[][] 如何在正则表达式中解析

How is [][] parsed in regex?

本文关键字：正则表达式      更新时间：2023-09-26

在尝试简单的正则表达式时，我发现了一些奇怪的行为。

单对括号[]被视为不完整的字符类（PCRE 和 Python）并引发错误，或被视为空字符类 （JS），这不是错误，但不匹配任何内容。

展望未来，JS按预期将[][]视为两个空类，但在PCRE和Python最里面的括号中，][被解释为文字，即使它们没有被转义。

进一步的实验表明，三个表达式在实践中是等价的：

   [][]
   [']'[]
   ['[']]

第二个和第三个对我来说很有意义，但为什么第一个有效？有人可以向我解释一下[][]结构是如何解析的吗？

把它归结为 JavaScript 设计师的过度聪明。 他们认为[]没有任何意义（空构造，对匹配没有影响），[^]没有任何意义 - 换句话说，包括换行符在内的任何内容。 大多数其他风格都有单行/DOTALL 模式，允许.匹配换行符，但 JavaScript 没有。 相反，它[^]作为一种超级点提供。

这并没有流行起来，这也一样。 正如你所观察到的，它与其他口味完全不兼容。 其他人的态度是，左括号后面的右括号应被视为文字字符。 而且，由于字符类不能嵌套（传统上），因此左括号在内部永远不会具有特殊含义。 因此，[][]只是匹配方括号的紧凑方式。

更进一步，如果您想匹配除 ] 、 [ 或 ^ 以外的任何字符，在大多数口味中，您可以完全这样写： [^][^] . 紧接在否定^之后的右括号被视为文本，左括号不特殊，第二个^也被视为文本。 但在 JavaScript 中，[^][^]是两个独立的原子，每个原子都匹配任何字符（包括换行符）。 要获得与其他口味相同的含义，您必须转义第一个右括号：[^'][^] 。

当爪哇跳进去时，池塘变得更加浑浊。 它引入了集合交集功能，因此您可以使用例如[a-z&&[^aeiou]]来匹配辅音（范围a到z的字符集，与所有不a、e、i、o或u字符的集合相交）。 但是，[不必在&&之后才具有特殊意义; [[a-z]&&[^aeiou]]与以前的正则表达式相同。

这意味着，在 Java 中，您始终必须使用反斜杠对字符类中的左括号进行转义，但您仍然可以通过将其放在首位来转义右括号。 因此，在 Java 中匹配方括号的最紧凑方法是 []'[] 。 我觉得这既令人困惑又丑陋，所以我经常跳过这两个括号，至少在 Java 和 JavaScript 中是这样。

.NET 具有类似的功能，称为集合减法，它更简单，并且使用更紧凑的语法：[a-z--[aeiou]] 。 嵌套类唯一可以出现的地方是在--之后，并且整个构造必须位于封闭字符类的末尾。 仍然可以在 .NET 中使用[][]匹配方括号。

相关文章：