正则表达式：基础字符与字符类
本篇从“一个模式如何匹配一个字符”开始。除非特别说明，regex 代码块只表示模式本身，不含 JavaScript 字面量的 /.../ 分隔符。可运行练习以 Python re 为基线；涉及字符类时会明确说明 Unicode 与 ASCII 差异。
1. 普通字符
功能说明
字母、数字和大多数非保留标点在正则中是普通字符。它们会匹配自身，且通常区分大小写。多个普通字符连在一起时，表示按顺序匹配该段文本。
语法格式
普通文本简单示例
cat测试文本：a cat and a catalog
匹配结果说明
模式会匹配文本中的 cat 两次：一次来自独立单词 cat，另一次来自 catalog 的开头。若只想匹配完整单词，需要结合 单词边界。
2. 元字符
功能说明
元字符在正则中具有特殊含义，常见的有 .、^、$、*、+、?、(、)、[、]、{、}、| 和 \。它们用于描述“任意字符、边界、重复、分组、选择”等规则，而不是匹配字面字符。
语法格式
元字符 + 其他模式简单示例
ca.t测试文本：cat cart cast
匹配结果说明
点号 . 是元字符，默认匹配一个任意字符（通常不含换行）。因此 ca.t 会匹配 cart 和 cast，但不会匹配只有三个字符的 cat。若需要匹配真正的句点，应写成 \.。
3. 转义字符
功能说明
反斜杠 \ 用于转义：它可以让元字符失去特殊意义，也可以引入 \d、\b 等特殊字符类或边界。若正则模式又放进编程语言的字符串中，常常还需要经历一次字符串层面的转义。
语法格式
\元字符简单示例
file\.txt测试文本：file.txt fileXtxt
匹配结果说明
\. 会匹配字面句点，所以结果是 file.txt；fileXtxt 不匹配。Python 通常写成 re.compile(r"file\.txt")；PowerShell 模式可放在单引号字符串 'file\.txt' 中；JavaScript 字面量可写为 /file\.txt/。如果改用普通程序字符串，还要核对宿主语言的转义层。
4. 字符集合：[abc]
功能说明
字符集合（也叫字符组）用方括号表示“匹配其中任意一个字符”。[abc] 每次只匹配一个。
语法格式
[字符1字符2字符3]简单示例
gr[ae]y测试文本：gray grey gruy
匹配结果说明
gr[ae]y 会匹配 gray 和 grey，因为方括号位置允许 a 或 e；gruy 不匹配。方括号中的大多数元字符会变成普通字符，但 ]、-、^ 和 \ 仍需谨慎处理。
5. 字符范围：[a-z]
功能说明
在字符集合中，连字符 - 可表示范围。[a-z] 代表从 a 到 z 的任意一个小写 ASCII 字母；范围可以组合，如 [A-Za-z0-9]。
语法格式
[起始字符-结束字符]简单示例
[A-Z][a-z]+测试文本：Alice BOB alice Zhang
匹配结果说明
结果是 Alice 和 Zhang：第一个字符必须是大写字母，后面至少一个字符必须是小写字母。BOB 不符合后续小写字母要求，alice 的首字母不是大写。范围受引擎和字符编码影响；处理国际化文字时，不要假定 [a-z] 能覆盖所有字母。
6. 排除字符集合：[^0-9]
功能说明
当脱字符 ^ 出现在字符集合开头时，表示“不是这些字符中的任何一个”。例如 [^0-9] 匹配一个非 ASCII 数字字符。这里的 ^ 与行首锚点的含义不同，位置决定了它的作用。
语法格式
[^不允许的字符或范围]简单示例
[^0-9]+测试文本：A12-B_3
匹配结果说明
模式会匹配两段非数字文本：A 和 -B_。末尾的 + 表示连续的非数字合并为一次匹配；数字 1、2、3 不会被匹配。
7. 数字字符类：\d
功能说明
\d 是数字字符类。ECMAScript 中它表示 [0-9]；Python 的 Unicode str 模式和 .NET 默认会接受其他 Unicode 十进制数字。机器协议、时间戳和标识符若只允许 ASCII 数字，应明确写 [0-9]，或在 Python 中有意识地使用 re.ASCII。
语法格式
\d简单示例
\d{4}测试文本：编号 2026，批次 73
匹配结果说明
结果是 2026，因为 {4} 要求连续四个数字；73 只有两个数字，不匹配。
8. 非数字字符类：\D
功能说明
\D 匹配一个非数字字符，是 \d 的互补形式。它适合提取或排除数字之外的内容，但不会自动保证剩余文本是字母。
语法格式
\D简单示例
\D+测试文本：v2.0-beta
匹配结果说明
结果依次为 v、. 和 -beta。数字 2 与 0 被跳过；+ 把相邻的非数字字符合并在同一次匹配中。
9. 单词字符类：\w
功能说明
\w 匹配一个“单词字符”，但“单词”是引擎术语，不是自然语言分词。Python 的 Unicode str 模式默认包含 Unicode 字母数字与下划线，因此可匹配中文；ECMAScript 的基础集合接近 [A-Za-z0-9_]；.NET 采用 Unicode 字符类别。机器标识符应优先写出允许集合，而不是依赖默认 \w。
语法格式
\w简单示例
\w+测试文本：user_name-01 张三
匹配结果说明
在 ECMAScript 的基础语义下，结果是 user_name 和 01；Python 默认还会匹配 张三。连字符和空格不是单词字符。这个差异正说明：同一模式不能脱离引擎与标志讨论。
10. 非单词字符类：\W
功能说明
\W 匹配一个非单词字符，是 \w 的互补形式。它常用于定位标点、分隔符和空白，但具体范围随着 \w 的定义而变化。
语法格式
\W简单示例
\W+测试文本：name@example.com!
匹配结果说明
结果是 @、. 和 !。字母属于 \w，所以不会被该模式匹配。
11. 空白字符类：\s
功能说明
\s 匹配一个空白字符，如空格、制表符和换行符；具体是否包含更多 Unicode 空白字符由引擎决定。它常用于处理不规则的空格与换行。
语法格式
\s简单示例
\s+测试文本：姓名 年龄\t城市
匹配结果说明
结果是两个空白片段：三个连续空格，以及一个制表符。+ 使连续空白被合并，而不是逐个返回。
12. 非空白字符类：\S
功能说明
\S 匹配一个非空白字符，是 \s 的互补形式。它适合提取由空白分隔的“非空白片段”，但不等同于自然语言中的单词。
语法格式
\S简单示例
\S+测试文本： one\ttwo three
匹配结果说明
结果是 one、two 和 three。开头、结尾和中间的空格或制表符不会被匹配。
13. 点号：.
功能说明
点号 . 默认匹配一个任意字符，但多数引擎默认不让它匹配换行符。开启单行（dotAll）模式后，点号通常也可匹配换行。若要匹配字面句点，必须使用 \.。
语法格式
.简单示例
a.c测试文本：abc a-c ac
匹配结果说明
结果是 abc 和 a-c：点号各匹配了中间的一个字符。ac 少了中间字符，不匹配。不要用 .* 代替所有结构化规则，它很容易写出过度匹配或低性能的表达式。
练习与自测
- 写一个只允许 ASCII 十六进制字符的字符类，并测试
0fA9、0x10、空字符串。 - 在 Python 中分别用
r"\d+"、r"[0-9]+"匹配全角数字１２３，解释结果差异。 - 写出匹配字面文本
a+b.c的模式；说明哪些字符需要转义。 [^0-9]是否等于“字母”？为什么？.在默认模式下为什么不能可靠表示“任意字节”或“任意一行 JSON”？