正则表达式字符类：\d、\w、\s、[a-z] 及其陷阱
字符类是正则中最常用的部分，也最容易出现不易察觉的错误。本文讲解 [abc]、[a-z]、[^…]、\d、\w 和 \s 到底匹配什么，以及它们背后的陷阱：[A-z]、放错位置的连字符、方括号里的点，以及不是 0 到 9 的数字。
· 阅读约 6 分钟
/^[A-Z][a-z]+$/
抓住
- Paris
- Lima
- Oslo
- Rome
放过
- paris
- PARIS
- New York
- R2D2
字符类匹配集合中的一个字符。[aeiou] 匹配一个元音字母，[0-9] 匹配一个数字，\s 匹配一个空格、制表符或换行符。
你写的几乎每个正则里都有字符类，而它们的陷阱大多很隐蔽：正则在你试过的输入上运行正常，之后却放进了一些奇怪的东西。本文先讲每种字符类到底匹配什么，再讲陷阱。每个示例都可以实时编辑，修改正则就能看到各行的变化。
01方括号里的集合
方括号列出一个位置上允许出现的字符：
一个字符类里可以放多个范围和单个字符：[A-Za-z0-9_] 表示字母、数字和下划线。
03否定字符类
紧跟在左方括号后面的 ^ 会反转集合：“除这些以外的任意字符”。
注意，“除这些以外的任意字符”真的是任意字符：空格、数字、标点和换行符都算。2024 能匹配，因为数字不是元音字母。
在方括号外，^ 是锚点。在方括号内的最开头，它表示否定。在方括号内的其他位置，它就只是一个脱字符。
04简写
有些字符类太常用了，所以有简短的写法：
| 简写 | 含义（JavaScript 中） | 反义 |
|---|---|---|
\d |
一个数字，[0-9] |
\D |
\w |
一个单词字符，[A-Za-z0-9_] |
\W |
\s |
空白字符：空格、制表符、换行符等 | \S |
. |
除换行符以外的任意字符 |
其中两个常让人意外。\w 包含数字和下划线，所以它并不等于“一个字母”：
而 \s 也不只是空格：它还匹配制表符和换行符。如果你只想要一个空格，就直接写一个空格。
05陷阱 1：[A-z] 不是“所有字母”
范围按字符编码计算。在 Z（90）和 a（97）之间还有六个其他字符：[ \ ] ^ _ 和反引号。所以 [A-z] 会把它们也放进来：
把两个范围分开写：[A-Za-z]。
06陷阱 2：中间的连字符
两个字符之间的连字符会构成范围，即使你本意只是一个普通的连字符：
那个逗号就是 bug：+ 的编码是 43，. 是 46，逗号（44）正好在两者之间。把连字符放在字符类的开头或末尾，或者转义它，它就又变回普通的连字符了：
07陷阱 3：点和其他特殊字符
大多数特殊字符在方括号内都会失去特殊含义。[.] 是字面上的点，[*+?] 是三个符号中的一个，[$] 是美元符号。所以 [.] 是 \. 的另一种写法：
在字符类内部，只有四个字符仍然有特殊含义：]、\、开头的 ^，以及两个字符之间的 -。
08陷阱 4：不是 0 到 9 的数字
在 JavaScript 中，\d 就是 [0-9]。在 Python 3 中，对于普通的 str 正则，\d 匹配任何 Unicode 数字：阿拉伯-印度数字 ٣、天城文数字 ३、全角数字 ３。\w 也是如此，它接受任何文字的字母。
import re
re.fullmatch(r"\d+", "٣٤٥") # matches in Python
re.fullmatch(r"\d+", "٣٤٥", re.ASCII) # None
如果这个数字接下来要传给 int() 或存进数据库字段，这一点就很重要。想要 ASCII 数字时，请使用 [0-9] 或 re.ASCII 修饰符。
09试一试
你能抓住只由十六进制数字组成的行吗？
抓住只由十六进制数字组成的字符串，大小写均可。
目标 · 抓住 0/6
- ff目标
- 00目标
- 1a2B目标
- DEADbeef目标
- c0ffee目标
- 7目标
无辜词 · 误抓 0
- fg无辜
- 0x1f无辜
- 12 34无辜
- beef!无辜
- gg无辜
- z无辜
输入正则——棋盘会实时更新。