正则基础之 神奇的转义

)
*
+
?

*/

但是在正则书写时，字符组中的“[”还是建议使用“[”对其转义的，正则本身就已经是非常抽象，可读性很低的了，如果在字符组中再掺杂进这样不经转义的“[”，会使得可读性更差。而且在出现不正确的嵌套时，可能会导致正则编译异常，以下正则在编译时就会抛异常的。
Regex reg = new Regex(@"[.$^{[(]|)*+?]");
然而，.NET的字符组中，是支持集合减法的，在这种正常语法形式下，是允许字符组嵌套的。
复制代码 代码如下:
string test = @"abcdefghijklmnopqrstuvwxyz";
Regex reg = new Regex(@"[a-z-[aeiou]]+");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += m.Value + "n";
}
/*--------输出--------
bcd
fgh
jklmn
pqrst
vwxyz
*/

这种用法可读性很差，应用也很少见，即使有这种需求也可以通过其它方式实现，了解一下即可，不必深究。
话题再回到转义上，字符组中必须转义的只有“”，而“[”和“]”出现在字符组中时，也是建议一定做转义处理的。另外有两个字符“^”和“-”，出现在字符组中特定位置时，如果要匹配其本身，也是需要转义的。
“^”出现在字符组开始位置，表示排除型字符组，“[^Char]”也就是匹配除字符组中包含的字符之外的任意一个字符，比如“[^0-9]”表示除数字外的任意一个字符。所以在字符组中，要匹配“^”字符本身，要么不放在字符组开始位置，要么用“^”进行转义。
Regex reg1 = new Regex(@"[0-9^]");
Regex reg2 = new Regex(@"[^0-9]");
这两种方式都表达匹配任意一个数字或普通字符“^”。
至于“-”在字符组中特殊性，举一个例子。
复制代码 代码如下:
string test = @"$";
Regex reg = new Regex(@"[#-*%&]");
richTextBox2.Text = "匹配结果：" + reg.IsMatch(test);
/*--------输出--------
匹配结果：True
*/

正则表达式中明明没有“$”，为什么匹配结果会是“True”呢？
[]支持用连字符“-”连接两个字符，来表示一个字符范围。需要注意的是，“-”前后的两个字符是有顺序的，在使用相同的编码时，后面的字符码位应大于或等于前面字符的码位。
复制代码 代码如下:
for (int i = '#'; i <= '*'; i++)
{
richTextBox2.Text += (char)i + "n";
}
/*--------输出--------
#
$
%
&
'
(
)
*
*/

由于“#”和“*”符合要求，“[#-*]”可以表示一个字符范围，其中就包含了字符“$”，所以上面的正则是可以匹配“$”的，如果只是把“-”当作一个普通字符处理，那么要么换个位置，要么把“-”转义。
Regex reg1 = new Regex(@"[#*%&-]");
Regex reg2 = new Regex(@"[#-*%&]");
这两种方式都表示匹配字符组中列举的字符中的任意一个。
在字符组中，还有一个比较特殊的转义字符，“b”出现在正则表达式中一般位置时，表示单词边界，也就是一侧为组成单词的字符，另一侧不是；而当“b”出现在字符组中时，表示的是退格符，与普通字符串中出现的“b”意义是一样的。
同样的，还有一个容易被忽视，而且经常被忽视的转义符“|”，当“|”出现在正则表达式中一般位置时，表示左右两侧“或”的关系；而当“|”出现在字符组中时，它仅仅表示“|”字符本身，没有任何特殊意义，所以如果不是要匹配“|”本身，而试图在字符组中使用“|”时，是错误的。比如正则表达式“[a|b]”表示的是“a”、“b”、“|”中的任意一个，而不是“a”或“b”。
2.4 .NET正则应用中不可见字符转义处理
对于一些不可见字符，要在字符串中表示时，需要用转义字符，比较常见的有“r”、“n”、“t”等等，而这些字符在正则中应用，就变得有些神奇了，先看一段代码。
复制代码 代码如下:
string test = "one line. n another line.";
List list = new List();
list.Add(new Regex("n"));
list.Add(new Regex("n"));
list.Add(new Regex(@"n"));
list.Add(new Regex(@"n"));
foreach (Regex reg in list)
{
richTextBox2.Text += "正则表达式：" + reg.ToString();
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += " 匹配内容：" + m.Value + " 匹配起始位置：" + m.Index + " 匹配长度：" + m.Length;
}
richTextBox2.Text += " 匹配总数：" + reg.Matches(test).Count + "n----------------n";
}
/*--------输出--------
正则表达式：
匹配内容：
匹配起始位置：10 匹配长度：1 匹配总数：1
----------------
正则表达式：n 匹配内容：
匹配起始位置：10 匹配长度：1 匹配总数：1
----------------
正则表达式：n 匹配内容：
匹配起始位置：10 匹配长度：1 匹配总数：1
----------------
正则表达式：n 匹配总数：0
----------------
*/

可以看到，前三种写法，输出的正则虽不同，但执行结果却是完全相同的，只有最后一种是没有匹配的。
正则表达式一Regex("n")，其实就是以普通字符串形式来声明正则的，与用Regex("a")来匹配字符“a”是同样的道理，是不经过正则引擎转义的。
正则表达式二Regex("n")，是以正则表达式形式来声明正则的，正如正则中的“”就等同于字符串中的“”一样，正则中的“n”就等同于字符串中的“n”，是经过正则引擎转义的。
正则表达式三Regex(@"n")，与正则表达式二等价，是字符串前加“@”的写法。
正则表达式四Regex(@"n")，其实这个表示的是字符“”后面跟一个字符“n”，是两个字符，这个在源字符串中自然是找不到匹配项的。
这里需要特别注意的还是“b”，不同的声明方式，“b”的意义是不同的。
复制代码 代码如下:
string test = "one line. n another line.";
List list = new List();
list.Add(new Regex("lineb"));
list.Add(new Regex("lineb"));
list.Add(new Regex(@"lineb"));
list.Add(new Regex(@"lineb"));
foreach (Regex reg in list)
{
richTextBox2.Text += "正则表达式：" + reg.ToString() + "n";
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += "匹配内容：" + m.Value + " 匹配起始位置：" + m.Index + " 匹配长度：" + m.Length + "n";
}
richTextBox2.Text += "匹配总数：" + reg.Matches(test).Count + "n----------------n";
}
/*--------输出--------
正则表达式：line_
匹配总数：0
----------------
正则表达式：lineb
匹配内容：line 匹配起始位置：4 匹配长度：4
匹配内容：line 匹配起始位置：20 匹配长度：4
匹配总数：2
----------------
正则表达式：lineb
匹配内容：line 匹配起始位置：4 匹配长度：4
匹配内容：line 匹配起始位置：20 匹配长度：4
匹配总数：2
----------------
正则表达式：lineb
匹配总数：0
----------------
*/

正则表达式一Regex("lineb")，这里的“b”是退格符，是不经过正则引擎转义的。源字符串中是没有的，所以匹配结果为0。
正则表达式二Regex("lineb")，是以正则表达式形式来声明正则的，这里的“b”是单词边界，是经过正则引擎转义的。
正则表达式三Regex(@"lineb")，与正则表达式二等价，指单词边界。
正则表达式四Regex(@"lineb")，其实这个表示的是字符“”后面跟一个字符“b”，是两个字符，这个在源字符串中自然是找不到匹配项的。
2.5 .NET正则应用中其它转义处理
.NET正则应用中还有一些其它转义方式，虽然用得不多，但也顺便提一下吧。
需求：把字符串中“<”和“>”之间的数字前加上“$”
复制代码 代码如下:
string test = "one test <123>, another test <321>";
Regex reg = new Regex(@"<(d+)>");
string result = reg.Replace(test, "<$$1>");
richTextBox2.Text = result;
/*--------输出--------
one test <$1>, another test <$1>
*/
也许你会惊奇的发现，替换结果不是在数字前加了“$”，而是将所有数字都替换为“$1”了。
为什么会这样呢，这是因为在替换结构中，“$”是有特殊意义的，在它后面接数字，表示对对应编号捕获组匹配结果的引用，而有些情况下，需要在替换结果中出现“$”字符本身，但它后面又跟了数字，这时候就需要用“$$”对它进行转义了。而上面这个例子却恰恰是由于这种转义效果导致出现了异常结果，要规避这一问题，可以使替换结果中不出现对捕获组的引用。
string test = "one test <123>, another test <321>";
Regex reg = new Regex(@"(?<=<)(?=d+>)");
string result = reg.Replace(test, "$");
richTextBox2.Text = result;
/*--------输出--------
one test <$123>, another test <$321>
*/

3 JavaScript及Java中的转义符
JavaScript及Java中正则的转义符处理，以字符串形式声明时，基本上都是与.NET中一致的，简单的介绍一下。
在JavaScript中，以字符串形式声明正则，与C#中的表现是一样的，同样会显得很笨拙。
复制代码 代码如下:

/*--------输出--------
源字符串： 匹配结果：true
源字符串： 匹配结果：false
*/

JavaScript中虽然没有提供C#中这种“@”方式的字符串声明方式，但提供了另一种正则表达式的专有声明方式。
复制代码 代码如下:

/*--------输出--------
源字符串： 匹配结果：true
源字符串： 匹配结果：false
*/

JavaScript中
var reg = /Expression/igm;
这种声明方式，一样可以简化含有转义符的正则。
当然，以这种形式声明正则时，“/”自然也就成为了元字符，正则中出现这一字符时，必须进行转义处理。比如匹配链接中域名的正则
var reg = /http://:([^/]+)/ig;
很不幸的是，在Java中，目前只提供了一种正则声明方式，也就是字符串形式的声明方式
复制代码 代码如下:
String test[] = new String[]{"", "" };
String reg = "^$";
for(int i=0;i{
System.out.println("源字符串：" + test[i] + " 匹配结果：" + Pattern.compile(reg).matcher(test[i]).find());
}
/*--------输出--------
源字符串： 匹配结果：true
源字符串： 匹配结果：false
*/

只能期待Java的后续版本能提供这方面的优化了。