什么是正则表达式？

正则表达式（英文：Regular Expression，简称 Regex）是定义搜索模式的字符序列。正则表达式用于匹配、查找、替换或验证字符串——从简单的单词搜索到复杂的文本处理任务。所有主流编程语言都内置了正则表达式引擎，使其成为开发者工具箱中最通用的工具之一。

历史

正则表达式起源于形式语言理论。数学家 Stephen Cole Kleene 在 1950 年代将其作为描述正则语言的符号引入。Ken Thompson 在 UNIX 文本编辑器 ed 以及后来的 grep（1973）中实现了正则表达式。Perl（1987）大幅扩展了语法，并推广了 PCRE（Perl 兼容正则表达式）方言，这是当今大多数现代语言所遵循的标准。

基本语法

正则表达式是写在分隔符之间的模式（在 JavaScript 中：/模式/标志）。模式可以包含字面量字符、特殊元字符和量词。

/* 电子邮件验证正则表达式 */
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

/* 匹配：user@example.com */
/* 不匹配：notanemail */

核心概念

• 字面量 — 匹配精确字符：cat 匹配字符串 "cat"
• 字符类 — 匹配集合中的一个字符：[aeiou] 匹配任意元音，[a-z] 匹配任意小写字母，[^0-9] 匹配任意非数字字符
• 锚点 — ^ 匹配字符串开头，$ 匹配字符串结尾
• 量词 — *（0 次或多次）、+（1 次或多次）、?（0 次或 1 次）、{n}（恰好 n 次）、{n,m}（n 到 m 次）
• 通配符 — . 匹配除换行符外的任意单个字符
• 交替 — cat|dog 匹配 "cat" 或 "dog"
• 分组 — (abc) 捕获组，(?:abc) 非捕获组
• 转义 — 元字符前加 \ 将其视为字面量：\. 匹配句点
• 速记字符类 — \d（数字）、\w（单词字符）、\s（空白）及其反义 \D、\W、\S

常用模式

• 电子邮件 — ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
• URL — https?://[^\s]+
• 日期（YYYY-MM-DD） — \d{4}-\d{2}-\d{2}
• 电话号码 — \+?[\d\s\-\(\)]{7,15}
• IPv4 地址 — \b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b
• 十六进制颜色 — #[0-9a-fA-F]{3,6}

标志

• g — 全局 — 查找所有匹配项，而不仅仅是第一个
• i — 不区分大小写 — /hello/i 匹配 "Hello"、"HELLO"、"hello"
• m — 多行 — ^ 和 $ 匹配每行的开头和结尾
• s — dotAll — . 也匹配换行符

使用场景

• 输入验证 — 确保电子邮件地址、电话号码、密码和邮政编码符合所需格式
• 搜索和替换 — VS Code 等文本编辑器使用正则表达式在文件中查找和替换
• 日志解析 — 从服务器日志中提取 IP 地址、时间戳和错误代码
• URL 路由 — Web 框架将传入请求路径与正则表达式模式进行匹配
• 数据提取 — 从 HTML 或纯文本中抓取结构化数据（价格、日期、链接）

注意事项

• 元字符 . * + ? ^ $ { } [ ] | ( ) \ 作为字面量使用时必须用 \ 转义
• 贪婪量词（*、+）尽可能多地匹配；在其后加 ?（*?、+?）可进行懒惰匹配
• 正则表达式不适合解析 HTML 或 XML——应使用专用解析器
• 在部署之前，用真实数据和边缘情况测试您的模式