Chapter 02 / 10

字符类与边界匹配

掌握字符类、预定义类与位置锚定——正则表达式的精确定位工具

字符类（Character Class）

方括号 [] 定义一个字符类，表示"匹配其中任意一个字符"：

[aeiou]       # 匹配任意一个元音字母
[0-9]         # 匹配任意数字（范围语法）
[a-z]         # 匹配任意小写字母
[A-Za-z0-9]   # 匹配字母或数字
[+-]          # 匹配 + 或 -（字符类内 - 在首/末位时为字面量）
WARNING字符类内部，大多数元字符失去特殊含义。[.] 匹配字面量点，[(] 匹配字面量括号。只有 ]、\、^（在首位）、-（在中间）仍有特殊含义。

取反字符类

^ 出现在字符类的第一位时表示取反，匹配"不在其中"的字符：

/[^aeiou]/g
hello
等等……其实取反匹配的是辅音：hello 中 h、l、l 被匹配
[^0-9]    # 匹配任意非数字字符
[^\r\n]   # 匹配非换行字符（类似 . 但含制表符）

预定义字符类

常用的字符类有预定义的简写形式：

简写等价字符类含义
\d[0-9]数字
\D[^0-9]非数字
\w[A-Za-z0-9_]单词字符（字母、数字、下划线）
\W[^A-Za-z0-9_]非单词字符
\s[ \t\r\n\f\v]空白字符（空格、制表符、换行等）
\S[^ \t\r\n\f\v]非空白字符
/\d{3}-\d{4}/g
电话：138-8888，备用：139-9999

组合预定义类

\w+@\w+\.\w+       # 简单邮箱模式
\s+                # 一个或多个空白（常用于切分单词）
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}  # 简单 IPv4

边界锚定（Anchors）

锚定符不匹配任何字符，而是匹配字符串中的某个位置：

锚定符匹配的位置
^字符串（或行）的起始位置
$字符串（或行）的结束位置
\b单词边界（\w 和 \W 之间的位置）
\B非单词边界
\A字符串的起始（不受多行模式影响，Python 专用）
\Z字符串的结尾（不受多行模式影响，Python 专用）

^ 和 $ 示例

/^\d{4}$/
匹配：2026  不匹配：12345、 2026
整行必须恰好是 4 位数字

单词边界 \b

\b 匹配"单词字符"与"非单词字符"之间的边界（包括字符串边缘）：

/\bcat\b/g
a cat sat on the caterpillar
"caterpillar" 中的 "cat" 不匹配，因为后面紧跟字母
TIP\b 非常适合用来匹配完整单词，避免误匹配到更长单词的子串。比如 \bword\b 只匹配独立的 "word"，而不匹配 "keyword" 中的 "word"。

Unicode 与字符类

在现代正则引擎中，\w 和 \d 默认只匹配 ASCII 范围。要匹配 Unicode 字符（如中文、日文），需要：

# Python：re.UNICODE 标志（Python 3 默认已开启）
import re
re.findall(r'\w+', 'hello 世界')
# → ['hello', '世界']  （Python 3 默认支持 Unicode \w）

# JavaScript：ES2018 Unicode 模式
/\p{L}+/gu  # \p{L} 匹配任意 Unicode 字母

POSIX 字符类（Perl/PCRE）

在方括号内可以使用 POSIX 类（部分引擎支持）：

POSIX 类含义
[:alpha:]字母（[A-Za-z]）
[:digit:]数字（[0-9]）
[:alnum:]字母或数字
[:space:]空白字符
[:upper:]大写字母
[:lower:]小写字母

小结