1.语言的转义
正则表达式一般通过语言的字符串字面量传达给正则表达式引擎,所以在到达真正的表达式引擎时,表达式还会通过一层语言本身的字符串字面量转义。
比如PHP中,需要匹配反斜杠则需要在字面量中输入4个反斜杠,其中两个反斜杠实际的转义意义发生在PHP本身对字符串字面量处理的层面上,最终到表达式引擎收到的表达式是[\]。
$match = array(); preg_match('/[\\]/', 'aaaaaa', $match); var_dump($match);
2.十六进制代码点的转义
以ASCII为例,通常字符组都会支持如[x00-xff]这样的十六进制代码点转义,意思是匹配编码为00到ff的ASCII字符。
Unicode特殊一些,由于Unicode的编码范围超过FF,这个时候就需要用到多字节代码点,不过不同语言的支持程度有点不一样,详情需要参考《精通正则表达式(第三版)》118页。
就PHP而言,preg包支持xF,xFF,x{F...}的单字,双字,多字的转义方法,如果需要支持Unicode,则需要在u模式下,比如:
$match = array(); preg_match_all('/[xaxd]/u', " ", $match); var_dump($match); $match = array(); preg_match_all('/[x{2460}x{2462}]/u', '①②③', $match); var_dump($match);
$match = array();
preg_match_all('/[x{1f34b}-x{1f34c}]/u', "zßu6c34xf0x9fx8dx8c", $match);
var_dump($match);
而对于Javascript,则支持xFF,uFFFF的双字,四字的转义方法,而且uFFFF表明正则运行在Unicode模式,不需要额外指明u模式,比如:
var patt=new RegExp("[x0ax0d]","g"); var str=" "; while ((result = patt.exec(str)) != null) { console.log(result); } var patt=new RegExp("[u2460-u2463]","g"); var str="①②③"; while ((result = patt.exec(str)) != null) { console.log(result); }
①②③