一、正则表达式核心规则
1. 字符匹配：基础单元
正则的最小单位是“字符匹配规则”，分为普通字符和元字符（有特殊含义的字符）。
- (1) 普通字符
直接匹配自身的字符，如字母、数字、符号（a、5、!、-等）。
- 示例：
abc → 匹配字符串中的“abc”（如“abc123”“xabcx”）。
- (2) 元字符：特殊功能字符
元字符是正则的核心，需重点掌握。常用元字符及含义如下：
| 元字符 | 含义 | 示例 |
|---|
| . | 匹配除换行符（\n）外的任意单个字符 | a.b → 匹配 “aab” “acb” “a1b”，不匹配“a\nb” |
| * | 匹配前面的字符零次或多次（贪婪） | a* → 匹配“” “a” “aa” “aaa” |
| + | 匹配前面的字符一次或多次（贪婪） | a+ → 匹配 “a” “aa” “aaa”，不匹配“” |
| ? | 匹配前面的字符零次或一次；或修饰量词为“非贪婪” | a? → 匹配“”“a”；a.*?b → 非贪婪匹配（见下文） |
| ^ | 匹配行的开头（默认单行模式） | ^abc → 匹配“abc123”，不匹配“123abc” |
| $ | 匹配行的结尾（默认单行模式） | abc$ → 匹配“123abc”，不匹配“abc123” |
| [] | 字符类：匹配括号内的任意一个字符 | [a-z] → 匹配任意小写字母；[0-9] → 任意数字 |
| [^] | 否定字符类：匹配不在括号内的任意一个字符 | [^0-9] → 匹配非数字字符 |
| \ | 转义字符：将元字符转为普通字符（如.匹配“.”） | a\.b → 匹配“a.b”，不匹配“aab” |
| ` | ` | 选择符：匹配“ |
| () | 分组：将多个字符视为一个整体；捕获组（见下文） | (ab)+ → 匹配 “ab” “abab” “ababab” |
- (3) 预定义字符类：简化字符类的缩写
为常用字符类提供的简写，提高正则可读性。
| 预定义类 | 等价于 | 含义 |
|---|
| \d | [0-9] | 任意数字（digit） |
| \D | [^0-9] | 任意非数字 |
| \w | [a-zA-Z0-9_] | 任意字母、数字、下划线（word） |
| \W | [^a-zA-Z0-9_] | 任意非字母、数字、下划线 |
| \s | [ \t\n\r\f] | 任意空白符（空格、制表符、换行等） |
| \S | [^ \t\n\r\f] | 任意非空白符 |
| \b | - | 单词边界（如“hello”中的“h”前、“o”后） |
| \B | - | 非单词边界 |
2. 量词：控制字符重复次数
量词用于指定“前面的字符/分组”的重复次数，分为贪婪量词（默认，尽可能多匹配）和非贪婪量词（在量词后加?，尽可能少匹配）。
| 量词 | 类型 | 含义 | 示例（匹配“aabbaa”） |
|---|
| * | 贪婪 | 零次或多次 | a.*b → 匹配“aabba”（从第一个a到最后一个b） |
| *? | 非贪婪 | 零次或多次（最少） | a.*?b → 匹配“aab”（从第一个a到最近的b） |
| + | 贪婪 | 一次或多次 | a.+b → 匹配“aabba” |
| +? | 非贪婪 | 一次或多次（最少） | a.+?b → 匹配“aab” |
| ? | 贪婪 | 零次或一次 | ab? → 匹配“a”“ab” |
| ?? | 非贪婪 | 零次或一次（最少） | ab?? → 匹配“a” |
| {n} | 贪婪 | 恰好n次 | a{2} → 匹配“aa”，不匹配“a”“aaa” |
| {n,} | 贪婪 | 至少n次 | a{2,} → 匹配“aa”“aaa”“aaaa” |
| {n,m} | 贪婪 | 至少n次，最多m次 | a{2,3} → 匹配“aa”“aaa” |
| {n,}? | 非贪婪 | 至少n次（最少） | a{2,}? → 匹配“aa” |
| {n,m}? | 非贪婪 | 至少n次，最多m次（最少） | a{2,3}? → 匹配“aa” |
3. 位置匹配：匹配“间隙”而非字符
位置匹配不消耗字符，仅匹配字符串中的“间隙”（如行开头、单词边界），常用于精准验证。
| 位置符 | 含义 | 示例 |
|---|
| ^ | 行开头（单行模式：整个字符串开头；多行模式：每行开头） | ^1[3-9] → 匹配以“13-19”开头的手机号 |
| $ | 行结尾（单行模式：整个字符串结尾；多行模式：每行结尾） | \d{9}$ → 匹配以9个数字结尾的手机号 |
| \b | 单词边界（“单词字符”与“非单词字符”的间隙） | \bhello\b → 匹配“hello world”中的“hello”，不匹配“helloworld” |
| \B | 非单词边界（“单词字符”之间的间隙） | \Bhello\B → 匹配“ahellob”中的“hello”，不匹配“hello” |
| \G | 上一个匹配的结束位置 | 用于连续匹配（如提取逗号分隔的数字：\G\d+,?） |
4. 分组与捕获：将模式视为整体
用()将多个字符分组，可实现“重复整个组”“捕获组内容”“反向引用”等功能。
- (1) 捕获组：默认分组，可引用
用()包裹的组会被“捕获”，按左括号顺序编号（1、2、3…），可通过反向引用（\n，n为组号）复用捕获的内容。
- 示例：匹配重复的单词（如“hello hello”）
正则：\b(\w+)\b\s+\1\b
解析：(\w+)捕获单词（组1），\1引用组1的内容，匹配“hello hello”“test test”。
- (2) 非捕获组：仅分组，不捕获
用(?:)包裹，仅将字符视为整体，不分配组号（节省内存，无需引用时用）。
- 示例：匹配“ab”或“cd”重复2次
正则：(?:ab|cd){2} → 匹配“abab”“cdcd”“abcd”（非捕获组不占组号）。
- (3) 命名捕获组：用名称引用，更清晰
用(?<name>pattern)命名组，引用时用\k<name>（正则中）或$name（替换时，如JavaScript）。
- 示例：匹配日期（年-月-日）并引用年、月
正则：(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})
引用：\k<year>年\k<month>月\k<day>日 → 将“2024-05-20”转为“2024年05月20日”。
5. 断言：零宽预查/回顾后发
断言是“零宽”的（不消耗字符），仅判断“当前位置前后是否满足条件”，常用于复杂验证（如密码强度、格式限制）。
| 断言类型 | 语法 | 含义 | 示例 |
|---|
| 正向预查 | (?=pattern) | 匹配“后面满足pattern”的位置 | \d+(?=元) → 匹配“100元”中的“100”（后面必须是“元”） |
| 负向预查 | (?!pattern) | 匹配“后面不满足pattern”的位置 | \d+(?!元) → 匹配“100美元”中的“100”（后面不能是“元”） |
| 正向回顾后发 | (?<=pattern) | 匹配“前面满足pattern”的位置 | (?<=¥)\d+ → 匹配“¥100”中的“100”（前面必须是“¥”） |
| 负向回顾后发 | (?<!pattern) | 匹配“前面不满足pattern”的位置 | (?<!¥)\d+ → 匹配“$100”中的“100”（前面不能是“¥”） |
- 经典示例：密码强度验证（8-16位，含大小写字母、数字、特殊符号）
正则：^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[!@#$%^&*]).{8,16}$
解析：
(?=.*[A-Z])：后面必须有至少一个大写字母(?=.*[a-z])：后面必须有至少一个小写字母(?=.*\d)：后面必须有至少一个数字(?=.*[!@#$%^&*])：后面必须有至少一个特殊符号.{8,16}：长度8-16位^$：确保整个字符串匹配（避免部分匹配）
6. 模式修饰符：调整正则行为
修饰符用于改变正则的匹配规则（如大小写不敏感、多行模式），不同语言语法略有差异（如JavaScript用/pattern/flags，Python用re.compile(pattern, flags)）。
| 修饰符 | 含义 | 示例 |
|---|
| i | 忽略大小写（case-insensitive） | /abc/i → 匹配“ABC”“aBc” |
| g | 全局匹配（global）：匹配所有符合条件的结果，而非第一个 | /a/g → 匹配“aaa”中的3个“a” |
| m | 多行模式（multiline）：^匹配每行开头，$匹配每行结尾 | /^a/m → 匹配“123\na456”中的“a” |
| s | 单行模式（dotall）：.匹配包括换行符在内的任意字符 | /a.b/s → 匹配“a\nb” |
| u | Unicode模式：支持Unicode字符（如中文字符、emoji） | /\p{Han}/u → 匹配中文字符 |
二、常用场景示例
1. 验证类（需加^$确保完整匹配）
| 场景 | 正则表达式 | 说明 |
|---|
| 手机号（中国大陆） | ^1[3-9]\d{9}$ | 1开头，第二位3-9，后面9位数字 |
| 邮箱（简化版） | ^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$ | 本地部分（字母/数字/_/-）+@+域名+顶级域名（如.com.cn） |
| 18位身份证 | ^\[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$ | 地区码6位+年份19/20开头+月份01-12+日期01-31+顺序码3位+校验码（0-9/X） |
| URL（简化版） | ^https?://[a-zA-Z0-9.-]+\.[a-zA-Z]{2,6}(/\S*)?$ | 支持http/https，域名+路径 |
2. 提取类（无需^$，匹配部分内容）
| 场景 | 正则表达式 | 说明 |
|---|
| 提取HTML标签内容 | <title>(.*?)</title> | 非贪婪匹配<title>标签内的内容 |
| 提取URL中的域名 | https?://([a-zA-Z0-9.-]+\.[a-zA-Z]{2,6}) | 捕获组1为域名（如“baidu.com”） |
| 提取数字 | \d+ | 提取所有连续数字 |
3. 替换类（用捕获组或断言调整格式）
| 场景 | 正则 | 替换为 | 效果 |
|---|
| 日期格式转换（2024-05-20 → 2024年05月20日） | (\d{4})-(\d{2})-(\d{2}) | $1年$2月$3日 | “2024-05-20”→“2024年05月20日” |
| 手机号脱敏（13800138000 → 138****8000） | (\d{3})\d{4}(\d{4}) | $1****$2 | “13800138000”→“138****8000” |
| 去除字符串前后空格 | `^\s+ | \s+$` | （空字符串） |
三、常见误区与注意事项
- 忘记
^$导致部分匹配：验证时必须加^$，否则会匹配“包含目标模式”的字符串（如用1[3-9]\d{9}验证手机号，会匹配“a13800138000b”）。 - 贪婪量词滥用：提取短内容时用非贪婪量词（如
.*?），避免匹配过长（如提取<a>标签用<a>.*?</a>，而非<a>.*</a>）。 .不匹配换行符：需匹配换行时加s修饰符（如JavaScript的/a.b/s匹配“a\nb”）。- 转义错误：在字符串中写正则时，
\需转义为\\（如JavaScript中匹配“.”需写/a\.b/，Python中需写r'a\.b'或'a\\.b'）。 - 过度复杂的正则：如邮箱验证，无需追求“完美匹配所有RFC标准”。
