正则表达式

正则表达式（Regular Expression）是一种用于匹配、搜索或操作文本的强大工具，通过定义模式来匹配字符串中的特定内容。以下是正则表达式的核心语法和常见用法，分为基础和进阶部分：

---

一、基础语法

1. 字符匹配

• 普通字符：直接匹配对应字符（如 a、1、@）。
• 特殊字符（需转义 \）：

  . * + ? ^ $ \ | ( ) [ ] { }

  
  例如：\. 匹配字面意义的点号。

2. 字符类（Character Classes）

• 匹配任意一个字符：
  • .：匹配除换行符外的任意字符。
  • [abc]：匹配 a、b 或 c。
  • [^abc]：匹配非 a、b、c 的字符。
  • [a-z]：匹配任意小写字母。
  • [0-9]：匹配任意数字（等同于 \d）。

3. 量词（Quantifiers）

• *：匹配前一个字符 0 次或多次（如 a* 匹配 ""、a、aa）。
• +：匹配前一个字符 1 次或多次（如 a+ 匹配 a、aa）。
• ?：匹配前一个字符 0 次或 1 次（如 a? 匹配 "" 或 a）。
• {n}：匹配前一个字符 恰好 n 次（如 a{3} 匹配 aaa）。
• {n,}：匹配前一个字符 至少 n 次（如 a{2,} 匹配 aa、aaa）。
• {n,m}：匹配前一个字符 n 到 m 次（如 a{1,3} 匹配 a、aa、aaa）。

4. 锚点（Anchors）

• ^：匹配字符串的开头（如 ^Hello 匹配 "Hello world" 中的 Hello）。
• $：匹配字符串的结尾（如 world$ 匹配 "Hello world" 中的 world）。
• \b：匹配单词边界（如 \bcat\b 匹配 "cat" 但不匹配 "category"）。

5. 分组与捕获

• ( )：分组并捕获匹配内容（如 (ab)+ 匹配 abab，并捕获 ab）。
• (?: )：分组但不捕获（如 (?:ab)+ 不捕获分组内容）。

---

二、进阶语法

1. 或操作（Alternation）

• |：匹配左侧或右侧的表达式（如 cat|dog 匹配 "cat" 或 "dog"）。

2. 转义字符

• \d：匹配任意数字（等同于 [0-9]）。
• \w：匹配字母、数字或下划线（等同于 [a-zA-Z0-9_]）。
• \s：匹配空白字符（空格、制表符、换行符等）。
• \D、\W、\S：分别匹配 \d、\w、\s 的补集。

3. 贪婪与非贪婪匹配

• 贪婪模式（默认）：量词匹配尽可能多的字符（如 a.+b 匹配 "aabab" 中的 "aabab"）。
• 非贪婪模式：在量词后加 ?（如 a.+?b 匹配 "aabab" 中的 "aab" 和 "ab"）。

4. 回溯引用（Backreferences）

• \1、\2：引用前面捕获的分组（如 (\d)\1 匹配 "22"、"33"）。

5. 环视（Lookaround）

• 正向肯定环视 (?= )：匹配后面满足条件的字符串（如 a(?=b) 匹配 "ab" 中的 a）。
• 正向否定环视 (?! )：匹配后面不满足条件的字符串（如 a(?!b) 匹配 "ac" 中的 a）。
• 反向环视：类似，但检查前面的内容（(?<= )、(?<! )）。

---

三、常用正则示例

1. 匹配邮箱：

   ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

2. 匹配日期（YYYY-MM-DD）：

   ^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])$

3. 匹配手机号（中国）：

   ^1[3-9]\d{9}$

4. 移除多余空格：

   \s+  // 替换为单个空格

---

四、工具与测试

• 在线测试工具：Regex101、RegExr。
• 编程语言支持：
  • Python：re 模块（如 re.search(r'\d+', '123')）。
  • JavaScript：RegExp 对象（如 /a+/g.test('aaa')）。
  • Java：Pattern 和 Matcher 类。

---

五、注意事项

1. 性能问题：复杂的正则可能导致回溯爆炸（如 (a+)+b 匹配 "aaaaaaaa!" 时）。
2. 可读性：优先使用清晰的代码逻辑，而非过度复杂的正则。
3. 转义差异：不同语言对正则的转义规则可能不同（如 Python 中需用 r'\d' 避免转义）。

掌握正则表达式需要结合实践，建议从简单模式开始，逐步尝试复杂场景！