正则表达式

正则表达式教程

---

1. 什么是正则表达式？

正则表达式（Regular Expression，简称 Regex）是一种用于匹配、查找或替换文本中特定模式的工具。它通过定义一组规则来描述字符串的格式，广泛应用于文本处理、数据验证、日志分析等领域。

示例：

• 匹配邮箱地址：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
• 匹配手机号：^1[3-9]\d{9}$

---

2. 正则表达式基础语法

2.1 字符匹配

符号	说明	示例	匹配结果
.	匹配任意单个字符（除换行符）	a.c	abc, aXc
\d	匹配数字（0-9）	\d{3}	123, 456
\w	匹配字母、数字或下划线	\w+	hello, a1_
\s	匹配空白字符（空格、制表符等）	\s+	, \t
[abc]	匹配括号内的任意一个字符	[aeiou]	a, e, i
[^abc]	匹配不在括号内的字符	[^0-9]	a, B, _
[a-z]	匹配范围内的字符	[A-Z]	A, B, Z

2.2 量词（控制匹配次数）

符号	说明	示例	匹配结果
*	匹配前一个字符 0 次或多次	ab*c	ac, abc, abbc
+	匹配前一个字符 1 次或多次	ab+c	abc, abbc
?	匹配前一个字符 0 次或 1 次	ab?c	ac, abc
{n}	匹配前一个字符恰好 n 次	a{3}	aaa
{n,}	匹配前一个字符至少 n 次	a{2,}	aa, aaa
{n,m}	匹配前一个字符 n 到 m 次	a{1,3}	a, aa, aaa

2.3 边界匹配

符号	说明	示例	匹配结果
^	匹配字符串开头	^Hello	Hello world
$	匹配字符串结尾	world$	Hello world
\b	匹配单词边界	\bcat\b	cat, a cat
\B	匹配非单词边界	\Bcat\B	category

2.4 分组与引用

符号	说明	示例	匹配结果
(abc)	分组并捕获匹配内容	(ab)+	abab
(?:abc)	分组但不捕获（非捕获组）	(?:ab)+	abab
\1, \2	引用前面的分组（反向引用）	(\d)\1	11, 22

2.5 逻辑运算符

符号	说明	示例	匹配结果
`	`	或（匹配左边或右边）	`cat
&&	逻辑与（部分语言支持）	-	-

---

3. 进阶技巧

3.1 贪婪与非贪婪匹配

• 贪婪模式（默认）：尽可能多地匹配字符。
  • 示例：a.+b 匹配 aabab → 结果为 aabab。
• 非贪婪模式（加 ?）：尽可能少地匹配字符。
  • 示例：a.+?b 匹配 aabab → 结果为 aab。

3.2 零宽断言

• 正向先行断言 (?=...)：匹配后面必须跟的内容。
  • 示例：\d+(?=px) 匹配 100px 中的 100。
• 负向先行断言 (?!...)：匹配后面不能跟的内容。
  • 示例：\d+(?!px) 匹配 100pt 中的 100。
• 正向后行断言 (?<=...)：匹配前面必须有的内容。
  • 示例：(?<=\$)\d+ 匹配 $100 中的 100。
• 负向后行断言 (?<!...)：匹配前面不能有的内容。
  • 示例：(?<!\$)\d+ 匹配 100（非 $100）。

3.3 条件匹配

• 语法：(?(条件)真分支|假分支)
  • 示例：(?(?=\d)\d+|[a-z]+) 匹配数字或字母。

3.4 递归匹配

• 部分语言支持递归（如 PCRE），用于匹配嵌套结构。
  • 示例：((\((?>[^()]+|(?1))*\))) 匹配嵌套括号。

---

4. 实际应用场景

4.1 数据验证

• 邮箱地址：

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

• URL：

  ^(https?:\/\/)?([\da-z.-]+)\.([a-z.]{2,6})([/\w .-]*)*\/?$
  

4.2 文本提取

• 提取 HTML 标签内容：

  <([a-z]+)[^>]*>(.*?)<\/\1>
  

• 提取日志中的 IP 地址：

  \b(?:\d{1,3}\.){3}\d{1,3}\b
  

4.3 文本替换

• 将日期格式从 YYYY-MM-DD 改为 DD/MM/YYYY：
  • 查找：(\d{4})-(\d{2})-(\d{2})
  • 替换：$3/$2/$1

4.4 字符串分割

• 按逗号分割字符串：

  ,\s*
  

---

5. 常见工具与语言支持

工具/语言	正则表达式引擎	特点
Notepad++	PCRE	支持递归、条件匹配
Python	re 模块	简单易用，支持非贪婪匹配
JavaScript	RegExp	浏览器原生支持
Perl	PCRE	正则表达式“鼻祖”
Java	java.util.regex	严格模式，需转义字符

---

6. 学习资源推荐

1. 在线测试工具：
   • Regex101（支持实时调试）
   • RegExr（可视化学习）
2. 书籍：
   • 《精通正则表达式》（Jeffrey Friedl）
3. 文档：
   • MDN 正则表达式指南

---

7. 常见问题

1. 为什么我的正则表达式不匹配？
   • 检查是否开启多行模式（^ 和 $ 的行为）。
   • 确认是否转义特殊字符（如 * → \*）。
2. 如何匹配跨行内容？
   • 使用 [\s\S] 代替 .（如 <<[\s\S]*?>>）。
3. 如何提高正则表达式性能？
   • 避免过度嵌套和回溯，优先使用具体匹配。

---

总结：正则表达式是文本处理的瑞士军刀，掌握它能大幅提升效率。建议从简单场景入手，逐步学习进阶语法，并通过在线工具实践调试！