teckenklasser

Teckenklasser är ett begrepp inom textbehandling och reguljära uttryck som beskriver grupper av tecken som kan matchas som en enhet. De används vid sökningar, ersättningar, validering, tokenisering och syntaktisk analys där man vill specificera vilka tecken som får ingå i en sträng eller ett ord.

En teckenklass definieras vanligtvis inom hakparenteser, alltså [ och ]. Den kan innehålla en explicit lista av tecken, ett intervall eller en kombination. En negation av en klass matchar allt utom de angivna tecknen, till exempel [^0-9] eller [^a-zA-Z].

Föredefinierade teckenklasser finns i många regexmotorer. Vanliga exempel är \d (siffror), \D (icke-siffror), \s (whitespace) och \S (icke-whitespace), samt \w (ordtecken) och \W (icke-ordtecken). Många språk stödjer även POSIX-klasser som [:alpha:], [:digit:] och, i Unicode-regexer, Unicode-egenskaper som \p{L} för bokstäver eller \p{Nd} för decimaler, beroende på motor.

Användningen varierar mellan språk och miljö, så korrekt syntax bör kontrolleras i dokumentationen. Teckenklasser gör mönster mer läsbara och kan bidra till effektiva mönster jämfört med långa alternativa uttryck. Viktiga fallgropar är tolkningen av tecken som tecken i klassens början eller slut, bindningar som -, ^ och ] som kräver escaping, samt att vissa byggstenar skiljer sig mellan Unicode- och ANSI-läge.

---