什么是控制字符的正则表达式？

Question

我正在尝试匹配 \^c 形式的控制字符，其中 c 是控制字符的任何有效字符。我有这个正则表达式，但目前不起作用：

\\[^][@-z]

我认为问题在于插入符（^）是正则表达式解析引擎的一部分。

Answer 1

使用模式

^X

匹配

\^.

形式的 ASCII 文本字符串，仅此而已。将

\^X

形式的 ASCII 文本字符串与模式

\\\^.

进行匹配。您可能希望将该点限制为

[?@_\[\]^\\]

，即

\\\^[A-Z?@_\[\]^\\]

。对于括号内的字符类，读作

[?\x40-\x5F]

更容易，因此

\\\^[?\x40-\x5F]

表示文字反斜杠，后跟文字 CIRCUMFLEX，然后是变成有效控制字符之一的内容。

请注意，这是打印出图案的结果，或者是您从文件中读取的结果。这是您需要传递给正则表达式编译器的内容。如果您将其作为字符串文字，那么您当然必须将每个反斜杠加倍。

`\\\\\\^[?\\x40-\\x5F]"

是的，这看起来很疯狂，但那是因为 Java 不像 Groovy 和 Scala（或者 Perl 和 Ruby）那样直接支持正则表达式。正则表达式工作总是更容易，无需额外的 bbaacckksslllllaasshheesssssess。 :)

如果您有真正的控制字符而不是它们的间接表示，则可以使用

\pC

表示具有 GC=Other 属性的所有文字代码点，或使用

\p{Cc}

表示 GC=Control。

Answer 2