正则表达式入门：从零到精通

正则表达式（Regular Expression，简称 regex、regexp 或 RE）是一种用来描述字符串模式的微型语言。它的核心作用只有一件事：在文本中"找模式"——验证格式、提取子串、批量替换、拆分字段。无论你写 JavaScript、Python、Go 还是 Java，都逃不开它。本篇 regex 教程 帮你从零基础一次打通，写出高效、可读的正则。

1. 字符类：定义"匹配什么字符"

字符类决定"一个位置能放什么字符"，是最基础也是最高频的语法单元：

[abc]    // 匹配 a、b 或 c 中任意一个
[a-z]    // 匹配 a 到 z 之间任意小写字母
[A-Z0-9] // 匹配大写字母或数字
[^0-9]   // 字符类内 ^ 表示"取反"：匹配任何非数字字符
\d       // 等价于 [0-9]，匹配数字
\w       // 等价于 [A-Za-z0-9_]，匹配单词字符
\s       // 匹配任意空白：空格、Tab、换行
.        // 匹配除换行外的任意字符（dotAll 标志 s 下可匹配换行）

反义（取大写）规则简单易记：\D = 非数字，\W = 非单词字符，\S = 非空白。比如要"匹配一段不含空格的字符串"，用 \S+ 即可。

2. 量词：定义"重复几次"

量词紧跟在一个原子（字符、字符类或分组）后面，控制它的重复次数：

*      // 0 次或多次（等价于 {0,}）
+      // 1 次或多次（等价于 {1,}）
?      // 0 次或 1 次（等价于 {0,1}），也用于非贪婪
{n}    // 恰好 n 次
{n,}   // 至少 n 次
{n,m}  // n 到 m 次之间

贪婪 vs 非贪婪：默认量词是贪婪的——能多匹配就多匹配。在量词后加 ? 变成非贪婪（懒惰）——能少匹配就少匹配。看下面的对比：

输入：<b>hello</b><b>world</b>

/<.*>/   // 贪婪：匹配整段 <b>hello</b><b>world</b>
/<.*?>/  // 非贪婪：只匹配 <b>

3. 锚点与边界

锚点是"零宽"位置——它们不消耗字符，只标记位置：

^   // 行首（多行模式 m 下匹配每行开头）
$   // 行尾（多行模式 m 下匹配每行结尾）
\b  // 单词边界：\w 与 \W 之间的位置
\B  // 非单词边界

验证手机号时 ^1[3-9]\d{9}$ 用到了 ^ 和 $，确保整段都符合模式，而不是只在中间某处匹配到。

4. 分组与引用

括号让多个字符"打包"成一个整体，并提供捕获能力：

(abc)       // 捕获组：匹配 abc，并把结果存入 $1 或 groups[1]
(?:abc)      // 非捕获组：仅分组，不占用捕获槽位，性能略好
(a|b)        // 匹配 a 或 b（分支）
(?<name>x)  // 命名捕获组（ES2018+），引用时用 \k<name>

反向引用 \1 表示"匹配第 1 个捕获组曾经匹配到的同样内容"，是匹配成对 HTML 标签的关键。

5. 四个实战模式

① 邮箱验证

日常场景用简化版即可。完整的 RFC 5322 邮箱正则有 6000+ 字符，几乎没有意义：

^[\w.+-]+@[\w-]+\.[\w.-]+$

说明：本地部分允许字母、数字、_ . + -；域名部分用 \.[\w.-]+ 兼容多级子域，如 user@mail.dev.example.co。

② URL 提取

https?://[\w.-]+(?:/[\w./?=&%-]*)?

https? 同时匹配 http 和 https；路径部分用 (?:/...)? 表示可选的查询字符串。

③ 中国大陆手机号

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

11 位数字，首位 1，第二位 3-9（涵盖 13x/14x/15x/16x/17x/18x/19x 号段），后 9 位任意数字。

④ HTML 标签匹配

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

([a-z]+) 捕获标签名，([^>]*) 捕获属性串，(.*?) 非贪婪匹配内容，<\/\1> 通过反向引用保证开始与结束标签名一致。生产环境请勿用正则解析 HTML——请使用专门的解析器（如 DOMParser、BeautifulSoup）。

6. 零宽断言（Lookaround）

零宽断言匹配的是"位置"而不是"字符"，常用于"在某个上下文里取值"：

(?=foo)    // 先行断言：右侧是 foo
(?!foo)    // 负先行断言：右侧不是 foo
(?<=foo)   // 后行断言：左侧是 foo
(?<!foo)   // 负后行断言：左侧不是 foo

例：从 ¥199 中只取数字：(?<=¥)\d+。

7. JavaScript 中的正则

JS 中正则有两种写法，效果等价：

// ① 字面量（推荐，编译期就确定，性能略好）
const re = /ab+c/i;

// ② 构造函数（适合模式由变量拼接的情况）
const pattern = "ab+c";
const re2 = new RegExp(pattern, "i");

常用 flag：

g  // global：匹配所有出现，不加则只匹配第一个
i  // case-insensitive：忽略大小写
m  // multiline：^ 和 $ 匹配每行的开头/结尾
s  // dotAll：让 . 也能匹配换行（ES2018）
u  // unicode：启用 Unicode 模式
y  // sticky：从 lastIndex 处开始匹配

三个最常用的方法：

// test：返回 boolean
/^1[3-9]\d{9}$/.test("13800138000");  // true

// match：返回匹配结果数组（无 g 标志时含捕获组）
"foo bar".match(/(\w+)\s(\w+)/);
// ["foo bar", "foo", "bar"]

// replace：第二个参数可以是字符串或函数
"hello world".replace(/\w+/g, m => m.toUpperCase());
// "HELLO WORLD"

注意全局标志 g 的副作用：当正则设置了 g 或 y，会启用 lastIndex 状态。如果把它赋给变量反复调用 test() 或 exec()，会从上次结束位置继续——这是新人最常踩的坑。解决办法是用字面量创建新对象，或在循环里手动 re.lastIndex = 0。

8. 常见陷阱

① 贪婪回溯导致性能塌方：写 (.*) 套多层很容易在长文本上 O(n²) 甚至指数级。优先用具体字符类（[^>]*、[^"]*），并尽量加 ? 改为非贪婪。

② [.] 和 \. 的区别：字符类里的点不需要转义，[.] 就是匹配一个普通点；而 \. 是为了避免被当成"任意字符"。

③ 字符类里的元字符：]、^、-、\ 在 [] 内有特殊含义，需要时放在开头或转义。

④ PCRE vs JavaScript 正则的差异：PHP、Python（re 模块底层）等很多语言使用 PCRE 引擎，支持环视、占有量词 *+、递归、条件等高级特性。JavaScript 的正则引擎（ECMAScript）原生不支持这些，复杂场景需要额外库（如 XRegExp）。日常 95% 的需求两者都能胜任。

9. 用 DevToolbox 在线测试

这是真正好用的 regex tester online：实时高亮、捕获组可视化、纯前端运行、文本不上传服务器。

10. 常见问题 FAQ

正则表达式难学吗？

核心语法只有 20 多个符号，30 分钟就能上手。难的是"读别人写的复杂正则"和"在性能与可读性之间权衡"。建议先掌握字符类、量词、分组、断言这四大件，其余按需查表。

如何在 JS 中用变量构造正则？

用 new RegExp() 构造函数。要注意：字符串里的 \d 实际是 \\d（反斜杠要转义）：

const word = "hello";
const re = new RegExp(`\\b${word}\\b`, "gi");
"Hello hello HELLO".match(re);  // ["Hello", "hello", "HELLO"]

如果 word 来自用户输入，务必先做 escape()，防止注入元字符。

String.match() 和 RegExp.exec() 的区别？

无 g 标志时两者行为基本一致，都返回第一个匹配的完整信息和捕获组。带 g 时 exec() 仍返回第一条但会更新 lastIndex，方便循环遍历所有匹配；match() 则直接返回所有匹配结果数组，不再返回捕获组细节。需要捕获组时优先 exec() 或 matchAll()（ES2020）。

为什么 (.*) 匹配很慢？

.* 在贪婪模式下会先吃光所有字符，再逐步回溯寻找后续模式能匹配的位置。如果后续匹配失败，会触发大量回溯，复杂情况下可能灾难性回溯（catastrophic backtracking）使 CPU 飙到 100%。优化思路：① 缩小 .* 范围（如 [^<]*），② 用 *? 非贪婪，③ 把确定性部分写在前，缩小回溯空间。

PCRE 和 JavaScript 正则的差异？

PCRE（PHP、Python re、Perl 等）功能更全：支持占有量词 *+、递归 (?R)、条件匹配、内联修饰符 (?i)... 等。JS 的 ECMAScript 正则实现较精简，环视和命名捕获组直到 ES2018 才补齐，递归、占有量词至今没有。写跨平台正则时避免使用 JS 不支持的语法。

结论

正则表达式是"一次学习、终身受益"的工具：语法极简、跨语言通用、应用场景无处不在。掌握字符类、量词、分组、断言这四件套，配合 regex tester online 工具反复练习，你很快就能写出干净、高效的正则。DevToolbox 的在线正则测试器免注册、纯前端运行，文本不离开你的浏览器，是日常调试的好帮手。

相关文章