然會從目標字符串中消耗一個字符,并且如果當前匹配點在目標字符串末尾, 匹配將會失敗。
當大小寫無關匹配被設置后,任意字符類都同時代表大小寫兩種版本,因此對于例子, 一個大小寫不敏感的[aeiou]同時匹配'A'和'a', 并且大小寫不敏感的[^aeiou]同時不匹配 'A'。
換行符在字符類中沒有任何特殊涵義, 與?PCRE_DOTALL?或?PCRE_MULTILINE?選項都無關。 一個字符類比如 [^a] 始終會匹配換行符。
在字符類中,一個中劃線(減號 -)可以用于指定從一個字符到另一個字符的范圍。 比如,[d-m]匹配d到m之間的所有字符,這個集合時閉合的。 如果中劃線自身要在一個字符類中描述, 它必須被轉移或者出現在一個不會被解釋為一個范圍的位置, 典型的比如字符類開始或結束位置。
在一個字符范圍描述后面不能使用右中括號。 比如一個模式 [W-]46] 被解釋為一個包含 W 和 - 的字符類,后面緊跟字符串 ”46]”, 因此它可以匹配 ”W46]” 或 ”-46]”。然而, 如果中括號是經過轉義的, 它將會被解釋為范圍的終點, 因此 [W-]46] 就會被解釋為一個單獨的包含 W 至 ] 范圍內所有字符以及 4、6 的字符類。 8 進制或 16 進制描述的中括號同樣可以用于作為范圍的終點。
范圍操作以 ASCII 整理排序。它們可以用于為字符指定數值,比如 [000-037]。 如果在大小寫不敏感匹配模式下使用一個包含字母的范圍, 則同時匹配它的大小寫形式。 比如 [W-c] 在不區分大小寫匹配時等價于 [][^_`wxyzabc],并且, 如果使用了 ”fr”(法國) 的地域設置字符表時, [xc8-xcb] 將會在所有模式下匹配重音E字符。
字符類d、D、 s、S、w 和 W 也可以出現在一個字符類中, 用以將其匹配的字符類加入到新的自定義字符類中。比如, [dABCDEF] 匹配任意合法的 16 進制數。用 ^ 可以很方便的制定嚴格的字符類, 比如 [^W_] 匹配任何字母或數字,但不匹配下劃線。
所有非字母數字字符除了、-、 ^(在起始位置)以及結束的]在字符類中都是非特殊字符, 沒有轉義也不會有危害。模式結束符在表達式中總是特殊字符,必須進行轉義。
Perl 支持 POSIX 字符類符號。這種字符類使用[:和:]閉合。 PCRE 同樣支持這些字符類, 比如,[01[:alpha:]%]匹配 ”0”、“1”、任意字母或”%”。
可選路徑(|)豎線字符用于分離模式中的可選路徑。 比如模式gilbert|Sullivan匹配 ”gilbert” 或者 ”sullivan”。 豎線可以在模式中出現任意多個,并且允許有空的可選路徑(匹配空字符串)。 匹配的處理從左到右嘗試每一個可選路徑,并且使用第一個成功匹配的。 如果可選路徑在子組(下面定義)中, 則”成功匹配”表示同時匹配了子模式中的分支以及主模式中的其他部分。
相關文章: