文章目录
正则表达式
正则表达式元字符和特性
字符匹配
-
普通字符:普通字符按照字面意义进行匹配,例如匹配字母 “a” 将匹配到文本中的 “a” 字符。
-
元字符:元字符具有特殊的含义,例如
\d匹配任意数字字符,\w匹配任意字母数字字符,.匹配任意字符(除了换行符(\n、\r))等。**
\d**匹配任意数字,等价于[0-9]**
\D**匹配任意非数字,等价于[^0-9]**
\w**匹配任意单词字符(字母、数字、下划线),等价于[a-zA-Z0-9_]**
\W**匹配任意非单词字符,等价于[^a-zA-Z0-9_]**
\s**匹配任意空白字符(空格、制表符、换行符等)**
\S**匹配任意非空白字符**
\n**匹配换行符**
\t**匹配制表符**
\r**匹配回车符**
\f**匹配换页符**
\v**匹配垂直制表符
常用的时候,是需要将不同字符组合使用,如:
- **[\s\S]:**匹配所有字符(包括换行符)。\s 匹配所有空白符(包括换行),\S 匹配所有非空白符(不包括换行),两者合并即可匹配任意字符。
量词
-
*:匹配前面的模式零次或多次。 -
+:匹配前面的模式一次或多次。 -
?:匹配前面的模式零次或一次。 -
{n}:匹配前面的模式恰好 n 次。 -
{n,}:匹配前面的模式至少 n 次。 -
{n,m}:匹配前面的模式至少 n 次且不超过 m 次。
默认情况下,量词(
*,+,?,{})是贪婪的,会尽可能多地匹配字符。在量词后加**?**可使其变为非贪婪(懒惰)模式:
*?:零次或多次,但尽可能少
+?:一次或多次,但尽可能少
??:零次或一次,但尽可能少
{n,m}?:n到m次,但尽可能少示例:
<.*?>匹配HTML标签时不会跨标签匹配
字符类
-
[ ]:匹配括号内的任意一个字符。例如,[abc]匹配字符 “a”、“b” 或 “c”。 -
[^ ]:匹配除了括号内的字符以外的任意一个字符。例如,[^abc]匹配除了字符 “a”、“b” 或 “c” 以外的任意字符。
**[ABC] 表示匹配[……]中列出的所有字符,**例如 [aeiou] 匹配字符串 “google runoob taobao” 中所有的 e、o、u、a 字母。这里匹配包含了10个字符。
[A-Z]表示一个区间,匹配一个位于 A 到 Z 之间的大写字母。
[A-Z]+:匹配连续多个大写字母

边界匹配
-
^:匹配字符串的开头。 -
$:匹配字符串的结尾。 -
\b:匹配单词边界。 -
\B:匹配非单词边界。
不能将限定符与定位符一起使用。由于在紧靠换行或者单词边界的前面或后面不能有一个以上位置,因此不允许诸如 ^* 之类的表达式。
分组和捕获
-
( ):用于分组和捕获子表达式。 -
(?: ):用于分组但不捕获子表达式。
捕获的意思是是否会把匹配到的内容保存下来,保存就叫做捕获,不保存内容不叫捕获。
特殊字符
-
\:转义字符,用于匹配特殊字符本身。 -
.:匹配任意字符(除了换行符)。 -
|:用于指定多个模式的选择。表示“或”的意思。
非打印字符
非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列:

^的用法详解
^ 在正则表达式里表示:匹配输入字符串的“开头位置”。它不匹配某个具体的字符,而是匹配“开头”这个位置。
可以把它理解成:从这里开始检查后面的内容。

$的用法详解
$ 表示匹配字符串的结尾。
^[a-zA-Z0-9_-]{3,15}$
-
^表示匹配字符串的开头。 -
[a-zA-Z0-9_-]表示字符集,包含小写字母、大写字母、数字、下划线和连接字符 -。 -
{3,15}表示前面的字符集最少出现 3 次,最多出现 15 次,从而限制了用户名的长度在 3 到 15 个字符之间。 -
$表示匹配字符串的结尾。 -
这个常用来匹配用户名。
\b 和 \B 都是正则表达式里的零宽断言:它们只匹配“位置”,不消耗字符
\b:单词边界
\b 匹配的是单词字符 \w 与非单词字符 \W 之间的位置,也包括字符串开头/结尾与单词字符相邻的位置。
对不消耗字符的理解:
\b匹配的是位置,不消耗字符,虽然常用它来判断比如说两个空格之间“完整单词”,或者某某符号(非\w)之间的“完整单词”,但是它本身匹配的不是空格或者符号本身,而是其位置,所以其匹配的长度为0。
通常 \w 包括:
-
字母:
A-Z、a-z -
数字:
0-9 -
下划线:
_
空格、逗号、句号、引号、连字符、中文等一般算非单词字符。

常见用法:
-
匹配完整单词:
\bword\b -
匹配单词开头:
\bword -
匹配单词结尾:
word\b -
提取所有单词:
\b\w+\b
\B:非单词边界
\B 是 \b 的反义,匹配不是单词边界的位置。也就是说,它左右两边要么都是单词字符,要么都是非单词字符。

-
\b:单词边界 → 常用于找完整单词。 -
\B:非单词边界 → 常用于找单词内部或非单词字符内部的位置。
注意点
-
它们匹配的是位置,不是字符本身,所以匹配结果长度为 0。
-
\b对中文分词不敏感。中文没有空格分隔,\b不能可靠识别中文词边界。 -
在 Python 等语言里,
\b可能被解释为退格符,通常需要写成r"\b"或"\\b"。
():分组 + 捕获,会把匹配到的内容保存下来。(?:):只分组,不捕获,只用来控制匹配结构,不保存内容。
():分组并捕获
const str = "2026-10-10";
const r = /(\d{4})-(\d{2})-(\d{2})/;
const m = str.match(r);
*// m[0] = "2026-10-10" 完整匹配*
*// m[1] = "2026" 第1个捕获组*
*// m[2] = "10" 第2个捕获组*
*// m[3] = "10" 第3个捕获组*
这里每个 () 都会产生一个编号:

捕获组常用于:
-
提取内容,比如提取年、月、日;
-
在
replace里引用,比如$1/$2/$3; -
用反向引用,比如
\1。
例如替换日期格式:
"2026-10-10".replace(/(\d{4})-(\d{2})-(\d{2})/, "$2/$3/$1");
*// "10/10/2026"*
(?:):分组但不捕获
const str = "2026-10-10";
const r = /(?:\d{4})-(\d{2})-(\d{2})/;
const m = str.match(r);
*// m[0] = "2026-10-10"*
*// m[1] = "10" 第1个捕获组*
*// m[2] = "10" 第2个捕获组*
这里 (?:\d{4}) 仍然参与了匹配,但不会出现在 m[1] 里。它只是把 \d{4} 包成一个整体,不让它占用捕获编号。
反向引用 \1、\2 就是:在同一个正则里,引用前面第几个捕获组这次真正匹配到的文本。
它不是“重复前面的模式”,而是“重复前面捕获到的内容”。
捕获组按左括号 ( 出现的顺序编号:
/(a)(b)(c)/
*// \1 → a 组*
*// \2 → b 组*
*// \3 → c 组*
(?:...) 不捕获,所以不会占用编号。
反向引用常用于匹配重复:比如成双的引号,成双的html标签,重复的单词等。
举例说明
import re
s=re.compile("([1-9])([a-z]+)")
ss="1bnur65432123jskal"
for match in s.finditer(ss):
print(f"完整匹配: {match.group(0)}")
print(f"数字部分: {match.group(1)}")
print(f"字母部分: {match.group(2)}")
print("-" * 20)
结果
完整匹配: 1bnur
数字部分: 1
字母部分: bnur
--------------------
完整匹配: 3jskal
数字部分: 3
字母部分: jskal
--------------------
这个结果表示说,这个正则表达式一次会匹配到多个内容,但是捕捉组都只有两组的意思
还说明了,是因为我使用了for循环,所以才把全部的完整匹配输出,但是如果不用for循环,只会匹配第一个,第二个不会匹配到
这里的关键在于你使用的方法不同,行为就不同:
search() vs finditer()
-
search():只找第一个匹配到的就停下来。 -
finditer():会扫描整个字符串,找到所有匹配项,返回一个迭代器。你需要用for循环(或其他方式)去遍历它,才能逐个拿到每一个匹配结果。

“匹配次数”取决于你的字符串里有多少个符合条件的片段(这里是 2 次);而“捕获组数量”取决于你的正则里写了几对括号(这里是 2 组)。
匹配中文:[\\u4e00-\\u9fa5]
?=、?<=、?!、?<! 的使用区别
-
=:必须出现 -
!:不能出现 -
没有
<:往右看,叫先行 -
有
<:往左看,叫后行

(?=...)正向先行断言:后面必须是它
"10px 20rem 30px".match(/\d+(?=px)/g)
*// ["10", "30"]*
\d+ 匹配数字,(?=px) 要求数字后面必须是 px,但 px 不会进入结果。
"apple pie, apple juice".match(/apple(?= pie)/g)
*// ["apple"]*
只匹配后面跟着 " pie" 的 apple。
(?!...)负向先行断言:后面不能是它
"10px 20rem 30px".match(/\d+(?!px)/g)
*// ["20"]*
这里要求数字后面不是 px,所以只匹配到 20。
"freeCodeCamp, free code".match(/free(?!Code)/gi)
*// ["free "]*
第一个 free 后面是 Code,不匹配;第二个 free 后面不是 Code,匹配。
(?<=...)正向后行断言:前面必须是它
"$100 ¥200 $300".match(/(?<=\$)\d+/g)
*// ["100", "300"]*
\d+ 匹配数字,(?<=\$) 要求数字前面必须是 $,但 $ 不进入结果。
"user:admin role:user".match(/(?<=user:)\w+/g)
*// ["admin", "user"]*
匹配 user: 后面的单词。
(?<!...)负向后行断言:前面不能是它
"$100 ¥200 $300".match(/(?<!\$)\d+/g)
*// ["200"]*
这里要求数字前面不是 $,所以只匹配到 200。
"error:fail error:ok".match(/(?<!error:)fail/g)
*// []*
fail 前面是 error:,所以不匹配。
组合用法:同时限制前后
"price $99 cost 100 fee $200".match(/(?<=\$)\d+(?=\s|$)/g)
*// ["99", "200"]*
意思是:匹配数字,并且它前面必须是 $,后面必须是空格或字符串结尾。
"abc123 def456 ghi789".match(/(?<=\w{3})\d{3}(?!\d)/g)
*// ["123", "456", "789"]*
这里匹配三位数字,要求前面是三个单词字符,后面不能再跟数字。
主流编程语言中正则表达式的支持

3410



被折叠的 条评论
为什么被折叠?



