正则表达式超详细版

原创最新推荐文章于 2026-07-27 17:38:51 发布 4.3k 阅读 AI写同款

收录于

MM_MS

码龄1年墨衍会员 · AI 创作全网分发

58粉丝100篇原创

关注

正则表达式——详解 正则表达式（Regular Expression，通常简写为 regex、regexp 或 RE）是一种强大的，用于描述一组字符串的模式。，几乎所有现代编程语言都支持正则表达式的使用，包括 Java 和 JavaScript (Vue.js 应用中的 JavaScript 代码)。在实际开发中，。阅读详情

AI摘要

本文系统讲解正则表达式的基本语法、核心特性及实际应用，涵盖元字符、分组捕获、零宽断言、模式修饰符等内容，并提供邮箱验证、手机号匹配、HTML链接提取、日志解析等典型场景的代码示例，同时指出常见陷阱与性能优化策略。

一、基本概念

正则表达式（Regular Expression）是一种强大的文本处理工具，用于匹配、查找、替换字符串中的特定模式。它通过一系列预定义的语法规则，描述字符串的结构特征，广泛应用于数据验证、文本解析、日志分析、搜索引擎等领域。

二、基础语法（核心元字符与规则）

正则表达式的语法由「普通字符」和「元字符」组成，元字符是具有特殊含义的符号，掌握它们是使用正则的基础。

1. 普通字符

直接匹配自身，无特殊含义（如 a、b、1、空格等）。
示例：abc 匹配字符串 "abc"，123 匹配 "123"。

2. 核心元字符（按功能分类）

元字符	功能说明	示例
`.`	匹配任意单个字符（默认不匹配换行符 `\n`，部分语言可通过修饰符改变）。	`a.b` 匹配 `"axb"`、`"a1b"`、`"a#b"`（不匹配 `"a\nb"`）。
`^`	匹配字符串开头（多行模式下匹配每行开头）。	`^hello` 匹配 `"hello world"`（开头是 hello），不匹配 `"xhello"`。
`$`	匹配字符串结尾（多行模式下匹配每行结尾）。	`world$` 匹配 `"hello world"`（结尾是 world），不匹配 `"worldx"`。
`*`	匹配前面的元素 0 次或多次（贪婪匹配：尽可能多匹配）。	`ab*` 匹配 `"a"`、`"ab"`、`"abb"`、`"abbb"`。
`+`	匹配前面的元素 1 次或多次（贪婪匹配）。	`ab+` 匹配 `"ab"`、`"abb"`（不匹配 `"a"`）。
`?`	匹配前面的元素 0 次或 1 次（可选匹配）。	`ab?` 匹配 `"a"`、`"ab"`（不匹配 `"abb"`）。
`{n}`	匹配前面的元素恰好 n 次（n 为非负整数）。	`a{3}` 匹配 `"aaa"`（不匹配 `"aa"`、`"aaaa"`）。
`{n,}`	匹配前面的元素至少 n 次（贪婪匹配）。	`a{2,}` 匹配 `"aa"`、`"aaa"`、`"aaaa"`。
`{n,m}`	匹配前面的元素 n 到 m 次（n ≤ m，贪婪匹配）。	`a{2,3}` 匹配 `"aa"`、`"aaa"`（不匹配 `"a"`、`"aaaa"`）。
`\|`	逻辑「或」，匹配左边或右边的模式（优先级最低，需用括号提升优先级）。	`ab\|cd` 匹配 `"ab"` 或 `"cd"`；`a(b\|c)d` 匹配 `"abd"`、`"acd"`。
`()`	分组：将多个字符视为一个整体，同时捕获匹配结果（可通过反向引用使用）。	`(ab)+` 匹配 `"ab"`、`"abab"`；`(\w+)\s+(\w+)` 捕获两个单词（如 `"hello world"`）。
`\`	转义字符：取消元字符的特殊含义，或表示预定义字符类（如 `\d`、`\s`）。	`a\.b` 匹配 `"a.b"`（`.` 作为普通字符）；`\` 匹配 `""`。
`[]`	字符类：匹配括号内任意一个字符（支持范围表示，^ 表示否定）。	`[abc]` 匹配 `"a"`、`"b"`、`"c"`；`[^abc]` 匹配非 a/b/c 的字符。
`[-]`	字符类内的范围符：表示连续字符集（如字母、数字范围）。	`[a-z]` 匹配小写字母；`[0-9]` 匹配数字；`[a-zA-Z0-9]` 匹配字母数字。

3. 预定义字符类（简化写法）

为了简化常见的字符匹配，正则提供了预定义的字符类（部分需结合修饰符使用）：

预定义类	等价于	功能说明
`\d`	`[0-9]`	匹配任意数字（digit）。
`\D`	`[^0-9]`	匹配任意非数字。
`\w`	`[a-zA-Z0-9_]`	匹配字母、数字、下划线（word 字符，注意不包含空格和特殊字符）。
`\W`	`[^a-zA-Z0-9_]`	匹配非字母、数字、下划线。
`\s`	`[ \t\n\r\f\v]`	匹配任意空白字符（space：空格、制表符 `\t`、换行符 `\n` 等）。
`\S`	`[^ \t\n\r\f\v]`	匹配任意非空白字符。
`\b`	-	匹配单词边界（单词与非单词的分隔处，如 `"hello world"` 中的空格两侧）。
`\B`	-	匹配非单词边界（如 `"helloworld"` 中两个单词的连接处）。
`\n`	-	匹配换行符（部分语言支持 `\r\n` 匹配 Windows 换行）。
`\t`	-	匹配制表符。

示例：

\d{3}-\d{4} 匹配 "123-4567"（3 位数字 + 横杠 + 4 位数字）。
\w+@\w+\.\w+ 匹配简单邮箱（如 "test123@example.com"）。
\bhello\b 匹配独立的单词 "hello"（不匹配 "helloworld" 或 "xhello"）。

三、核心特性（进阶用法）

掌握基础语法后，需理解正则的核心特性（贪婪 / 非贪婪、分组 / 捕获、断言等），才能应对复杂场景。

1. 贪婪匹配与非贪婪匹配

默认情况下，正则的量词（*、+、?、{n,m}）是「贪婪的」—— 尽可能匹配更多字符。在量词后加 ? 可变为「非贪婪」—— 尽可能匹配更少字符。

模式	类型	示例（匹配字符串 `"aabbaabcc"`）
`a.*b`	贪婪	匹配 `"aabbaab"`（从第一个 `a` 到最后一个 `b`）。
`a.*?b`	非贪婪	匹配 `"aab"`（从第一个 `a` 到最近的 `b`）。
`a.+c`	贪婪	匹配 `"aabbaabcc"`（从第一个 `a` 到最后一个 `c`）。
`a.+?c`	非贪婪	匹配 `"aabbaabc"`（从第一个 `a` 到最近的 `c`）。

2. 分组与捕获

() 不仅能将模式分组（视为整体），还能「捕获」匹配到的内容，后续可通过「反向引用」或编程接口获取。

（1）普通捕获组

语法：(pattern)
捕获的内容按分组顺序编号（从 1 开始），可通过 \1、\2...（正则内）或编程变量（如 Python 的 group(1)）引用。

示例：

匹配重复单词：(\w+)\s+\1解释：(\w+) 捕获第一个单词，\s+ 匹配空格，\1 引用第一个捕获的单词，可匹配 "hello hello"、"test test"。
提取日期中的年、月、日：(\d{4})-(\d{2})-(\d{2})匹配 "2025-11-21" 后，捕获组 1 = "2025"，组 2 = "11"，组 3 = "21"。

（2）非捕获组

若只需分组（不捕获结果），用 (?:pattern)，可提升性能（避免不必要的内存占用）。

示例：

(?:ab)+ 匹配 "ab"、"abab"（不捕获 "ab"，仅作为整体匹配）。

（3）命名捕获组

为捕获组命名，便于后续引用（避免按编号混淆），语法：(?<name>pattern)（部分语言支持，如 Python、JavaScript、Java）。

示例：

提取日期：(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})匹配后可通过名称引用（如 Python 的 group("year")），更直观。

3. 零宽断言（Lookaround）

零宽断言是「匹配位置」的模式，不消耗字符（仅判断当前位置前后是否满足条件），分为「先行断言」和「后行断言」。

（1）先行断言（Lookahead）

判断当前位置后面是否满足条件，语法：

正向先行：(?=pattern) → 后面必须是 pattern。
负向先行：(?!pattern) → 后面必须不是 pattern。

示例：

匹配「后面是数字的字母」：[a-zA-Z](?=\d)匹配 "a1" 中的 "a"、"b23" 中的 "b"（后面必须跟数字）。
匹配「后面不是数字的字母」：[a-zA-Z](?!\d)匹配 "ab" 中的 "a"、"c#" 中的 "c"（后面不是数字）。
验证密码（必须包含数字）：^(?=.*\d).{6,12}$解释：^ 开头，(?=.*\d) 后面必须有至少一个数字，.{6,12} 匹配 6-12 个任意字符，$ 结尾。

（2）后行断言（Lookbehind）

判断当前位置前面是否满足条件，语法：

正向后行：(?<=pattern) → 前面必须是 pattern。
负向后行：(?<!pattern) → 前面必须不是 pattern。

示例：

匹配「前面是数字的字母」：(?<=\d)[a-zA-Z]匹配 "1a" 中的 "a"、"23b" 中的 "b"（前面是数字）。
匹配「前面不是数字的字母」：(?<!\d)[a-zA-Z]匹配 "xa" 中的 "a"、"#b" 中的 "b"（前面不是数字）。
提取「$ 后面的数字」：(?<=\$)\d+匹配"$123" 中的 "123"、"price: $45"中的"45"\（前面是 $）。

4. 模式修饰符（Flags）

修饰符用于改变正则的匹配行为（如忽略大小写、多行匹配等），不同语言的表示方式不同（如 Python 用 re.IGNORECASE，JavaScript 用 /pattern/gi）。

常见修饰符：

修饰符	作用说明
`i`	忽略大小写（case-insensitive）：`a` 可匹配 `A`，`B` 可匹配 `b`。
`g`	全局匹配（global）：找到所有匹配项，而非第一个（部分语言默认全局）。
`m`	多行模式（multi-line）：`^` 匹配每行开头，`$` 匹配每行结尾（默认仅匹配整体开头 / 结尾）。
`s`	单行模式（single-line）：`.` 匹配所有字符（包括换行符 `\n`，默认不匹配）。
`u`	Unicode 模式：支持 Unicode 字符（如 `\p{L}` 匹配任意语言的字母）。
`x`	忽略空格和注释（extended）：便于编写复杂正则（用 `#` 写注释）。

示例：

忽略大小写匹配：/hello/i 匹配 "Hello"、"HELLO"、"hello"。
多行模式匹配：/^hello/m 匹配 "hello\nworld\nhello" 中的两个 "hello"（每行开头）。
单行模式匹配：/a.b/s 匹配 "a\nb"（. 匹配换行符）。

四、常见应用场景（实战示例）

正则的核心价值是解决文本处理问题，以下是高频场景的实战示例：

1. 数据验证

示例 1：验证邮箱地址

using System;
using System.Text.RegularExpressions;

public class EmailValidator
{
    public static bool IsValidEmail(string email)
    {
        // 正则表达式：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
        string pattern = @"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$";
        return Regex.IsMatch(email, pattern);
    }

    public static void Main()
    {
        string[] emails = {
            "test@example.com",
            "user.name+tag@example.co.uk",
            "invalid-email",
            "another.invalid@.com"
        };

        foreach (var email in emails)
        {
            Console.WriteLine($"{email}: {IsValidEmail(email)}");
        }
    }
}

输出：

test@example.com: True
user.name+tag@example.co.uk: True
invalid-email: False
another.invalid@.com: False

示例 2：验证手机号（中国大陆）

public class PhoneValidator
{
    public static bool IsValidPhone(string phone)
    {
        // 正则表达式：^1[3-9]\d{9}$
        string pattern = @"^1[3-9]\d{9}$";
        return Regex.IsMatch(phone, pattern);
    }

    public static void Main()
    {
        string[] phones = {
            "13812345678",
            "19987654321",
            "1234567890",
            "138123456789"
        };

        foreach (var phone in phones)
        {
            Console.WriteLine($"{phone}: {IsValidPhone(phone)}");
        }
    }
}

2. 文本提取

示例 3：从 HTML 中提取链接

using System;
using System.Text.RegularExpressions;

class LinkExtractor
{
    static void Main()
    {
        string html = @"
            <a href=""https://www.example.com"">Example</a>
            <a href=""https://www.google.com"">Google</a>
            <img src=""image.jpg"">
        ";

        // 正则表达式：<a\s+href=""([^""]*)""
        string pattern = @"<a\s+href=""([^""]*)""";
        MatchCollection matches = Regex.Matches(html, pattern);

        foreach (Match match in matches)
        {
            Console.WriteLine(match.Groups[1].Value);
        }
    }
}

输出：

https://www.example.com
https://www.google.com

示例 4：提取字符串中的所有数字

class NumberExtractor
{
    static void Main()
    {
        string input = "订单号：20230518001，金额：99.9元，数量：10";
        string pattern = @"\d+\.?\d*"; // 匹配整数或小数

        MatchCollection matches = Regex.Matches(input, pattern);
        foreach (Match match in matches)
        {
            Console.WriteLine(match.Value);
        }
    }
}

输出：

20230518001
99.9
10

3. 文本替换与格式化

示例 5：替换字符串中的敏感信息

class TextReplacer
{
    static void Main()
    {
        string input = "手机号：15112347676，身份证号：410123194910011234";
        
        // 替换手机号中间4位为****
        string phonePattern = @"(1[3-9])\d{4}(\d{4})";
        string result = Regex.Replace(input, phonePattern, "$1****$2");

        // 替换身份证号中间8位为********
        string idPattern = @"(^\d{6}|\d{8})(\d{4}$)";
        result = Regex.Replace(result, idPattern, "$1********$2");

        Console.WriteLine(result);
    }
}

输出：

手机号：151****7676，身份证号：410123********1234

示例 6：格式化日期（MM/DD/YYYY → YYYY-MM-DD）

class DateFormatter
{
    static void Main()
    {
        string input = "Today is 11/21/2025";
        string pattern = @"\b(\d{2})/(\d{2})/(\d{4})\b";
        
        // 替换为 YYYY-MM-DD
        string result = Regex.Replace(input, pattern, "$3-$1-$2");
        Console.WriteLine(result);
    }
}

输出：

Today is 2025-11-21

4. 高级应用：正则表达式分组与命名捕获

示例 7：解析日志文件

假设日志格式为：[2025-11-21 14:30:00] [INFO] User 'admin' logged in.

class LogParser
{
    static void Main()
    {
        string log = "[2025-11-21 14:30:00] [INFO] User 'admin' logged in.";
        
        string pattern = @"\[(.*?)\] \[(.*?)\] (.*)";
        Match match = Regex.Match(log, pattern);

        if (match.Success)
        {
            string timestamp = match.Groups[1].Value;
            string level = match.Groups[2].Value;
            string message = match.Groups[3].Value;
            
            Console.WriteLine($"时间：{timestamp}\n级别：{level}\n内容：{message}");
        }
    }
}

输出：

时间：2025-11-21 14:30:00
级别：INFO
内容：User 'admin' logged in.

示例 8：使用命名捕获组

class NamedGroupExample
{
    static void Main()
    {
        string input = "Name: John, Age: 30, Email: john@example.com";
        
        string pattern = @"Name: (?<name>\w+), Age: (?<age>\d+), Email: (?<email>[^,]+)";
        Match match = Regex.Match(input, pattern);

        if (match.Success)
        {
            Console.WriteLine($"姓名：{match.Groups["name"].Value}");
            Console.WriteLine($"年龄：{match.Groups["age"].Value}");
            Console.WriteLine($"邮箱：{match.Groups["email"].Value}");
        }
    }
}

五、注意事项与性能优化

1. 注意事项

转义问题：不同语言中，正则的转义规则不同（如 Python 字符串中 \ 需转义为 \\，JavaScript 中直接写 \）。
部分匹配 vs 完全匹配：验证格式时必须加 ^ 和 $（如手机号 1[3-9]\d{9} 会匹配 "a13812345678b"，加 ^$ 才会完全匹配）。
换行符处理：默认 . 不匹配 \n，需用 (?s) 修饰符或 [\s\S]（匹配所有字符）。
Unicode 支持：处理多语言文本时，需开启 Unicode 模式（如 \p{L} 匹配任意语言字母，而非仅 [a-zA-Z]）。

2. 性能优化

复杂正则可能导致回溯过多，影响性能，需注意：

避免嵌套量词（如 (a*)*），容易引发回溯爆炸。
用具体字符类代替 .（如匹配数字用 \d 而非 .，减少不必要的匹配）。
优先使用非贪婪匹配（.*?）避免过度匹配，但不要滥用（非贪婪也可能增加回溯）。
用原子组 (?>pattern) 避免回溯（原子组匹配后不可回溯，适合确定的模式）。
拆分复杂正则（如长正则拆分为多个简单正则，分步处理）。

六、常见正则表达式示例（直接复用）

1. 验证类

场景	正则表达式（C# 字符串需转义，或用 `@` 逐字字符串）
手机号（中国大陆）	^1[3-9]\d{9}$
邮箱	^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
身份证号（18 位）	^[1-9]\d{5}(19\|20)\d{2}(0[1-9]\|1[0-2])(0[1-9]\|[12]\d\|3[01])\d{3}([0-9]\|X\|x)$
URL（http/https）	^https?://[^\s]+$
日期（yyyy-MM-dd）	^[1-9]\d{3}-(0[1-9]\|1[0-2])-(0[1-9]\|[12]\d\|3[01])$
密码（8-20 位，含大小写字母、数字、特殊字符）	^(?=.[a-z])(?=.[A-Z])(?=.\d)(?=.[^\da-zA-Z]).{8,20}$

2. 提取类

场景	正则表达式
提取所有数字	\d+
提取所有链接	https?://[^\s]+
提取 HTML 标签内容（如 `<title>xxx</title>`）	<title>(.*?)</title>
提取邮箱地址	[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

3. 替换类

场景	正则表达式
去除所有空格	\s+
格式化手机号（13812345678 → 138-1234-5678）	(\d{3})(\d{4})(\d{4})
替换 HTML 标签（去除所有标签）	<[^>]+>
敏感词替换（“垃圾”“废物” 替换为 “***”）	(垃圾\|废物)

希望对大家有所帮助。感谢大家的关注和点赞。

标签

#正则表达式