【正则表达式每日一技】逃逸正则表达式中具有特殊含义的字符

1 问题

在正则表达式的场景下，一部分字符具有除字面量以外的特殊含义，有时候需要按照字符的字面量进行匹配。例如，你现在需要匹配出这一样一段文本的字面量：

The punctuation characters in the ASCII table are: !"#$%&'()*+,-./:;<=>[email protected][\]^_`{
    |}~

2. 解决方案

使用下列正则表达式可以匹配出上述文本的字面量：

The punctuation characters in the ASCII table are: !"#\$%&'\(\)\*\+,-\./:;<=>\[email protected]\[\\]\^_`\{\|}~

• 正则表达式选项：无
• 正则表达式风格：.NET ，Java ，JavaScript ，PCRE¹ ，Perl ，Python ，Ruby

3. 讨论

在正则表达式的场景下，字符 $()*+.?[\^{| 具有特殊含义，除此之外，其他字符可以直接使用自身来匹配出字面量。这些特殊字符在正则表达式中被称为元字符。如果想要匹配其字面量，需要加上 \ 进行字符转义，因此，正则表达式 \$\(\)\*\+\.\?\[\\\^\{\| 可以匹配出文本 $()*+.?[\^{| 。

有些先前使用过正则表达式的读者可能会有这样的疑问：花括号和方括号一般都是成对出现，而且 - 在正则表达式中一般也有特殊含义，为什么没有在上述介绍时得到体现。这是因为 } 、] 以及 - 只有在特定情况下才属于正则表达式的元字符。

具体地，对于 } 和 ] ，只有当对应的 { 和 [ 没有被转义时，二者才分别是元字符，当二者被转义时，单独出现的 } 和 ] 并没有特殊含义；同样地，对于 - ，也只有其在未被转义的 [ 之后，才是正则表达式下的元字符。

4. 拓展

逃逸块

对于支持所谓逃逸块风格的正则表达式，上述解决方案可以写成如下所示更加易读的形式：

The punctuation characters in the ASCII table are: \Q!"#$%&'()*+,-./:;<=>[email protected][\]^_`{|}~\E

• 正则表达式选项：无
• 正则表达式风格：Java 6 ，PCRE ，Perl

在 Perl ， PCRE¹ 以及 Java 中支持 \Q 和 \E 形成的逃逸块，其中 \Q 可以逃逸其后直到 \E 包括 \ 在内的所有元字符，如果省略 \E 的话，那么从 \Q 直到正则表达式结尾的字符都被视为字面量。

不区分大小写

默认情况下，正则表达式是区分大小写的，即正则表达式 regex 可以匹配文本 regex 但却无法匹配出 Regex ，REGEX 或 ReGeX 等，如果希望其可以匹配出所有这些文本，则需要打开不区分大小写的模式。

实际上，在大多数的编程语言自带的正则表达式支持库中，都有特定的标识符可以实现这样的功能，如果你希望直接在正则表达式中实现这样的需求，那么你可以使用模式限定符 ?! ，也就是说正则表达式 (?!)regex 可以匹配出 Regex ，REGEX 或 ReGeX 等文本。

• 正则表达式格式：(?!)ascii
• 正则表达式选项：无
• 正则表达式风格：.NET ，Java ，XRegExp ，PCRE ，Perl ，Python ，Ruby

特别地，.NET ，Java ，PCRE ，Perl 以及 Ruby 还支持局部模式限定符，即只让正则表达式的一部分在匹配时不区分大小写。例如：sensitive(?!)caseless(?-!)sensitive 可以匹配文本 sensitiveCASELESSsensitive 但不能匹配 SENSITIVEcaselessSENSITIVE ，即只有在 (?!) 和 (?-!) 之间的正则表达式在匹配时才不区分大小写。

---

1. Perl Compatible Regular Expressions ︎︎