正则表达式解释

Question

我试图从xml中过滤掉无效字符。虽然我已经成功地完成了它，但我在这个过程中编写了一个正则表达式，这对我来说是违反直觉的。

请考虑以下.Net正则表达式评估：

System.Text.RegularExpressions.Regex.Match("Test", @"[\x01-\x08\x0B-\x0C\x0E-\x1F\xD800-\xDFFF\xFFFE-\xFFFF]+").ToString()

现在我的理解是Regex模式匹配所有无效的xml字符。根据这个页面： http://www.w3.org/TR/REC-xml/#NT-Char

这些是有效字符：

#x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF]

根据我的理解，上面的正则表达式模式是剩余Unicode字符的集合差异（即无效的xml字符）。但是仍然运行上述语句会产生以下结果：

“测试”

（即整个输入字符串）。我无法理解为什么。特别是，这部分正则表达式导致匹配： \ xD800- \ xDFFF

对我来说，这两组有效字符似乎排除了相同的情况： [＃x20-＃xD7FF] | [＃xE000-＃xFFFD]

所以我完全无法理解为什么匹配是由上述声明产生的。有人可以帮我解读它。

Answer 1

尝试使用\u代替\x。

System.Text.RegularExpressions.Regex.Match("Test", @"[\x01-\x08\x0B-\x0C\x0E-\x1F\uD800-\uDFFF\uFFFE-\uFFFF]+").ToString();

我理解它的方式是你当前的正则表达式匹配字符串“Test”，因为它基本上匹配以下范围

\x01-\x08
\x0B-\x0C
\x0E-\x1F
\xD8
0
0-\xDF
F
F
\xFF
FE-\xFF
FF

匹配0-\xDF可能是匹配各种字符的模式。