集合和范围 [...]

在方括号 […] 中的几个字符或者字符类表示“搜索给定字符中的任意一个”。

集合

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

这就是所谓的 集合。在正则表达式中，可以将集合和常规字符一起使用。

// 查找 [t 或 m]，然后匹配 "op"
alert( "Mop top".match(/[tm]op/gi) ); // "Mop", "top"

请注意，虽然集合中有多个字符，但它们在匹配中只会对应其中的一个。

所以在下面的示例中并没有匹配项：

// 查找 "V"，然后匹配 [o 或 i]，之后匹配 "la"
alert( "Voila".match(/V[oi]la/) ); // null，无匹配项

这个模式会搜索：

• V，
• 然后匹配其中的 一个字符 [oi]，
• 然后匹配 la。

所以可以匹配上 Vola 或者 Vila。

范围

方括号也可以包含 字符范围。

例如，[a-z] 表示从 a 到 z 范围内的字符，[0-5] 表示从 0 到 5 的数字。

在下面的示例中，我们将搜索首先是 "x"，然后有两位数或两个在 A 到 F 范围内的字符紧随其后的字符串。

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

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

如果我们还想查找小写字母，则可以添加范围 a-f：[0-9A-Fa-f]。或添加标志 i。

我们也可以在 […] 中使用字符类。

例如，如果我们想查找单词字符 \w 或连字符 -，则集合可以写为 [\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 是简写的 [a-zA-Z0-9_]，因此无法找到中文象形文字，西里尔字母等。

我们可以编写一个更通用的模式，该模式可以查找任何语言中的单词字符。借助 Unicode 属性很容易实现：[\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]。

让我们理解一下。类似于 \w，我们正在制作一组属于我们自己的包含具有以下 Unicode 属性的字符：

• Alphabetic (Alpha) —— 字母，
• Mark (M) —— 音调，
• Decimal_Number (Nd) —— 数字，
• Connector_Punctuation (Pc) —— 下划线 '_' 和类似的字符，
• Join_Control (Join_C) —— 两个特殊代码 200c 和 200d，用于连字，例如阿拉伯语。

使用示例：

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

let str = `Hi 你好 12`;

// 找出所有字母和数字：
alert( str.match(regexp) ); // H,i,你,好,1,2

当然，我们可以编辑这个模式：添加 Unicode 属性或删除它们。Unicode：修饰符 "u" 和类 \p{...} 一文更详细地介绍了 Unicode 属性。

排除范围

除了普通的范围匹配，还有像这样 [^…] 的“排除”范围匹配。

通过在开头添加插入符号 ^ 来表示匹配所有 除了给定的字符 之外的任意字符。

例如：

• [^aeyo] —— 匹配除了 'a'、'e'、'y' 或 'o' 之外的任何字符。
• [^0-9] —— 匹配除了数字之外的任何字符，与 \D 作用相同。
• [^\s] —— 匹配任何非空格字符，与 \S 作用相同。

下面的示例搜索除了字母、数字和空格之外的任何字符：

alert( "alice15@gmail.com".match(/[^\d\sA-Z]/gi) ); // @ and .

[…] 中的转义

通常当我们想要准确地找到一个特殊字符时，我们需要像 \. 这样对其进行转义。如果我们需要反斜杠，那么我们需要使用 \\，等等。

在方括号，我们可以使用绝大多数特殊字符而无需转义：

• 符号 . + ( ) 无需转义。
• 在开头或结尾（未定义范围）的连字符 - 不会被转义。
• 插入符号 ^ 仅在开头会被转义（表示排除）。
• 右方括号 ] 总是会被转义（如果我们需要寻找那个符号）。

换句话说，除了在方括号中有特殊含义的字符外，其它所有特殊字符都是允许不转义的。

方括号中的点 . 表示的就是一个点。模式 [.,] 将会搜索字符之一：点或逗号。

在下面的示例中，正则表达式 [-().^+] 查找 -().^+ 中的任何字符：

// 不需要转义
let reg = /[-().^+]/g;

alert( "1 + 2 - 3".match(reg) ); // 匹配 +，-

……但是如果你为了“以防万一”转义了它们，这也不会有任何问题：

// 转义其中的所有字符
let reg = /[\-\(\)\.\^\+]/g;

alert( "1 + 2 - 3".match(reg) ); // 仍能正常工作：+，-

范围和修饰符 “u”

如果集合中有代理对（surrogate pairs），则需要标志 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]/) ); // 显示了一个奇怪的字符，像 [?]
//（搜索执行不正确，返回了半个字符）

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)。

我们可以看到它们的编码，如下所示：

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

因此，上面的示例查找并显示了 𝒳 的左半部分。

如果我们添加了修饰符 u，那么行为就正常了：

alert( '𝒳'.match(/[𝒳𝒴]/u) ); // 𝒳

当我们查找范围时也会出现类似的情况，就像 [𝒳-𝒴]。

如果我们忘记添加修饰符 u，则会出现错误：

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

因为，没有修饰符 u 时，代理对将被视为两个字符，所以 [𝒳-𝒴] 被理解为 [<55349><56499>-<55349><56500>]（每个代理对都替换为其代码）。现在很容易看出范围 56499-55349 是无效的：其起始代码 56499 大于终止代码 55349。这就是错误的原因。

带有修饰符 u 时，该模式就可以正常匹配了：

// 查找从 𝒳 到 𝒵 的字符
alert( '𝒴'.match(/[𝒳-𝒵]/u) ); // 𝒴