正则表达式完全指南

约 1016 字大约 3 分钟

2020-09-06

正则表达式是处理文本的强大工具，本文将系统介绍其语法规则和实际应用。

用途

文本查找
文本替换

组成

正则表达式分为：普通字符 + 元字符
元字符按打印方式分为：非打印字符 + 特殊字符
元字符按作用类型分为：限定符 + 定位符

普通字符

没有标记为元字符的所有可打印字符（字母、数字、标点...）

非打印字符

字符	说明
`\cx`	匹配 x 指明的控制字符
`\f`	匹配换页符
`\n`	匹配换行符
`\r`	匹配回车符
`\s`	匹配任何空白字符
`\S`	匹配任何非空白字符
`\t`	匹配制表符
`\v`	匹配垂直制表符

特殊字符

字符	说明
`$`	匹配字符串的结尾
`^`	匹配字符串开始位置
`()`	匹配一个子表达式的开始和结束
`[`	标记中括号表达式开始
`{`	标记限定符表达式开始
`*`	匹配前面的子表达式 0 次或多次
`+`	匹配前面的子表达式 1 次或多次
`.`	匹配换行符之外的任何字符
`?`	匹配前面表达式 0 次或 1 次
`\|`	指明两项之间选择
`\`	将后一个字符标记为特殊字符、原义字符、向后引用、八进制转义

限定符

字符	说明
`*`	匹配前面子表达式 0 次或多次
`+`	匹配前面子表达式 1 次或多次
`?`	匹配前面子表达式 0 次或 1 次
`{n}`	匹配确定的 n 次
`{n,}`	匹配至少 n 次
`{n,m}`	至少匹配 n 次，最多匹配 m 次

定位符

字符	说明
`^`	匹配字符串开始位置
`$`	匹配字符串结尾位置
`\b`	匹配字边界
`\B`	匹配非字边界
`\s`	匹配空白字符
`\uxxxx`	匹配十六进制数 xxxx 规定的 Unicode 字符
`i`	大小写不敏感
`[abc]` `[0-9]`	匹配 [] 内字符
`(a\|b)`	匹配 a 或者 b

语法结构

基本语法格式：

^定位符限定符$

实践示例

以下是一些常用的正则表达式示例：

匹配邮箱

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

匹配手机号（中国大陆）

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

匹配 URL

^https?:\/\/[\w.-]+(\.[\w.-]+)+[\w\-._~:/?#[\]@!$&'()*+,;=]*$

常见坑点

贪婪匹配 vs 非贪婪匹配：默认是贪婪匹配，会匹配尽可能多的字符。使用 ? 可以转为非贪婪匹配。

# 贪婪匹配（匹配整个字符串）
<.*>  # 匹配 "<div>content</div>" 整体

# 非贪婪匹配（匹配最小范围）
<.*?> # 分别匹配 "<div>" 和 "</div>"

转义问题：特殊字符需要转义才能匹配字面值。

# 匹配字面的点号
\.     # 正确
.      # 错误：会匹配任意字符

边界问题：\b 匹配的是单词边界，不是空格。

# 匹配独立单词 "test"
\btest\b  # 能匹配 "a test b" 中的 test
          # 不能匹配 "testing" 中的 test

总结

正则表达式由普通字符和元字符组成
元字符分为非打印字符、特殊字符、限定符和定位符
掌握常用语法后，可以灵活组合处理复杂文本
注意贪婪匹配和转义问题

参考资源

[格式修正摘要]

标题：添加 H1 标题"正则表达式完全指南"，优化 permalink
格式：列表符号 * 改为 -，代码块添加语言标识 regex
内容：非打印字符、特殊字符、限定符、定位符改为表格展示
间距：标题与正文间添加空行
排版：中英文/数字之间添加空格（如 n 次、\uxxxx）
结构：添加背景摘要、实践示例、常见坑点、总结、参考资源
修复：标点符号统一（？ 改为 ?、| 转义问题修复）