简写的字符类

简写字符类

由于经常使用某些字符类，因此可以使用一系列速记字符类。\d是[0-9]的缩写。在大多数支持Unicode的版本中，\d包括所有脚本中的所有数字。值得注意的是，除了Java，JavaScript和PCRE。这些Unicode样式仅将\d与ASCII数字匹配。         

\w代表“文字字符”。它始终与ASCII字符[A-Za-z0-9_]匹配。请注意包含下划线和数字。在大多数支持Unicode的版本中，\w包含许多其他脚本中的字符。关于实际包含哪些字符有很多不一致之处。通常包括字母脚本和表意文字的字母和数字。除下划线和非数字符号之外的连接器标点符号可能会包含在内，也可能不包含。XML Schema和XPath甚至包括\w中的所有符号。同样，Java，JavaScript和PCRE 仅将ASCII字符与\w匹配。 

\s代表“空白字符”。同样，这实际上包括哪些字符，取决于正则表达式的风格。在本教程中讨论的所有形式中，它都包含[\t\r\n\f] 。也就是说：\s匹配空格，制表符，回车符，换行符或换页符。大多数语言还包括“垂直”标签，Perl（版本5.18之前）和PCRE（版本8.34之前）是明显的例外。在支持Unicode的版本中，\s通常包括Unicode“分隔符”类别中的所有字符。Java和PCRE再次是例外。但是JavaScript确实将所有Unicode空格都与\s匹配。                  

速记字符类可以在方括号的内部和外部使用。\s\d匹配一个空格字符，后跟一个数字。[\s\d]匹配一个空格或数字的单个字符。当应用于1 + 2 = 3时，前者正则表达式匹配2 （2后跟着一个空格），而后者则匹配1（一个1）。[\da-fA-F]匹配一个十六进制数字，并且如果我们只匹配\d的ASCII字符，则它等效于[0-9a-fA-F] 。      

否定的速记字符类

以上三个速记也有否定的版本。\D与[^\d]相同，\W是[^\w]的缩写，\S是[^\s]的等价物。          

在方括号内使用取反的速记符时要小心。[\D\S]和[^\d\s] 是不一样的。后者匹配既不是数字也不是空格的任何字符。它匹配x，但不匹配8。但是，前者与不是数字或不是空格的任何字符匹配。因为所有数字都不是空格，并且所有空格字符都不是数字，所以[\D\S]可以匹配任何字符；数字，空格或其他。         

更多简写字符类

尽管对\d ，\s和\w的支持非常普遍，但是有些正则表达式却支持其他速记字符类。Perl 5.10引入了\h和\v 。\h匹配水平空格，其中包括制表符和“空格分隔符” Unicode类别中的所有字符。它与[\t\p{Zs}]相同。\v匹配“垂直空格”，其中包括在Unicode标准中被视为换行符的所有字符。它与[\n\cK\f\r\x5\x{2028}\x{2029}]相同。               

从7.2版开始，PCRE还支持\h和\v 。PHP从5.2.2版本开始运行，Java从8版本开始运行，而JGsoft引擎从2版本开始运行。           

如果我们的正则表达式引擎支持\h和\v，那么当我们只想匹配一种类型的空格时，绝对应该使用它们而不是\s 。使用\h代替\s来匹配空格和制表符，确保我们的正则表达式匹配不会意外溢出到下一行。           在许多其他正则表达式中，\v仅匹配垂直制表符。Perl，PCRE和PHP从来都不支持此功能，因此他们可以随意给\v赋予不同的含义。Java 4至7和JGsoft V1确实使用\v来仅匹配垂直制表符。无论如何，Java 8和JGsoft V2更改了此令牌的含义。垂直制表符也是垂直空格字符。为避免混淆，以上段落使用\cK表示垂直制表符。          

Boost从版本1.42开始支持\h 。Boost 1.42和更高版本仅在字符类之外才支持\v作为速记。[\v]仅与Boost中的垂直选项卡匹配。       

Ruby 1.9和更高版本具有自己的\h版本。就像[0-9a-fA-F]一样，它匹配一个十六进制数字。\v是Ruby中的垂直标签。     

XML字符类

XML Schema，XPath和JGsoft V2正则表达式支持另外四个正则表达式，而其他任何正则表达式类型均不支持。\i匹配可能是XML名称的第一个字符的任何字符。\c匹配XML名称中第一个字符之后可能出现的任何字符。\I和\C分别是取反的简写。请注意，\c速记语法与许多其他正则表达式中使用的控制字符语法冲突。               

我们可以使用括号符号在字符类的内部和外部使用这四个速记。它们对于验证XML模式中的XML引用和值非常有用。正则表达式\i\c*与XML名称相匹配，例如xml：schema 。   

正则表达式<\i\c*\s*>与没有任何属性的开头XML标记匹配。</\i\c*\s*>与任何结束标记匹配。<\i\c*(\s+\i\c*\s*=\s*(“[^”]*“|'[^']*'))*\s*>将开头标记与任何属性总数。<(\i\c*(\s+\i\c*\s*=\s*(“[^”]*“|'[^']*'))*|/\i\c*)\s*>匹配具有属性的开始标记或结束标记。        

本教程中讨论的其他正则表达式类型均不支持XML字符类。如果我们的XML文件是纯ASCII码，则可以将[_：A-Za-z]用于\i，并将[-._A-Za-z0-9]用于\c 。如果要允许XML标准允许的所有Unicode字符，那么我们将得到一些相当长的正则表达式。我们必须使用

[:A-Z_a-z\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u02FF\u0370-\u037D\u037F-\u1FFF\u200C-\u200D\u2070-\u218F\u2C00-\u2FEF\u3001-\uD7FF\uF900-\uFDCF\uFDF0-\uFFFD]

来代替\i ，使用

[-.0-9A-Z_a-z\u00B7\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u037D\u037F-\u1FFF\u200C-\u200D\u203F\u2040\u2070-\u218F\u2C00-\u2FEF\3001-\uD7FF\uF900-\uFDCF\uFDF0-\uFFFD]

而不是\c 。