正则表达式基本用法及知识点总结(学会就够用)实用指南

佚名 2026-08-23 11:50:01

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“正则表达式基本用法及知识点总结(学会就够用)”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

前言

是一种用来描述、匹配和操作文本字符串的强大工具。你能够把它想象成一个 “字符串的过滤模式” 或 “高级的查找替换工具”。。

二、正则的优缺点

1.正则表达式的优点

极其强大和灵活
结合项目来看，能够执行很复杂和灵活的字符串匹配操作，这是普通的字符串查找（如 indexOf）完全无法比拟的。无论是“以A开头，以B结尾，中间不能有C”，还是“匹配所有第三个字符是数字的单词”，正则都能轻松描述。
高度简洁
从实现思路看，一个简短的正则表达式模式，往往能够替代几十行甚至上百行的传统字符串处理代码（如循环、判断、切片等）。这使得代码很精简。
标准化和通用性
在这个场景下，正则表达式的语法在各种编程语言（如 JavaScript, Python, Java, C#, Go 等）、文本编辑器（如 VS Code, Sublime Text）和命令行工具（如 grep, awk, sed）中基本都是通用的。学会一个，处处可用。
执行效率高（对于复杂操作）
从实现思路看，对于复杂的字符串匹配和验证任务，经过优化的正则引擎通常比用普通代码手动编写的同等功能要快得多。因为它是由底层C/C++等语言实现的高效算法。
广泛应用来数据处理
是数据提取（爬虫）、数据清洗、日志分析、表单验证、文件批量重命名等任务的首选工具。

2.正则表达式的缺点

学习曲线陡峭，可读性差
在这个场景下，这是正则表达式最大的缺点。对于初学者来说，一段复杂的正则表达式看起来就像是一堆“乱码”或“天书”，比如：/^(?=.*[a-z])(?=.*[A-Z])(?=.*d)[w!@#$%^&*]{8,}$/。这使得代码的维护和调试变得困难。
难以调试和维护
落到代码里，一个复杂的正则表达式不能正常工作时，排查问题很困难。你很难一眼看出到底是哪个部分写错了，或者为什么它没有匹配到你期望的内容。
容易写得过于复杂和脆弱
在这个场景下，开发者容易试图用一个“万能”的正则表达式去解决所有问题，导致模式变得极其复杂和难以理解。而且，一个微小的文本格式变化就可能让整个正则表达式失效。
性能陷阱
虽然正则通常很快，但编写不当的正则表达式可能导致“灾难性回溯”从实现思路看，，使得匹配时间呈指数级增长，甚至导致程序卡死。这在处理长字符串时尤为危险。
并非万能
正则表达式是基于模式的，它不适合处理所有文本问题，特别是那些具有嵌套结构的文本。
- 典型反例：解析 HTML/XML。由于标签能够无限嵌套（...），采用正则表达式来正确解析是很困难且不可靠的，应该采用专门的解析器（如 DOM Parser）。
- 同理：处理复杂的数学表达式、JSON、编程语言等，这些有递归结构的内容，正则表达式难以胜任。

三、正则表达式 - 核心知识总结

一、元字符 - 构建模式的“字母”

这些是拥有特殊含义的字符，是正则表达式的核心。

元字符	描述	示例	匹配示例
.	匹配任意单个字符（除换行符 `n` 外）	`a.c`	`abc`, `a c`, `a&c`
d	匹配任意数字	`dd`	`12`, `00`
D	匹配任意非数字	`DD`	`ab`, `@#`
w	匹配字母、数字、下划线	`ww`	`a1`, `B_`
W	匹配非字母、数字、下划线	`W`	`@`, , `-`
s	匹配任意空白符（空格、制表符、换行符）	`asb`	`a b`
S	匹配任意非空白符	`aSb`	`a+b`, `aab`
b	匹配单词的边界	`bhellob`	`hello world` 中的 `hello`
B	匹配非单词边界	`BhelloB`	`ahellob` 中的 `hello`
^	匹配字符串的开始（在多行模式下匹配行首）	`^Hello`	`Hello world` 中的 `Hello`
$	匹配字符串的结束（在多行模式下匹配行尾）	`world$`	`Hello world` 中的 `world`

二、量词 - 指定字符的数量

用来指定前面的字符或组出现的次数。

量词	描述	示例	匹配示例
*	匹配 0次或多次	`ab*c`	`ac`, `abc`, `abbc`
+	匹配 1次或多次	`ab+c`	`abc`, `abbc` (不匹配 `ac`)
?	匹配 0次或 1次	`colou?r`	`color`, `colour`
{n}	匹配恰好 n 次	`a{3}`	`aaa`
{n,}	匹配至少 n 次	`a{2,}`	`aa`, `aaa`, ...
{n,m}	匹配 n 到 m 次	`a{2,4}`	`aa`, `aaa`, `aaaa`

贪婪 vs 非贪婪（懒惰）

默认（贪婪）：尽可能匹配更长的字符串。a.+b 在 axxxbxxxb 中会匹配整个字符串。
非贪婪：在量词后加 ?，匹配最短的字符串。a.+?b 在 axxxbxxxb 中只匹配 axxxb。

三、字符集与分组 - 定义匹配范围

语法	描述	示例	匹配示例
[abc]	匹配 a, b, 或 c 中的任意一个字符	`[aeiou]`	匹配任何元音字母
[a-z]	匹配 a 到 z 范围内的任意字符	`[0-9]`	等同于 `d`
[^abc]	匹配任何不在 a, b, c 中的字符	`[^0-9]`	等同于 `D`
(abc)	捕获组，将多个字符视为一个单元，并可提取内容	`(ab)+`	`ab`, `abab`
(?:abc)	非捕获组，只分组，不捕获内容	`(?:ab)+`	`ab`, `abab` (不捕获)
**`	`**	或操作，匹配左边或右边的模式	`cat

四、零宽断言 - 匹配位置，而非字符

用来指定一个位置，这个位置需满足某些条件，但不会消耗字符。

断言	描述	示例	匹配示例
(?=exp)	正向先行断言：匹配位置后面是 `exp`	`Windows(?=10\|11)`	`Windows10`, `Windows11` 中的 `Windows`
(?!exp)	负向先行断言：匹配位置后面不是 `exp`	`Windows(?!95\|98)`	`Windows10` 中的 `Windows` (排除 `Windows95`)
(?<=exp)	正向后行断言：匹配位置前面是 `exp`	`(?<=$)d+`	`$100` 中的 `100`
(?<!exp)	负向后行断言：匹配位置前面不是 `exp`	`(?<!$)d+`	`€100` 中的 `100` (排除 `$100`)

五、实用案例集锦

匹配手机号（中国大陆）
```
/^1[3-9]d{9}$/
```
- ^ 字符串开始
- 1 以1开头
- [3-9] 第二位是3-9
- d{9} 后面是9位数字
- $ 字符串结束
匹配邮箱
```
/^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Za-z]{2,}$/
```
- [A-Za-z0-9._%+-]+ 用户名部分（至少一个字符）
- @ 字面量@
- [A-Za-z0-9.-]+ 域名部分
- . 字面量.
- [A-Za-z]{2,} 顶级域名（2位以上字母）
匹配中文字符
```
/[u4e00-u9fa5]/
```
- 匹配 Unicode 范围内的中文字符。
提取 HTML 标签内容
```
/<p[^>]*>(.*?)/
```
- 采用非贪婪模式 .*? 来匹配第一个闭合标签之前的内容。
强密码校验（至少8位，含大小写字母和数字）
```
/^(?=.*[a-z])(?=.*[A-Z])(?=.*d)[w!@#$%^&*]{8,}$/
```
- (?=.*[a-z]) 断言后面必须有小写字母。
- (?=.*[A-Z]) 断言后面必须有大写字母。
- (?=.*d) 断言后面必须有数字。
- [w!@#$%^&*]{8,} 匹配至少8位允许的字符。

匹配 IPv4 地址

/^((25[0-5]|2[0-4]d|1dd|[1-9]?d).){3}(25[0-5]|2[0-4]d|1dd|[1-9]?d)$/

精确匹配 0.0.0.0 到 255.255.255.255。

六、在编程语言中的采用要点

JavaScript:

const regex = /pattern/flags; // 字面量形式
const regex2 = new RegExp('pattern', 'flags'); // 构造函数
const result = regex.test(string); // 返回布尔值
const matches = string.match(regex); // 返回匹配结果数组
const newString = string.replace(regex, replacement); // 替换

Python:

import re
pattern = re.compile(r'pattern', flags)
if pattern.match(string): # 从开头匹配
if pattern.search(string): # 搜索整个字符串
matches = pattern.findall(string) # 查找所有匹配
new_string = pattern.sub(replacement, string) # 替换

常用标志（Flags）: