正则表达式（Regex）指南
date
Jul 15, 2022
slug
正则表达式
status
Published
tags
正则表达式
杂项
summary
type
Post
从入门到精通：一份全面的正则表达式（Regex）指南
在编程和文本处理的世界里，正则表达式（Regular Expression，常缩写为 Regex 或 Regexp）是一个无比强大的工具。它能帮你从海量文本中，精准地查找、匹配和替换符合特定模式的字符串。无论你是前端开发者需要验证用户输入，还是后端工程师需要解析日志文件，掌握 Regex 都将让你事半功倍。
这篇指南将带你从最基础的概念开始，逐步深入到高级技巧，彻底掌握这个“文本瑞士军刀”。
什么是正则表达式？
简单来说，正则表达式是一组由字母、数字和特殊符号组成的“规则字符串”，它定义了你想要查找的文本模式。
它是一种从左到右匹配目标字符串的模式。想象一下，你想为一个应用设定用户名规则：必须包含小写字母、数字、下划线和连字符，并且长度在3到15个字符之间。
使用正则表达式，我们可以这样定义这个规则：
^[a-z0-9_-]{3,15}$我们来拆解一下这个例子：
^：开始标记，表示匹配必须从字符串的开头开始。
[a-z0-9_-]：字符集，表示允许的字符包括：所有小写字母（a-z）、所有数字（0-9）、下划线（_）和连字符（-）。
{3,15}：量词，表示前面的字符集必须连续出现3到15次。
$：结束标记，表示匹配必须在字符串的结尾结束。
根据这个规则，
john_doe 和 john12-as 是合法的，但 Jo 就不合法，因为它包含了大写字母且长度太短。1. 基本匹配
正则表达式最简单的形式就是直接匹配。它由一些字母和数字组合而成，会精确匹配一模一样的字符串。
- 示例：正则表达式
the
- 匹配：
The fat cat sat on **the** mat.
- 注意：基本匹配是大小写敏感的。因此，
The不会匹配the。
2. 核心利器：元字符
元字符是 Regex 的精髓，它们不代表字面意思，而是有特殊的含义。
2.1 点运算符 .
点
. 是最简单的元字符，它能匹配除换行符外的任意单个字符。- 示例：
c.t
- 匹配：
The fat **cat** sat on the mat.
2.2 字符集 []
方括号
[] 用来定义一个字符集，表示匹配方括号内任意一个字符。- 示例：
[Tt]he
- 匹配：
*The** car is parked in **the** garage.
否定字符集
[^]：如果在方括号内的开头使用 ^，则表示匹配除了方括号内字符以外的任意字符。- 示例：
[^c]ar
- 匹配：
The car parked in the ga**rar**ge.(匹配了rar，但跳过了car)
2.3 重复次数（量词）
量词用来指定一个字符或字符组需要重复出现的次数。
符号 | 描述 | 示例 | 匹配 |
* | 匹配0次或多次 | \\s*cat\\s* | The fat** cat **sat on the concatenation. |
+ | 匹配1次或多次 | c.+t | The fat **cat sat on the mat**. |
? | 匹配0次或1次（表示可选） | [T]?he | **The** car is parked in **the** garage. |
{n,m} | 匹配最少n次，最多m次 | [0-9]{2,3} | The number was 9.9997 but we rounded it off to **10**. |
{n} | 精确匹配n次 | [0-9]{3} | The number was 9.**999**7 but we rounded it off to 10.0. |
2.4 特征标群 ()
括号
() 用于将多个字符组合成一个单元（一个子模式）。量词可以作用于这个单元。- 示例：
(ab)*
- 说明：匹配连续出现的 "ab" 零次或多次。
2.5 或运算符 |
竖线
| 的作用是“或”，用于匹配 | 左边或右边的表达式。- 示例：
(T|t)he|car
- 匹配：
*The** **car** is parked in **the** garage.
2.6 转义特殊字符 \\
如果你想匹配元字符本身（如
.、*、?），需要在其前面加上反斜杠 \\ 进行转义。- 示例：
(f|c|m)at\\.?
- 匹配：
The fat **cat** sat on the **mat.**
2.7 锚点 ^ 和 $
锚点用于将匹配锁定在字符串的特定位置。
^：匹配字符串的开头。
$：匹配字符串的结尾。
- 示例：
^(T|t)he匹配以The或the开头的字符串。
- 示例：
at\\.$匹配以at.结尾的字符串。
3. 简写字符集
为了方便，Regex 提供了一些常用字符集的简写形式。
简写 | 等同于 | 描述 |
\\w | [a-zA-Z0-9_] | 匹配字母、数字或下划线（单词字符） |
\\W | [^\\w] | 匹配非单词字符 |
\\d | [0-9] | 匹配任意数字 |
\\D | [^\\d] | 匹配任意非数字字符 |
\\s | [\\t\\n\\f\\r ] | 匹配任意空白字符（空格、制表符、换行符等） |
\\S | [^\\s] | 匹配任意非空白字符 |
. | ㅤ | 匹配除换行符外的所有字符 |
4. 高级技巧：零宽度断言
零宽度断言（Lookarounds）是一种强大的高级技巧。它们用于检查某个位置之前或之后是否符合特定模式，但这个模式本身不会被包含在最终的匹配结果中。它们只起到断言（判断）的作用，不消耗任何字符。
符号 | 类型 | 描述 |
(?=...) | 正先行断言 (Positive Lookahead) | 要求当前位置的后面能匹配 ... 模式 |
(?!...) | 负先行断言 (Negative Lookahead) | 要求当前位置的后面不能匹配 ... 模式 |
(?<=...) | 正后发断言 (Positive Lookbehind) | 要求当前位置的前面能匹配 ... 模式 |
(?<!...) | 负后发断言 (Negative Lookbehind) | 要求当前位置的前面不能匹配 ... 模式 |
- 正先行断言示例：
(T|t)he(?=\\sfat) - 匹配：
*The** fat cat sat on the mat.(只匹配 "The"，因为它后面跟着 " fat")
- 负先行断言示例：
(T|t)he(?!\\sfat) - 匹配：
The fat cat sat on **the** mat.(只匹配第二个 "the"，因为它后面没有跟着 " fat")
- 正后发断言示例：
(?<=(T|t)he\\s)(fat|mat) - 匹配：
The **fat** cat sat on the mat.(只匹配 "fat"，因为它前面是 "The ")
- 负后发断言示例：
(?<!(T|t)he\\s)cat - 匹配：
The cat sat on **cat**.(只匹配第二个 "cat"，因为它前面没有 "The " 或 "the ")
5. 模式的“开关”：标志
标志（Flags）也叫修饰符，可以改变整个正则表达式的搜索行为。
标志 | 名称 | 描述 |
i | Case Insensitive | 忽略大小写进行匹配 |
g | Global Search | 全局搜索，查找所有匹配项，而不是找到第一个就停止 |
m | Multiline | 多行模式。使 ^ 和 $ 能匹配每一行的开头和结尾，而不仅仅是整个字符串的开头和结尾 |
- 示例：
/the/gi - 说明：
g表示全局搜索，i表示忽略大小写。 - 匹配：
*The** fat cat sat on **the** mat.(匹配所有 "the"，不分大小写)
6. 贪婪与惰性匹配
默认情况下，量词（如
* 和 +）是贪婪的（Greedy），它们会尽可能多地匹配字符。- 贪婪示例：
/(.*at)/
- 匹配：
The fat cat sat on the mat.-> 匹配结果是*The fat cat sat on the mat**
有时我们希望它尽可能少地匹配。这时，可以在量词后面加上一个
?，使其变为惰性的（Lazy）。- 惰性示例：
/(.*?at)/
- 匹配：
The fat cat sat on the mat.-> 匹配结果是*The fat**(匹配到第一个at就停止了)
结语
正则表达式初看起来可能像一堆天书般的符号，但一旦理解了其核心组件——元字符、量词、锚点和标志——就会发现它是一个逻辑严谨且功能强大的工具。
掌握 Regex 的最好方法就是不断练习。利用在线的 Regex 测试工具（如 regex101.com），尝试构建和测试自己的模式，很快就能运用自如，解决各种复杂的文本处理难题。