logo标签列表

正则表达式：如何在不使用下划线的情况下表示\w

phpregexurl
51

有没有一种简洁的表达方式：

\w but without _

也就是说，“所有包含在\w中的字符，除了下划线”

我提出这个问题是因为我正在寻找表达域名验证最简洁的方式。域名可能包括小写和大写字母、数字、句点和破折号，但没有下划线。\w包括以上所有内容，还有一个下划线。那么，有没有办法通过正则表达式语法从\w中“去除”下划线？

编辑：我所问的是PHP中使用的正则表达式。

提前感谢！

6
取决于正则表达式的类型。你正在使用哪种语言？最简单的方法是只使用[A-Za-z0-9]。\w通常不包括连字符或句号。 - Felix Kling
1
根据不同的编程语言，\w 可能支持 Unicode 字符。除非你完全确定 \w 代表什么，最好使用字符类 [] 并列出所有常规字符。 - nhahtdh
8个回答
63

以下是 Perl 中的字符类：

[^\W_]

\W与[^\w]相同。

1
@protist：原子是错误的。\w将匹配_，而|是交替并且像OR一样起作用，而不是AND。 - nhahtdh
抱歉，我之前应该提到了。我正在使用PHP。在PHP中可以吗？ - Dimitri Vorontzov
所以，我理解得对吗，[^\W_]和[A-Za-z0-9.-]是一样的？ - Dimitri Vorontzov
1
我不确定.和-是否包含在内，因为什么被认为是“单词”字符在不同的语言环境下略有不同。一些来源说\w等同于[A-Za-z0-9_]（但一定要指出这并不总是正确的）。[^\W_]是\w但没有_，尽管如此。 - protist
2
换句话说，可以这样表达：(not (not word) or underscore)，其中word是[a-zA-Z0-9_]。 - Adithya
显示剩余3条评论
18
你可以使用负向先行断言: (?!_)\w。然而，我认为写[a-zA-Z0-9.-]更易读。
1
那应该是(?!_)\w，对吧？ - Zero Piraeus
回顾匹配比普通匹配慢。不过在这里可能无关紧要。 - nhahtdh
非常感谢，@Bergi - 我有一个问题：写[a-zA-z0-9.-] - 转义句点和破折号是正确的吗？或者在这种情况下转义它们是错误/不必要的？（我对正则表达式很陌生，这可能是个愚蠢的问题...） - Dimitri Vorontzov
1
只有在字符类中具有特殊含义的字符（]\^-）需要转义，而在不引起歧义的情况下则不需要。 - Bergi
非常感谢您，@Bergi！因此，在查看我的问题的所有答案时，这些解决方案都可以工作：(?!)\w --- [^\W] --- 或 [A-Za-z0-9.-] --- 我是对的吗？ - Dimitri Vorontzov
1
@Dimitri：是的，根据你所使用的正则表达式语法，\w 表示 [a-zA-Z0-9.-_]。 - Bergi
5

为了保险起见，通常我们会使用字符类：

[a-zA-Z0-9.-]

上述的“片段”正则表达式匹配英文字母、数字、点号.和破折号-。即使是基本的正则表达式支持，它也应该可以工作。

较短的表达式可能更好，但前提是你确切知道它代表什么。

我不知道您使用的语言是什么。在许多引擎中，\w等同于[a-zA-Z0-9_]（一些要求“ASCII模式”）。然而，一些引擎对正则表达式具有Unicode支持，并且可以扩展\w以匹配Unicode字符。

10
这将排除所有Unicode字符，例如“äö”等。 - MrD
1
@MrD：是的，最好的方法根本不使用正则表达式来进行域验证。 - nhahtdh
3
9
当你有非英文字母时，这会带来问题。 - Zoltán Tamási
@ZoltánTamási 域名，非英文字母？ - Kent
3
@Kent - ICANN批准非拉丁字符域名。 - Joseph Silber
哦，抱歉我错过了那个。不过据我所知，现在（至少在匈牙利）可以获得带有重音的域名。 - Zoltán Tamási
2
一些正则表达式引擎支持负向回顾后发现语法，您可以使用它：
\w(?<!_)
2
负向先行断言比负向后行断言得到更广泛的支持。 - Joseph Silber
1
@JosephSilber 确实。从概念上讲，如果可以使用负回顾后发，我觉得“给我一个单词字符...但不包括下划线”比“下一个字符不应该是下划线...否则，给我一个单词字符”更容易理解。 - Zero Piraeus
1
对于任何想要匹配 [^a-zA-Z0-9]+ 的人来说，可以简写为 [\W^_]+（在Python中）。
然而，使用 \W 可能会导致微小的性能下降，因为首先匹配的是 [^a-zA-Z0-9_]，然后再取消匹配 _。
def camelCaseNotation(value):
    """Select all symbolic character plus the next alphabetical character. Remove symbols and uppercases the alphabetic character."""
    return re.sub(r"[\W^_]+([\w]{0,1})", lambda m: m.group(1).upper(), value)
0
你可以写出类似这样的代码：
\([^\w]|_)\u

如果您使用 preg_filter 函数并传入此字符串，那么 \w 中的任何字符（下划线 _ 除外）都将被过滤。
0

我会从 [^_] 开始，然后考虑需要拒绝哪些其他字符。如果你需要过滤键盘输入，枚举所有不想要的字符就很简单了。

2
这是一种非常糟糕的方法。域名有一组定义好的允许字符，因此可以进行白名单处理。当你使用黑名单时，你需要关注你需要拒绝哪些Unicode字符。 - nhahtdh
@nhahtdh，我已经考虑到域名可以包含Unicode字符（例如带重音的元音字母）。因此，我认为很难精确地形成一个最终正确的白名单解决方案。 - Zoltán Tamási
有规格说明书 - 这很麻烦，但是已经定义好了。当黑名单时，人们往往会忘记或忽视一些事情。 - nhahtdh
我同意，这就是为什么我提到如果情况是键盘输入的话，因为在我看来那可以简化事情。 - Zoltán Tamási
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接