Есть ли специальный оператор regex, такой как \w, который обозначает все печатные символы? Я хотел бы подтвердить, что строка содержит только символ, который можно напечатать - т.е. не содержит управляющие символы ASCII, такие как \b (звонок), или нуль и т.д. Все на клавиатуре в порядке, а также символы UTF.
Если не существует специального оператора, как я могу указать его в регулярном выражении?
Существует обозначение класса символов POSIX [:print:], которое должно соответствовать печатным символам, и [:cntrl:] для управляющих символов. Обратите внимание, что эти коды соответствия во всей таблице ASCII, поэтому они могут не подходить для соответствия другим кодировкам.
В противном случае выражение [\x00-\x1f] будет совпадать с управляющими символами ASCII, но, опять же, они могут быть доступны для печати в других кодировках.
Если ваш аромат регулярного выражения поддерживает свойства Unicode, это, пожалуй, лучший лучший способ:
\P{Cc}
Соответствует любому символу, который не является управляющим символом, будь то ASCII - [\x00-\x1F\x7F] - или Latin1 - [\x80-\x9F] (также известный как управляющие символы C1).
Проблема с классами POSIX, такими как [:print:] или \p{Print}, заключается в том, что они могут соответствовать различным вещам в зависимости от аромата регулярного выражения и, возможно, от языковых настроек базовой платформы. В Java они строго ориентированы на ASCII. Это означает, что \p{Print} соответствует только символам печати ASCII - [\x20-\x7E] - while \P{Cntrl} (обратите внимание на капитал "P" ) соответствует всему, что не является символом управления ASCII - [^\x00-\x1F\x7F]. То есть, он соответствует любому символу ASCII, который не является символом управления, или любым символом, отличным от ASCII, включая символы управления C1.
Очень поздно для вечеринки, но это регулярное выражение работает: /[ -~]/.
Как? Он соответствует всем символам в диапазоне от места (ASCII DEC 32) до тильды (ASCII DEC 126), который является диапазоном всех печатных символов.
Если вы хотите разбить не-ASCII-символы, вы можете использовать что-то вроде:
$someString.replace(/[^ -~]/g, '');
ПРИМЕЧАНИЕ: это недопустимый код .net, но пример использования регулярного выражения для тех, кто наткнулся на это через поисковые системы позже.
Это зависит от того, какой пакет regex вы используете. Это одна из таких ситуаций, о которых некоторые wag говорили, что отличная вещь о стандартах есть так много на выбор.
Если вы используете C, функция/макрос isprint(3) - ваш друг.
В Java параметр \p{Print} указывает класс символов печати.
Добавление к @Alan-Moore, \P{Cc} на самом деле является примером Negative Unicode Category or Unicode Block (ref: Классы символов в регулярных выражениях). \P{name} соответствует любому символу, который не принадлежит к общей категории Unicode или именованному блоку. См. Упомянутую ссылку для получения дополнительных примеров именованных блоков, поддерживаемых в .Net