RE2正则表达式语法完全指南

RE2正则表达式语法完全指南

re2 RE2 is a fast, safe, thread-friendly alternative to backtracking regular expression engines like those used in PCRE, Perl, and Python. It is a C++ library. 项目地址: https://gitcode.com/gh_mirrors/re21/re2

正则表达式是文本处理中不可或缺的强大工具，而RE2作为Google开发的正则表达式引擎，以其安全性和高性能著称。本文将全面解析RE2支持的正则表达式语法，帮助开发者掌握这一重要工具。

基础语法结构

单字符匹配

RE2提供了多种匹配单个字符的方式：

• . 匹配任意字符（默认不包括换行符，设置s标志后包括）
• [abc] 匹配字符a、b或c
• [^abc] 匹配除a、b、c外的任意字符
• \d 匹配数字（等价于[0-9]）
• \D 匹配非数字字符

字符类扩展

RE2支持丰富的字符类表示法：

• Unicode字符类：\p{Greek}匹配希腊字母，\P{Greek}匹配非希腊字母
• ASCII字符类：[[:alpha:]]匹配字母，[[:^alpha:]]匹配非字母
• 简写形式：\pN（单字母Unicode类别）

组合与重复

表达式组合

• xy 表示x后跟y
• x|y 表示匹配x或y（优先匹配x）

重复匹配

RE2提供了完整的重复匹配语法：

• x* 匹配0次或多次x（贪婪模式）
• x+ 匹配1次或多次x（贪婪模式）
• x? 匹配0次或1次x（贪婪模式）
• x{n,m} 匹配n到m次x
• x{n} 精确匹配n次x

非贪婪版本（在量词后加?）：

• x*? 匹配0次或多次x（非贪婪）
• x+? 匹配1次或多次x（非贪婪）

注意：RE2限制重复次数最大为1000次，但无限重复不受此限制。

分组与标志

分组语法

• (re) 编号捕获组
• (?P<name>re) 命名捕获组（也可写作(?<name>re)）
• (?:re) 非捕获组
• (?flags:re) 设置标志的非捕获组

模式标志

RE2支持以下标志（可通过(?flags)语法设置）：

• i 不区分大小写
• m 多行模式（影响^和$的行为）
• s 使.匹配换行符
• U 非贪婪模式（交换和?的行为）

标志语法示例：(?im-s)开启i和m，关闭s

边界匹配

RE2提供多种边界匹配方式：

• ^ 文本开始或行首（m标志下）
• $ 文本结束或行尾（m标志下）
• \A 文本绝对开始
• \z 文本绝对结束
• \b ASCII单词边界
• \B 非ASCII单词边界

转义序列

RE2支持的标准转义序列：

• \n 换行符
• \t 制表符
• \x7F 十六进制字符
• \x{10FFFF} Unicode字符
• \Q...\E 字面量文本（忽略元字符）

特殊转义：

• \C 匹配单个字节（即使UTF-8模式）
• \123 八进制字符

字符类详解

字符类元素

字符类[...]内可包含：

• 单个字符：a
• 范围：a-z
• 字符类：\d、[:alpha:]
• Unicode属性：\p{Lu}（大写字母）

预定义字符类

Perl风格（仅ASCII）：

• \w 单词字符（[A-Za-z0-9_]）
• \W 非单词字符
• \s 空白字符
• \S 非空白字符

ASCII字符类：

• [[:alnum:]] 字母数字
• [[:xdigit:]] 十六进制数字
• [[:space:]] 空白字符

Unicode支持

RE2对Unicode有良好支持：

• \p{Sc} 匹配所有货币符号
• \p{Lu} 匹配所有大写字母
• \p{Z} 匹配所有分隔符

Unicode一般类别包括：

• L（字母）
• N（数字）
• P（标点）
• S（符号）
• Z（分隔符）
• C（其他）

注意事项

1. RE2不支持的特性：

   • 反向引用（如\1）
   • 回溯控制（如(?>re)）
   • 条件表达式
   • 递归模式

2. 性能考虑：

   • RE2设计保证线性时间匹配
   • 避免过于复杂的嵌套表达式
   • 合理使用非捕获组(?:)提升性能

3. 安全特性：

   • 防止正则表达式拒绝服务(ReDoS)攻击
   • 限制重复次数（最多1000次）

实用技巧

1. 邮箱匹配示例：

   \b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b
   

2. URL提取：

   https?://[^\s/$.?#].[^\s]*
   

3. 日期匹配（YYYY-MM-DD）：

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

掌握RE2的正则表达式语法，可以让你在保证性能和安全性的同时，高效处理各种文本匹配需求。建议从简单模式开始，逐步尝试更复杂的表达式，并充分利用RE2的Unicode支持处理多语言文本。

re2 RE2 is a fast, safe, thread-friendly alternative to backtracking regular expression engines like those used in PCRE, Perl, and Python. It is a C++ library. 项目地址: https://gitcode.com/gh_mirrors/re21/re2