Представление символов в регулярных выражениях

Представление символов по их коду

В некоторых случаях предпочтительно представление символов по их коду.

Представление	Пояснение	Кодировка
`\0n`	n — восьмеричное число от 0 до 377	8-битная
`\xdd`	d — шестнадцатеричная цифра	8-битная
`\udddd`	d — шестнадцатеричная цифра	16-битная (Юникод)

Управляющие символы

Представление	Символ	Обозначение	Расшифровка
`\t`	Горизонтальная табуляция	`HT`	Horizontal tabulation
`\v`	Вертикальная табуляция	`VT`	Vertical tabulation
`\r`	Возврат каретки	`CR`	Carriage return
`\n`	Перевод строки (прогон строки, подача строки)	`LF`	Line feed
`\f`	Конец страницы (прогон страницы)	`FF`	Form feed
`\a`	Звонок	`BEL`	Bell character
`\e`	Ключ (управляющий символ, Escape-символ)	`ESC`	Escape character
`\b`	Backspace Должен находиться внутри квадратных скобок (иначе интерпретируется как граница слова).	`BS`	Backspace
`\cA` … `\cZ`	Ctrl+A … Ctrl+Z Например, последовательность `\cM\cJ` соответствует управляющим символам `CR` `LF`. Эквивалентно `\x01` … `\x1A`.

Сокращённые обозначения символьных классов

Для часто используемых символьных классов существуют краткие обозначения.

Представление	Эквивалент	Значение
`\d`	`[0-9]`	Цифра
`\D`	`[^\d]`	Любой символ, кроме цифры
`\w`	`[A-Za-zА-Яа-я0-9_]`	Символы, образующие «слово» (буквы, цифры и символ подчёркивания)^[1]
`\W`	`[^\w]`	Символы, не образующие «слово»
`\s`	`[ \t\v\r\n\f]`	Пробельный символ
`\S`	`[^\s]`	Непробельный символ

Символьные классы POSIX

Многие диапазоны символов зависят от выбранных настроек локализации. POSIX стандартизовал объявление некоторых классов и категорий символов, как показано в следующей таблице.

POSIX-класс	Эквивалент	Значение
`[:upper:]`	`[A-Z]`	Символы верхнего регистра
`[:lower:]`	`[a-z]`	Символы нижнего регистра
`[:alpha:]`	`[[:upper:][:lower:]]`	Буквы
`[:digit:]`	`[0-9]`, т. е. `\d`	Цифры
`[:xdigit:]`	`[[:digit:]A-Fa-f]`	Шестнадцатеричные цифры
`[:alnum:]`	`[[:alpha:][:digit:]]`	Буквы и цифры
`[:word:]`	`[[:alnum:]_]`, т. е. `\w`	Символы, образующие «слово»
`[:punct:]`	[-!"#$%&'()*+,./:;<=>?@[\\\]_`{\|}~]	Знаки пунктуации
`[:blank:]`	`[ \t]`	Пробел и табуляция
`[:space:]`	`[[:blank:]\v\r\n\f]`, т. е. `\s`	Пробельные символы
`[:cntrl:]`	`[\x00-\x1F\x7F]`	Управляющие символы
`[:graph:]`	`[\x21-\x7E]`	Печатные символы
`[:print:]`	`[\x20-\x7E]`, т. е. `[[:graph:] ]`	Печатные символы с пробелом

Использование класса возможно лишь внутри квадратных скобок (пример частой ошибки — ^[:upper:]il+$ вместо ^[[:upper:]]il+$).

Примечания

↑ Указанный эквивалент неполон, так как в диапазон входят все буквы всех языков.

См. также

Регулярные выражения

Литература

Фридл, Дж. Регулярные выражения. — СПб.: «Питер», 2001. — 352 с. — (Библиотека программиста). — ISBN 5-318-00056-8.
Смит, Билл. Методы и алгоритмы вычислений на строках (regexp) = Computing Patterns in Strings. — М.: «Вильямс», 2006. — 496 с. — ISBN 0-201-39839-7.
Форта, Бен. Освой самостоятельно регулярные выражения. 10 минут на урок = Sams Teach Yourself Regular Expressions in 10 Minutes. — М.: «Вильямс», 2004. — 192 с. — ISBN 0-672-32566-7.

[1] Указанный эквивалент неполон, так как в диапазон входят все буквы всех языков.

[1]