169
《正則表達式經典實例（第2版）》——2.2 匹配不可打印字符
本節書摘來自異步社區《正則表達式經典實例（第2版）》一書中的第2章，第2.2節，作者： 【美】Jan Goyvaerts , Steven Levithan著，更多章節內容可以訪問雲棲社區“異步社區”公眾號查看
2.2 匹配不可打印字符
問題描述
匹配一個包含下列ASCII控製字符的字符串：振鈴符（bell）、轉義符（escape）、換頁符（form feed）、換行符（line feed）、回車符（carriage return）、水平製表符（horizontal tab）和垂直製表符（vertical tab）。這些字符的十六進製ASCII編碼分別是07、1B、0C、0A、0D、09、0B。
下麵演示了轉義序列的用法，以及如何以十六進製編碼代表字符。
解決方案
\a\e\f\n\r\t\v
正則選項：無
正則流派：.NET、Java、PCRE、Python、Ruby
\x07\x1B\f\n\r\t\v
正則選項：無
正則流派：.NET、Java、JavaScript、Python、Ruby
\a\e\f\n\r\t\x0B
正則選項：無
正則流派：.NET、Java、PCRE、Perl、Python、Ruby
討論
這7個最常用的ASCII控製字符擁有專門的轉義序列。它們都包含一個反斜杠與一個字母。這與在許多編程語言中用於字符串字麵文本的語法是相同的。表2-1給出了常用的不可打印字符以及它們的表示方法。
在Perl 5.10及以後版本和PCRE 7.2及以後版本中，‹\v›的確匹配垂直製表符。不過在這些流派中‹\v›實際上匹配所有垂直空白，包括垂直製表符、換行符以及Unicode行和段落分隔符。因此，對於Perl和PCRE需要使用其他字符表示垂直製表符。
JavsScript不支持‹\a›和‹\e›。我們需要其他的辦法。這些控製字符以及在下麵的小節中會給出的替代語法，均可以在正則表達式中的字符組之內和之外同等地使用。
不可打印字符的變體表示
26個控製字符
下邊是與本例先前相同的7個ASCII控製字符的另一種匹配方法：
\cG\x1B\cL\cJ\cM\cI\cK
正則選項：無
正則流派：.NET、Java、JavaScript、PCRE、Perl、Ruby 1.9
使用從‹\cA›到‹\cZ›，可以匹配在ASCII表中占據了第1～26位的26個控製字符。其中的c必須是小寫的。在大多數流派中，c之後的字母是不區分大小寫的。我們推薦始終使用大寫字母，因為Java這樣要求。
如果你已經習慣在終端係統上通過按Ctrl鍵加上一個字符來輸入控製符號的話，這種語法會比較容易。在終端上，Ctrl+H會發送一個回車。而在正則表達式中，‹\cH›會匹配一個回車。
Python和Ruby 1.8中的經典Ruby引擎並不支持這種語法。而Ruby 1.9中的Oniguruma引擎則支持這種語法。
在ASCII表中第27位的轉義控製字符就超出了英語字母表的範圍，因此我們會在正則表達式中使用‹\x1B›來表示它。
7位字符集
下麵是另一種匹配我們列出的這7個常見控製字符的方法：
\x07\x1B\x0C\x0A\x0D\x09\x0B
正則選項：無
正則流派：.NET、Java、JavaScript、PCRE、Perl、Python、Ruby
一個小寫的\x後跟兩個大寫十六進製數字可以匹配ASCII字符集中的一個字符。圖2-1給出了在完整ASCII字符集中從‹\x00›到‹\x7F›組合所匹配的每個字符。在該圖中，第一個十六進製數字從左邊向下排列，而第二個數字則在第一行從左向右排列。
從‹\x80›到‹\xFF›會匹配哪些字符則要取決於你的正則引擎會如何解釋它們，以及你的目標文本使用哪種代碼頁編碼。我們推薦你不要使用‹\x80›到‹\xFF›。作為替代，應該使用在實例2.7中描述的Unicode碼位記號。
如果使用的是Ruby 1.8，或者在編譯PCRE時沒有使用UTF-8支持，就不能使用Unicode碼位。Ruby 1.8和不帶UTF-8的PCRE是8位的正則引擎。它們對於文本編碼和多字節字符是完全不支持的。在這些引擎中，‹\xAA›隻會簡單地匹配字節0xAA，而不去管0xAA所表示的是哪個字符，或者0xAA是否屬於某個多字節字符的一部分。
最後更新：2017-06-06 07:35:16