正则表达式

语法

RegularExpression

Branch

Atom

Quantifier

CharClassExpression

CharGroup

CharClassEscape

Notes:

• ¹ The syntax for regular-expression represents the content of a string literal that cannot include whitespace characters other than as the specific meaning of the whitespace character as a pattern character. Do not consider spaces or portions between syntax elements as allowing any form of whitespace.

RegularExpression

正则表达式包含一个或多个分支。 分支用管道（|）隔开，指示每个分支都是备用模式。

pipeChar

管道字符（|）会隔开正则表达式中的备用分支。

Branch

分支由零个或零个以上原子组成，每个原子允许一个可选量词。

Atom

normalCharacter

不是 表 1中某个元字符的任何有效 XML 字符。

^

在分支开头使用时，插入标记（^）指示该模式必须从字符串开头匹配。

$

在分支结尾使用时，美元符号（$）指示该模式必须从字符串的结尾匹配。

Quantifier

例如，如果在函数 fn:replace("nonsensical","n(.*)s","mus")中使用贪婪算法将以“n”开头“s”结尾的字符串替换为字符串“mus”，那么返回的值为“musical”。 原始字符串包括子串“nons”和“ns”，并且与按从左至右进行的模式扫描（以查找下一匹配项）相匹配，但贪婪算法不会处理这些匹配，原因是它发现了更长的封闭匹配。

如果对函数 fn:replace("nonsensical","n(.*?)s","mus")中的同一字符串使用不情愿算法，那么结果会有所不同。 返回的值为“musemusical”。 在此情况下字符串中会进行两次替换。 第一个匹配将“nons”替换为“mus”，第二个匹配将“ns”替换为“mus”。

又例如，如果在函数 fn:replace("AbrAcAdAbrA","A(.*)A","X$1X") 中使用贪婪算法将任何数目的字符两旁的字符 A 替换为相同字符两旁的字符 X，那么返回的值为“XbrAcAdAbrX”。 原始字符串包括子串“AbrA”和“AdA”，并且与从左至右扫描以查找下一匹配时的模式相匹配，但贪婪算法不会处理这些匹配，原因是它发现了更长的封闭匹配。

如果对函数 fn:replace("AbrAcAdAbrA","A(.*?)A","X$1X")中的同一字符串使用不情愿算法，那么结果会有所不同。 返回的值为“XbrXcXdXbrA”。 在此情况下，字符串会进行两次替换，第一次替换“AbrA”，第二次替换“AdA”。 字符串最后的“A”不会被替换，原因是勉强算法将前面所有的“A”字符用于字符串中的其他匹配。 不会考虑原始字符串中以字符“A”开头和结尾的其他子串（如“AcA”、“AcAdA”、“AdAbrA”和“AbrA”），原因是它们在参与模式匹配后勉强算法会将这些字符视为已使用。

*

与原子匹配零次或多次。 等同于量词 {0, }。

+

与原子匹配一次或多次。 等同于量词 {1, }。

?

与原子匹配零次或一次。 等同于量词 {0, 1}。 如果跟在另一量词后，那么指示使用勉强算法而不是贪婪算法。

分钟

与原子匹配至少 min 次。 min 必须为正整数。

• {min} 与原子正好匹配 min 次。
• {min, } 与原子匹配至少min 次。

最大

与原子匹配不超过 max 次。 max必须为大于或等于 min 的正整数。

• {0, max} 与原子匹配不超过 min 次。
• {0, 0} 仅与空字符串匹配。

CharGroup

^

指示由 CharGroup 的余下部分定义的字符组的补充部分。

dashChar

虚线字符（-）会隔开用于定义一定字符范围中的外部字符的两个字符。 格式为 s-e的字符范围是一组 UCS2 代码点，这些代码点大于或等于 s 并且小于或等于 e：

• s 不是反斜杠（\）
• 如果 s 是 CharGroup 中的第一个字符，那么它不是插入标记（^）
• e 不是反斜杠（\）或左方括号（[）
• e 的代码点大于 s 的代码点

XMLCharInclude短划线

有效 XML 字符集中的单个字符，不包括反斜杠 (\) 和方括号 ([]) ，但包括短划线 (-)。 短划线仅在 CharGroup的开头或结尾作为字符有效。 CharGroup 开头的插入标记（^）指示组的补充部分。 插入标记出现在组中的任何其他位置时仅与插入标记相匹配。 XMLCharIncludeDash可包括根据正则表达式 [^\#5B#5D] 匹配的任何字符。

XMLChar

有效 XML 字符集中的单个字符，不包括反斜杠 (\) ，方括号 ([]) 和短划线 (-)。 短划线仅在 CharGroup的开头或结尾作为字符有效。 CharGroup 开头的插入标记（^）指示组的补充部分。 插入标记出现在组中的任何其他位置时仅与插入标记相匹配。 XMLChar可包括根据正则表达式 [^\#2D#5B#5D] 匹配的任何字符。

charEscape

反斜杠，后跟单个元字符、换行符、回车符或跳进字符。 必须在正则表达式中对 Table 1 中的字符进行转义以进行匹配。

表 1. 有效元字符转义

字符转义	表示的字符	描述
\n	#x0A	换行
\r	#x0D	返回
\t	#x09	制表符
\\	\	反斜杠
\|	|	管道
\.	.	句点
\-	-	连字符
\^	^	插入标记
\?	?	问号
\$	$	美元符号
\*	*	星号
\+	+	加号
\{	{	左花括号
\}	}	右花括号
\(	(	左圆括号
\)	)	右圆括号
\[	[	左方括号
\]	]	右方括号

CharClassEscape

.

句点字符 ( . ) 匹配除换行和回车字符以外的所有字符。 句点字符等价于表达式[^\n\r]/

\nonZero数字

指定与根据子表达式匹配的字符串相匹配的向后引用，该子表达式在正则表达式中的nonZeroDigit 位置是用圆括号括起来的。 nonZeroDigit 必须介于 1 与 9 之间。 可以引用前 9 个子表达式。

注: 为了将来的向上兼容性，如果后面的引用后跟数字字符，请将后面的引用括在括号中。 例如，对后跟数字 3 的第一个子表达式的向后引用应表示为(/1)3 而不是 /13，即使两者目前会生成同一结果也是如此。

\P{IsblockName}

指定 Unicode 代码点范围的补充部分。 范围由 blockName标识，如 XML SchemaPart 2: Datatypes Second Edition 中列示的那样。

\p{IsblockName}

在特定范围的 Unicode 代码点中指定字符。 范围由 blockName标识，如 XML SchemaPart 2: Datatypes Second Edition 中列示的那样。

charEscape

反斜杠，后跟单个元字符、换行符、回车符或跳进字符。 必须在正则表达式中对 Table 1 中的字符进行转义以进行匹配。

multiCharEscape

后跟一个字符的反斜杠，该字符在正则表达式中标识 表 2 中常用的字符集以匹配这些字符。

表 2. 多字符转义

多字符转义	等价正则表达式	描述
\s	[#x20\t\n\r]	空格、制表符、换行或回车符。
\S	[^\s]	空格、制表符、换行或回车符以外的任何字符。
\i	无	允许作为 XML 名称的第一个字符的字符集。
\I	[^\i]	不在允许作为 XML 名称的第一个字符的字符集中。
\c	无	XML 名称中允许使用的字符集。
\C	[^\c]	在 XML 名称中不允许使用的字符集中。
\d	\p{Nd}	十进制数。
\D	[^\d]	非十进制数。
\w	[#x0000-#x10FFFF]-[\p{P}\p{Z}\p{C}]	单词字符，包括下列 charProperty 类别：字母、标记、符号和数字。
\W	[^\w]	非单词字符，包括下列 charProperty类别：标点、分隔符及其他。

\p{charProperty}

指定某个类别中的某个字符。 这些类别列示在 表 3中。

\P{charProperty}

指定字符类别的补充部分。 这些类别列示在 表 3中。