[][] 如何在正则表达式中解析？答案

【问题标题】：How is [][] parsed in regex?[][] 如何在正则表达式中解析？
【发布时间】：2016-06-10 07:50:30
【问题描述】：

尝试简单的正则表达式我发现了一些奇怪的行为。

单对括号 [] 被视为不完整的字符类（PCRE 和 Python）并引发错误，或者被视为空字符类 (JS)，这不是错误，但不匹配任何内容.

接下来，JS 按预期将[][] 视为两个空类，但在PCRE 和Python 最里面的括号][ 被解释为文字，即使它们没有被转义。

进一步的实验表明，三个表达式在实践中是等价的：

   [][]
   [\]\[]
   [\[\]]

第二个和第三个对我来说很有意义，但为什么第一个有效？有人可以向我解释一下 [][] 构造是如何解析的吗？

【问题讨论】：

它会根据您使用的语言而有所不同。对于 Python，documentation 表示“要匹配集合内的文字 ']'，请在其前面加上反斜杠，或将其放在集合的开头”。
在哪个引擎中是如何解析的？ AFAIK 不同语言使用的正则表达式并非基于真正的标准，它们主要是 Perl 的临时衍生品。如果没有标准，这个问题只能在特定语言/引擎的上下文中回答。如果您缩小范围，有人可能会深入研究语言的实现或规范，并找到负责此行为的规则。这个问题有点宽泛。
关于pcre可以看这个帖子：stackoverflow.com/questions/17845014/what-does-the-regex-mean/…

标签： javascript python regex pcre

【解决方案1】：

这归咎于 JavaScript 设计者过于聪明。他们决定[] 什么都没有（一个空结构，对匹配没有影响），[^] 意味着不是什么——换句话说，任何包括换行符。大多数其他风格都有一个单行/DOTALL 模式，允许. 匹配换行符，但 JavaScript 没有。相反，它提供[^] 作为一种超级点。

这并没有流行起来，但也一样。正如您所观察到的，它与其他口味完全不相容。其他人都认为，在左括号之后的右括号应该被视为文字字符。而且，由于字符类不能嵌套（传统上），opening 括号在其中永远没有特殊含义。因此，[][] 只是一种匹配方括号的简洁方式。

更进一步，如果您想匹配除]、[ 或^ 之外的任何字符，在大多数情况下，您都可以这样写：[^][^]。取反后的右括号 ^ 被视为文字，左括号并不特殊，第二个 ^ 也被视为文字。但是在 JavaScript 中，[^][^] 是两个独立的原子，每个原子都匹配任何字符（包括换行符）。要获得与其他风味相同的含义，您必须转义第一个右括号：[^\][^]。

当 Java 介入时，池塘变得更加泥泞。它引入了 set intersection 功能，因此您可以使用，例如，[a-z&&[^aeiou]] 来匹配辅音（@ 范围内的字符集987654335@ 到 z，与不是 a、e、i、o 或 u 的所有字符集相交。但是，[ 不必紧跟在&& 之后才具有特殊含义； [[a-z]&&[^aeiou]] 与前面的正则表达式相同。

这意味着，在 Java 中，您总是必须在字符类中使用反斜杠来转义左括号，但您仍然可以通过将右括号放在首位来转义。所以在 Java 中匹配方括号最简洁的方式是[]\[]。我觉得这令人困惑和丑陋，所以我经常避开这两个括号，至少在 Java 和 JavaScript 中是这样。

.NET 有一个类似的功能，称为 set subtraction，它更简单并且使用更严格的语法：[a-z--[aeiou]]。嵌套类只能出现在-- 之后，并且整个构造必须位于封闭字符类的末尾。您仍然可以在 .NET 中使用 [][] 匹配方括号。

【讨论】：