集合和范围 [...]

方括号 […] 内的多个字符或字符类表示“搜索给定字符中的任何字符”。

集合

例如，[eao] 表示 3 个字符中的任何一个：'a'、'e' 或 'o'。

这被称为集合。集合可以在正则表达式中与普通字符一起使用

// find [t or m], and then "op"
alert( "Mop top".match(/[tm]op/gi) ); // "Mop", "top"

请注意，虽然集合中有多个字符，但它们对应于匹配中的一个字符。

因此，以下示例没有匹配项

// find "V", then [o or i], then "la"
alert( "Voila".match(/V[oi]la/) ); // null, no matches

该模式搜索

• V,
• 然后是字母 [oi] 中的一个，
• 然后是 la。

所以 Vola 或 Vila 会匹配。

范围

方括号也可以包含字符范围。

例如，[a-z] 是从 a 到 z 的范围内的字符，而 [0-5] 是从 0 到 5 的数字。

在下面的示例中，我们正在搜索 "x" 后面跟着两个数字或从 A 到 F 的字母

alert( "Exception 0xAF".match(/x[0-9A-F][0-9A-F]/g) ); // xAF

这里 [0-9A-F] 有两个范围：它搜索一个字符，该字符要么是 0 到 9 的数字，要么是 A 到 F 的字母。

如果我们想查找小写字母，我们可以添加 a-f 范围：[0-9A-Fa-f]。或者添加标志 i。

我们也可以在 […] 中使用字符类。

例如，如果我们想查找一个单词字符 \w 或一个连字符 -，那么集合是 [\w-]。

也可以组合多个类，例如 [\s\d] 表示“空格字符或数字”。

示例：多语言 \w

由于字符类 \w 是 [a-zA-Z0-9_] 的简写，它无法找到汉字、西里尔字母等。

我们可以编写一个更通用的模式，它可以查找任何语言中的单词字符。使用 Unicode 属性很容易做到这一点：[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]。

让我们来解读它。类似于 \w，我们正在创建自己的集合，其中包含具有以下 Unicode 属性的字符

• 字母 (Alpha) – 用于字母，
• Mark (M) – 用于重音符号，
• Decimal_Number (Nd) – 用于数字，
• Connector_Punctuation (Pc) – 用于下划线 '_' 和类似字符，
• Join_Control (Join_C) – 两个特殊代码 200c 和 200d，用于连字，例如在阿拉伯语中。

使用示例

let regexp = /[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]/gu;

let str = `Hi 你好 12`;

// finds all letters and digits:
alert( str.match(regexp) ); // H,i,你,好,1,2

当然，我们可以编辑此模式：添加或删除 Unicode 属性。Unicode 属性在文章 Unicode: flag "u" and class \p{...} 中有更详细的介绍。

排除范围

除了正常的范围之外，还有“排除”范围，它们看起来像 [^…]。

它们由开头处的插入符号字符 ^ 表示，匹配除给定字符之外的任何字符。

例如

• [^aeyo] – 除 'a'、'e'、'y' 或 'o' 之外的任何字符。
• [^0-9] – 除数字之外的任何字符，与 \D 相同。
• [^\s] – 任何非空格字符，与 \S 相同。

下面的示例查找除字母、数字和空格之外的任何字符

alert( "[email protected]".match(/[^\d\sA-Z]/gi) ); // @ and .

在 […] 中转义

通常，当我们想要找到一个特殊的字符时，我们需要对其进行转义，例如 \.。如果我们需要反斜杠，那么我们使用 \\，等等。

在方括号中，我们可以使用绝大多数特殊字符而无需转义

• 符号 . + ( ) 从不需要转义。
• 连字符 - 在开头或结尾处不转义（它不定义范围的地方）。
• 插入符号 ^ 仅在开头处转义（它表示排除的地方）。
• 右方括号 ] 始终转义（如果我们需要查找该符号）。

换句话说，所有特殊字符都允许不转义，除非它们对方括号有特殊含义。

方括号内的点 . 仅表示一个点。模式 [.,] 将查找以下字符之一：点或逗号。

在下面的示例中，正则表达式 [-().^+] 查找以下字符之一：-().^+

// No need to escape
let regexp = /[-().^+]/g;

alert( "1 + 2 - 3".match(regexp) ); // Matches +, -

…但是，如果您决定“以防万一”对其进行转义，那么不会有任何问题

// Escaped everything
let regexp = /[\-\(\)\.\^\+]/g;

alert( "1 + 2 - 3".match(regexp) ); // also works: +, -

范围和标志“u”

如果集合中存在代理对，则需要标记 u 才能使它们正常工作。

例如，让我们在字符串 𝒳 中查找 [𝒳𝒴]。

alert( '𝒳'.match(/[𝒳𝒴]/) ); // shows a strange character, like [?]
// (the search was performed incorrectly, half-character returned)

结果不正确，因为默认情况下正则表达式“不知道”代理对。

正则表达式引擎认为 [𝒳𝒴] 不是两个字符，而是四个字符。

1. 𝒳 的左半部分 (1)，
2. 𝒳 的右半部分 (2)，
3. 𝒴 的左半部分 (3)，
4. 𝒴 的右半部分 (4)。

我们可以这样查看它们的代码

for(let i=0; i<'𝒳𝒴'.length; i++) {
  alert('𝒳𝒴'.charCodeAt(i)); // 55349, 56499, 55349, 56500
};

因此，上面的示例找到了并显示了 𝒳 的左半部分。

如果我们添加标记 u，则行为将是正确的。

alert( '𝒳'.match(/[𝒳𝒴]/u) ); // 𝒳

在查找范围时，例如 [𝒳-𝒴]，也会出现类似的情况。

如果我们忘记添加标记 u，就会出现错误。

'𝒳'.match(/[𝒳-𝒴]/); // Error: Invalid regular expression

原因是，如果没有标记 u，代理对会被视为两个字符，因此 [𝒳-𝒴] 被解释为 [<55349><56499>-<55349><56500>]（每个代理对都被替换为其代码）。现在很容易看出范围 56499-55349 是无效的：它的起始代码 56499 大于结束代码 55349。这是错误的正式原因。

使用标记 u，模式可以正常工作。

// look for characters from 𝒳 to 𝒵
alert( '𝒴'.match(/[𝒳-𝒵]/u) ); // 𝒴