正则表达式 - 字符组

用户1148526

发布于 2023-05-07 21:02:52

4970

发布于 2023-05-07 21:02:52

字符组有时也被称为方括号表达式（bracketed expression）。字符组有助于匹配特定字符或者特定的字符序列。它们可以像字符简写式那样代表一大批字符，比如 \d 匹配的字符与 [0-9] 所匹配的字符一样。但字符组更有针对性，因此用途比简写式更广。下面是一些字符组简单例子。

匹配英文元音字母：[aeiou]
匹配某个范围的字符：[a-z]、[a-f]
匹配一个范围的数字：[0-9]、[3-6]
匹配 10~19 的偶数：\b[1][24680]\b
匹配 0~99 的偶数：\b[24680]\b|\b[1-9][24680]\b
匹配空格和单词字符：[_a-zA-Z0-9 \t\n\r] 或 [\w\s]

一、匹配十六进制数

需求为找出含有十六进制数字的字符串。十六进制数字由 0-9、A-F 十六个字符构成，并且假设有三种表示形式：

以 0x 或 0X 为前缀。
以 $ 为前缀。
以 h 或 H 为后缀。

1. 生成测试数据

set @x:=conv(54321,10,16);
insert into t_regexp(a) values
(concat('a 0x',@x,' z')),(concat('a 0X',@x,' z')),(concat('a $',@x,' z')),(concat('a $',lower(@x),' z')),(concat('a ',@x,'h z')),(concat('a ',@x,'H z')),
(concat('a 0x',@x,'h z')),(concat('a $',@x,'h z')),(concat('a $0x',@x,'h z')),(concat('a 0x$',@x,'h z')),(concat('a ^0x',@x,' z'));

2. 编写正则表达式

\s(?i)(((0x|\$)[a-f\d]+)|([a-f\d]+h))\s

3. 使用regexp函数查询验证

mysql> select a from t_regexp where a regexp '\\s(?i)(((0x|\\$)[a-f\\d]+)|([a-f\\d]+h))\\s';
+------------+
| a          |
+------------+
| a 0xD431 z |
| a 0XD431 z |
| a $D431 z  |
| a $d431 z  |
| a D431h z  |
| a D431H z  |
+------------+
6 rows in set (0.00 sec)

可以看到查询结果包含了所有符合规则的十六进制数。

4. 分析与知识点

(?i) 修饰符表示后面分组不区分大小写。
((0x|\\)[a-f\\d]+) 分组表示以 0x 或开始后跟一个或多个十六进制字符。
([a-f\\d]+h) 分组表示一个或多个十六进制字符，并以 h 结尾。
用选择操作符 | 分别匹配两种情况。
正则表达式首尾的 \s 表示只匹配整个十六进制数。注意这里不能使用 \b ，因为 \b 会将 ^、$ 等符号作为分隔符的一部分，产生错误的结果：

mysql> select a from t_regexp where a regexp '\\b(?i)(((0x|\\$)[a-f\\d]+)|([a-f\\d]+h))\\b';
+--------------+
| a            |
+--------------+
| a 0xD431 z   |
| a 0XD431 z   |
| a D431h z    |
| a D431H z    |
| a $D431h z   |
| a 0x$D431h z |
| a ^0xD431 z  |
+--------------+
7 rows in set (0.00 sec)

二、字符组取反

对字符组取反会匹配与字符组内容不匹配的字符。比如，如果不想匹配元音字符，可以这样写：[^aeiou]。该字符组起始位置的脱字符（^）的意义就是：“不匹配这些字符”。脱字符必须出现在起始位置。

三、并集与差集

字符组可以像集合那样操作。不是所有的实现程序都支持这项功能，但 MySQL 支持该功能。

1. 匹配并集

mysql> set @r:='[0-3[6-9]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select '1' regexp @r,'5' regexp @r, '8' regexp @r\G
*************************** 1. row ***************************
'1' regexp @r: 1
'5' regexp @r: 0
'8' regexp @r: 1
1 row in set (0.00 sec)

正则表达式处理器会匹配0到3之间的数字或者6到9之间的数字。

2. 匹配差集

mysql> set @r:='[a-z&&[^m-r]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select 'a' regexp @r, 'b' regexp @r, 's' regexp @r, 'z' regexp @r, 'l' regexp @r, 'm' regexp @r, 'r' regexp @r, 'n' regexp @r\G
*************************** 1. row ***************************
'a' regexp @r: 1
'b' regexp @r: 1
's' regexp @r: 1
'z' regexp @r: 1
'l' regexp @r: 1
'm' regexp @r: 0
'r' regexp @r: 0
'n' regexp @r: 0
1 row in set (0.00 sec)

这匹配a到z之间的字符，但其中m到r之间的字符除外。

四、POSIX字符组

POSIX（Portable Operating System Interface，可移植操作系统接口）是 IEEE 维护的一系列标准，其中包含了一个正则表达式标准（ISO/IEC/IEEE 9945:2009）。该标准提供了一套命名的字符组，其形式为：[[:xxxx:]]。

1. 匹配字母及数字

mysql> set @r='[[:alnum:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select '0' regexp @r, '9' regexp @r, 'a' regexp @r, 'A' regexp @r, 'z' regexp @r, 'Z' regexp @r, '\n' regexp @r, '\\n' regexp @r\G
*************************** 1. row ***************************
  '0' regexp @r: 1
  '9' regexp @r: 1
  'a' regexp @r: 1
  'A' regexp @r: 1
  'z' regexp @r: 1
  'Z' regexp @r: 1
 '\n' regexp @r: 0
'\\n' regexp @r: 1
1 row in set (0.03 sec)

[[:alnum:]] 与简写式 \w 等价。

2. 匹配字母

mysql> set @r:='[[:alpha:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select 'a' regexp @r, 'A' regexp @r, 'z' regexp @r, 'Z' regexp @r, '0' regexp @r, '9' regexp @r\G
*************************** 1. row ***************************
'a' regexp @r: 1
'A' regexp @r: 1
'z' regexp @r: 1
'Z' regexp @r: 1
'0' regexp @r: 0
'9' regexp @r: 0
1 row in set (0.02 sec)

3. 匹配非字母字符

mysql> set @r:='[[:^alpha:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select 'a' regexp @r, 'A' regexp @r, 'z' regexp @r, 'Z' regexp @r, '0' regexp @r, '9' regexp @r\G
*************************** 1. row ***************************
'a' regexp @r: 0
'A' regexp @r: 0
'z' regexp @r: 0
'Z' regexp @r: 0
'0' regexp @r: 1
'9' regexp @r: 1
1 row in set (0.11 sec)

4. 匹配空格

mysql> set @r:='[[:space:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select ' ' regexp @r, '\t' regexp @r, '\n' regexp @r, '\r' regexp @r;
+---------------+----------------+----------------+----------------+
| ' ' regexp @r | '\t' regexp @r | '\n' regexp @r | '\r' regexp @r |
+---------------+----------------+----------------+----------------+
|             1 |              1 |              1 |              1 |
+---------------+----------------+----------------+----------------+
1 row in set (0.00 sec)

5. 匹配空白字符

mysql> set @r:='[[:blank:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select ' ' regexp @r, '\t' regexp @r, '\n' regexp @r, '\r' regexp @r;
+---------------+----------------+----------------+----------------+
| ' ' regexp @r | '\t' regexp @r | '\n' regexp @r | '\r' regexp @r |
+---------------+----------------+----------------+----------------+
|             1 |              1 |              0 |              0 |
+---------------+----------------+----------------+----------------+
1 row in set (0.00 sec)

与 [[:space:]] 不同，[[:blank:]] 不包括回车、换行符。

6. 匹配ASCII范围内的字符

mysql> set @r:='[[:ascii:]]';
Query OK, 0 rows affected (0.00 sec)

mysql> select char(0) regexp @r, char(1) regexp @r, char(127) regexp @r, char(128) regexp @r;
+-------------------+-------------------+---------------------+---------------------+
| char(0) regexp @r | char(1) regexp @r | char(127) regexp @r | char(128) regexp @r |
+-------------------+-------------------+---------------------+---------------------+
|                 1 |                 1 |                   1 |                   0 |
+-------------------+-------------------+---------------------+---------------------+
1 row in set (0.00 sec)

[[:ascii:]] 匹配 ascii码 0~127的字符。

下表所示为POSIX字符组。

字符组	描述
[[:alnum:]]	匹配字母或数字
[[:alpha:]]	匹配字母
[[:ascii:]]	匹配ASCII字符（共128个）
[[:blank:]]	匹配空白字符
[[:ctrl:]]	匹配控制字符
[[:digit:]]	匹配数字
[[:graph:]]	匹配图形字符
[[:lower:]]	匹配小写字符
[[:print:]]	匹配可打印字符
[[:punct:]]	匹配标点符号
[[:space:]]	匹配空格字符
[[:upper:]]	匹配大写字符
[[:word:]]	匹配单词字符
[[:xdigit:]]	匹配十六进制数字