正则表达式的字符组，新手必踩的几个坑，你必须知道

龙逸凡

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



什么是字符组

在同一个位置可能会出现不同的字符，我们将这些可能出现的字符放在一起，用中括号括起来，这就是字符组。

比如从字符串“Excel makes you excel！”中的提取“excel”，不区分大小写，也就是不管是Excel、还是excel都可以。

那么，在xcel之前有可能是e，也有可能是E。在不使用(?i)忽略大小写模式的情况下，我们就要将可能出现的E和e都列出，用中括号括起来，[Ee]，这就是字符组。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

另外，为了表示连续的字符，比如：

1、阿拉伯数字，我们不太可能写为:

[0123456789]

2、字母，更不可能写为:

[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]

为简洁起写，我们按日常习惯的写法：

[0-9]

表示从0-9

[a-zA-z]

表示从a到z的所有小写字母以及从A到Z的所有大写字母

说明：不能写成[A-z]，更不写为[a-Z]

原因：

• 在unicode字符中a比Z大，不能写为[a-Z]
  
• 在大写Z与小写a之间，还有左右中括号、左斜杠、脱字符、下划线、重音符(反引号)，写为[A-z]是不精确的。
  
  

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

字符组看起来挺简单的啊，会有什么坑呢？

有一些坑，对初学者来讲，比较隐蔽，可能入了坑还不知道，现在都没出来。

我为什么这么清楚？

因为，这些坑我都踩过。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）




字符组的小世界

在正则表达式的字符天地里，字符组[]犹如一个独立王国，有它的不同规则，它构建了一个相对独立而"奇葩"的规则小世界。在这里，部分字符，我身非我，它们被赋予了新的作用。

佛曰：“一花一世界，一树一菩提”，正是字符组的生动写照。




下面我们一一阐述。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



众生平等是基本原则

我们知道，在正则表达式中，字符是有先后之分的，比如字符串“Excel”在正则表达式看来，就是首先是E，后面跟着x，再就是c……l排在最后。被匹配时，也是按这个顺序逐一去匹配。

但在字符组的内部，所有的字符都遵循着平等的原则。它们没有先来后到之分，不论资排辈，每个字符都有机会被选中。这就像是在一个没有等级之分的乌托邦社会，每个字符都有机会展现自己。

比如开篇所举的案例，字符组[Ee]中的E和e是平等的，并不是E被选了，e就不能被选了。

众生平等是字符组的基本原则 。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



特权字符无特权

我们知道，在字符组外面，那些元字符（特权字符），比如：问号`?`、竖杠`|`和句号`.`都是拥有特殊能力的特权人物。

但一旦它们进入字符组的世界，它们就会失去所有的特权，变得和普通字符一样。

比如那个牛逼哄哄，可以代表整个世界的"."（可代表除换行符之外的所有字符），人小权力大，整个世界都被它代表了，简单是牛13plus pro max extra。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）




但是一旦进到字符组，它就乖乖地只代表他自己。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）




其他的问号、星号小括号、大括号等，也是一样，在字符组内部只是普通字符。

也许，在字符组内部时，它们会象被贬黄州的苏轼一样自嘲：本字符上可陪玉皇大帝，下可陪卑田院乞儿。

龙逸凡

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



一身反骨，高呼“王侯将相宁有种乎”的脱字符

在元字符中有一个字符，比较特别，它就是脱字符^。

在之前的写的《5句话，让你的正则表达式水平突飞猛进！（第1-2句）》、《5句话，让你的正则表达式水平突飞猛进!（第3-5句)》文章，我们介绍过：脱字符^可用来定位字符串的开始位置。

看起来普普通通的它，放到字符组中，似乎也很安静，静静地只做自己。

=REGEXP(B1,"[符字脱^]+")

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

但是你不能将它放到“领导”位置【字符组的开始处】，一坐到“领导”位置，它就开始造反，高呼“王侯将相宁有种乎”，然后带领字符组内部的所有成员脱离组织。

比如：

公式1

=REGEXP(B1,"[^符字脱]+")

它会将“脱”“字”“符”三个字带离队伍

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）




公式2：

=TRANSPOSE(REGEXP(B1,"[^Excel偷懒的技术]+"))

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



混在队伍中间就爆发超能力的连字符-

还有一个字符比较特别，那就是连字符。

连字符它在字符组的开始和结尾，它只是它。

公式：

=REGEXP(B1,"[-ex]+")

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

但与一身反骨的脱字符不同，它一进到字符组内，并且在“人民群众”中间时，就会小宇宙爆发，将左右字符连成一片，代表从左边字符到右边字符的一群字符。

公式：

=REGEXP(B1,"[e-x]+")

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

代表了从左边字符e到右边字符x中间的所有字符。也就是:

efghijklmnopqrstuvwx

【敲黑板】注意，注意：

如果写成

=REGEXP(B1,"[x-e]+")

会出错的，因为x比e大，小的要放前面。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

龙逸凡

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）



发挥稳定的转义符\（左斜杠）

转义符\是一个发挥稳定的大师，性能的稳定性快赶上中国男足了（中国男足一直稳定发挥，给足球评论员解说的机会从来都是“留中国队的时间不多了”）。

转义符在字符组外部，它都能够让特定字符发挥或失去特殊作用。在字符组中，它的魔力依旧不变，能够指定字符的特殊含义。

比如在字符组内\S还是表示非空白字符

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）




在字符组内\d还是代表数字

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

扩展：

表示所有字符的正则表达式：

[\s\S]：匹配所有空白字符和非空白字符。

[\w\W]：匹配所有单词字符和非单词字符。

[\d\D]：匹配所有数字字符和非数字字符。

[backcolor=rgba(0, 0, 0, 0.1)]
[backcolor=rgba(0, 0, 0, 0.1)]

添加图片注释，不超过 140 字（可选）

最后，留一个思考题：

英文句号“.”代表除换行符之外的所有字符，\n代表换行符。那么

[.\n]

能不能代表所有字符？为什么?

欢迎在评论区留下你的答案。

上面这些小知识点，都是坑，一不小心就踩坑了。本文通俗易懂，看了本文，你就不会掉坑了。



欢迎阅读龙逸凡发表在Excel偷懒的技术公众号的其他正则表达式入门文章：

• 掌握这一点，就能正确地写出正则表达式了
  
• 5句话，让你的正则表达式水平突飞猛进！（第1-2句）
  
• 5句话，让你的正则表达式水平突飞猛进!（第3-5句)
  
• ①WPS新增的REGEXP函数，非常好用！强烈推荐
  
• ②WPS新增的REGEXP函数，有何特别魔力让人如此推荐？
  
• ③WPS新增的REGEXP函数，刚琢磨出的新颖用法
  
  

huishi

最近刚好接触正则，学习了

tzDel

学习龙老师的文章。

忙到飞起

[.\n]，不能代表所有字符，因为在字符组中失去了特权。

yellowhawk

太好的文章了，刚开始学习这个正则！受益了