正则表达式入门与进阶（优化版）

😀前言
在学习正则表达式时，光靠语法记忆往往枯燥难懂，最好的方式就是结合不同语言的实际应用进行练习。由于正则在 Java、JavaScript、Python 三大主流语言中都有完善的支持，我们可以通过统一的案例（如邮箱验证、手机号提取、日期格式转换、注释匹配等），体会到不同语言在 API 调用方式、匹配方法、替换规则 上的差异。本文将分别给出三种语言的完整示例，帮助读者在横向对比中快速掌握正则的实战技巧。

---

🏠个人主页：尘觉主页

正则表达式入门与进阶（优化版）

1. 概述

正则表达式（regular expression，简称 regex）是描述文本模式的一种紧凑语法，常用于查找、匹配、验证与替换文本。它不是独立的程序，而是内嵌在很多编程语言、编辑器、工具和库中（如 Java、JavaScript、Python、Perl、grep、VSCode、Sublime Text 等）。

在线练习与调试工具：https://regexr.com/。

使用正则时，先想清要匹配的“模式”——是精确匹配、还是模糊匹配？是否需要整行/整词匹配？是否需要忽略大小写？先把需求拆成小句子，再把每句翻译成正则语法。

---

2. 匹配单个字符

元字符 .（点）

• . 可以匹配除了换行符之外的任意单个字符（不同引擎中可通过 s/DOTALL 标志让 . 也匹配换行）。
• 它是元字符，如果要匹配字符 . 本身，需要转义：\.。

示例：正则 C.C2018 能匹配 CyC2018、C C2018（中间任何单字符），但不能匹配 C\nC2018（换行）。

---

3. 匹配一组字符（字符类）

字符类用方括号 [...] 表示，表示“匹配其中任意一个字符”。

• 范围写法 a-z、0-9 基于字符的编码顺序（通常是 ASCII）。
• - 在方括号内用作范围，若要表示字符 - 本身，放到开头或末尾或转义。
• 方括号内的 ^ 表示取反（例如 [^0-9] 表示非数字字符）。

示例：

• 要匹配以 abc 开头，且接着的一个字符不是数字并且整行结束：

  • 正则：^abc[^0-9]$
  • 说明：^ 和 $ 锚定整行（更多见第6节）。
  • 匹配：abcd、abca；不匹配：abc1、abc12。

---

4. 常用元字符与空白字符

元字符	含义	说明
\d	数字字符	等价于 [0-9]（在 Unicode 模式下含义可能拓展）
\D	非数字	等价于 [^0-9]
\w	单词字符	通常等价 [A-Za-z0-9_]（在 Unicode 模式下会有扩展）
\W	非单词字符	\w 的取反
\s	空白字符	等价 `[

]（包含制表、换行等） | | \S| 非空白字符 |\s` 的取反 |

注意：[\b] 在字符类里表示 退格（backspace）字符，而单独的 \b 表示单词边界（见第6节）。

额外：\xNN 表示十六进制字符，例如 \x0A 是 ASCII 的 Line Feed（即 \n）。一些引擎也支持八进制写法如 \0nn。

---

5. 重复与量词

• *：匹配 0 次或多次（贪婪）
• +：匹配 1 次或多次（贪婪）
• ?：匹配 0 次或 1 次
• {n}：精确匹配 n 次
• {m,n}：匹配 m 到 n 次
• {m,}：至少 m 次

贪婪 vs 懒惰

• 默认量词是贪婪（尽可能多匹配）。加 ? 可变为懒惰（尽可能少匹配）。

示例：

• 正则 a.+c 对文本 abcabcabc 会匹配整段 abcabcabc（因为 .+ 向右尽量多匹配）；
• 若使用 a.+?c（懒惰），则先匹配最短的 abc。

电子邮箱示例（简单）：

[\w.]+@\w+\.\w+

说明：[\w.]+ 表示用户名部分允许字母数字下划线和点，+ 表示出现一次或多次。注意：真实世界的 Email 规范更复杂，这只是常见的简单匹配写法。

---

6. 位置匹配（边界与锚点）

• \b：单词边界——匹配位置（不消耗字符），出现在 \w 和 \W 或字符串边界之间。
• \B：非单词边界。
• ^：行/字符串开头（在多行模式下，匹配每行开头）。
• $：行/字符串结尾（在多行模式下，匹配每行结尾）。

示例：匹配以 // 开头的注释行（允许前面有空白）：

^\s*//.*$

下面插入的图片保持不变（您之前的图片不动）：

---

7. 子表达式（分组）与替代（或）

• 用圆括号 (...) 定义子表达式（捕获分组），分组可以作为整体使用量词。
• 非捕获分组：(?:...)，只用来分组但不保存匹配内容（节省编号）。
• | 表示“或”运算。

示例：匹配年份

(?:19|20)\d{2}

能匹配 1900、2010、但不会匹配 1020（前两位必须是 19 或 20）。

示例：匹配 IP（更稳健的写法）

((25[0-5]|2[0-4]\d|1\d{2}|[1-9]?\d)\.){3}(25[0-5]|2[0-4]\d|1\d{2}|[1-9]?\d)

说明：每一段允许 0-255，使用更紧凑且不会把 255、999 等错误匹配为合法。

---

8. 回溯引用与替换

回溯引用（backreference）

• 在正则里，\1、\2 等表示对前面第 1、2 个捕获组匹配结果的引用（匹配文本时使用）。

示例：匹配 HTML 的开始和结束标签且保证标签名一致：

<(h[1-6])>.*?<\/\1>

说明：(h[1-6]) 捕获标签名（如 h1），<\/\1> 要求结束标签与开始标签一致。

替换中使用分组

• 在替换字符串中，不同引擎用法不同：常见有 $1、\1（替换文本）两种形式。

电话格式化示例：

• 文本：313-555-1234
• 查找：(\d{3})(-)(\d{3})(-)(\d{4})
• 替换：($1) $3-$5
• 结果：[phone]

注意：大小写转换（例如 \U/\L）是否支持取决于你使用的工具或语言（例如 Perl 或一些文本编辑器支持，但并非通用）。

---

9. 前后查找（Lookahead / Lookbehind）

正向先行断言（Positive lookahead）(?=...)

匹配某位置前面必须跟着 ...，但 ... 不计入匹配结果。

示例：取出 @ 之前的用户名：

\w+(?=@)

在 [e-mail] 上会匹配 abc。

负向先行断言（Negative lookahead）(?!...)

表示后面不能是 ...。

向后断言（Lookbehind）(?<=...) / (?<!...)

• 向后断言检查当前匹配的左边上下文（并不计入匹配结果）。
• 注意：并非所有引擎都支持固定宽度以外的 lookbehind（比如历史上的 JavaScript 就曾不支持 lookbehind，但现代大多数浏览器引擎已经支持）。

示例（可选）：匹配 5 位邮编，且若后面有 - 时再匹配后续 4 位：

\d{5}(?(?=-)-\d{4})

（这是条件写法的一个示例，非所有引擎都支持）

---

10. 嵌入条件与高级用法

一些正则引擎（如 PCRE）支持条件表达式 (?( 条件 )yes|no)，条件可以是某个捕获组是否匹配，或是某个正向断言是否成立。示例：

(\()?abc(?(1)\))

说明：如果第 1 组 \( 匹配（也就是字符串以 ( 开头），则要求末尾也有 )，所以能匹配 (abc) 或 abc，但不能只匹配 (abc。

这类语法属于高级特性，初学者可以先熟练掌握分组、回溯引用、断言再学习条件表达式。

---

11. 常见错误与性能提示

1. 忘记转义特殊字符：如要匹配 .、*、+、?、(、)、[、]、{、}、\ 等，需要加 \。例如 \. 匹配点号。
2. 使用贪婪量词造成“吞并”更多文本：如 a.*b 在 a...a...b 中可能匹配到最后的 b，改用懒惰 a.*?b 或更精确的类。
3. 回溯和性能陷阱（catastrophic backtracking）：复杂的嵌套量词（如 (a+)+）在长文本上可能非常慢。避免不必要的回溯，或使用原子组/占有量词（部分引擎支持）来降低风险。
4. 不同引擎差异：不要假设所有正则特性在所有环境都可用（例如 lookbehind、命名捕获、条件表达式、\u/\l 替换等）。

性能建议：用字符类替代 .（更精确），先限定长度（{m,n}），必要时使用非捕获组 (?:...) 或原子组提升效率。

---

12. 常用标志（flags）及快速说明

标志	名称	含义
i	ignore case	忽略大小写匹配
m	multiline	^ 和 $ 匹配每行的开始/结尾（而不是整个文本）
s	dotall / singleline	让 . 可以匹配换行符
x	verbose	允许在正则中写空格和注释（可读性更好，需按语法使用）

写法示例（不同环境写法不同）：

• JavaScript：/pattern/i 或 new RegExp('pattern', 'i')。
• Python：re.compile(r'pattern', re.IGNORECASE)。

---

13. 常用速查小抄（摘录）

• 字符类：[abc], [^abc], [a-z]
• 预定义类：\d, \w, \s, \D, \W, \S
• 量词：*, +, ?, {n}, {m,n}
• 边界：^, $, \b, \B
• 组与引用：(...), (?:...), \1（回溯引用）
• 断言：(?=...), (?!...), (?<=...), (?<!...)

---

14. 练习题（建议动手在 regexr.com 上验证）

1. 找出文本中以单词 cat 开头但不是 cats 的单词（例如 cat、cater 匹配，但 cats 不匹配）。
2. 将 2020/01/02 格式的日期替换为 2020-01-02。
3. 匹配合法 IPv4 地址（0.0.0.0 到 255.255.255.255）。

---

15. 进阶学习资源

• regexr（在线交互）: https://regexr.com/
• Regular-Expressions.info（深入教程）
• 各语言的标准库文档（Python re、Java java.util.regex、JavaScript RegExp）

---

16.常见示例

Java（java.util.regex 示例）

import java.util.regex.*;public class RegexJavaDemo {public static void main(String[] args) {String text = "Contact: 313-555-1234 or email [e-mail]";// 1) 验证：简单的邮箱检查（注意 matches 要完全匹配整个字符串）Pattern email = Pattern.compile("[\\w.]+@\\w+\\.\\w+");Matcher m1 = email.matcher("[e-mail]");System.out.println("is email: " + m1.matches());// 2) 查找并提取：找到文本中的电话并格式化Pattern phone = Pattern.compile("(\\d{3})-(\\d{3})-(\\d{4})");Matcher m2 = phone.matcher(text);if (m2.find()) {String formatted = String.format("(%s) %s-%s", m2.group(1), m2.group(2), m2.group(3));System.out.println("phone: " + formatted);}// 3) 替换：把日期 2020/01/02 替换为 2020-01-02String dateText = "Date: 2020/01/02";String replaced = dateText.replaceAll("(\\d{4})/(\\d{2})/(\\d{2})", "$1-$2-$3");System.out.println(replaced);}
}

JavaScript（浏览器 / Node.js）

// 验证 email
const emailRe = /[\w.]+@\w+\.\w+/;
console.log(emailRe.test('[e-mail]')); // true// 提取并格式化电话
const text = 'Contact: 313-555-1234 or email [e-mail]';
const phoneRe = /(\d{3})-(\d{3})-(\d{4})/;
const phoneMatch = text.match(phoneRe);
if (phoneMatch) {const formatted = `(${phoneMatch[1]}) ${phoneMatch[2]}-${phoneMatch[3]}`;console.log('phone:', formatted);
}// 全局替换日期格式
const dateText = 'Date: 2020/01/02';
const replaced = dateText.replace(/(\d{4})\/(\d{2})\/(\d{2})/, '$1-$2-$3');
console.log(replaced);// 多行注释匹配（使用 m 标志）
const lines = ' // comment\n var x = 1; // another';
const commentRe = /^\s*\/\/.*$/gm;
console.log(lines.match(commentRe)); // 返回匹配注释的行

Python（re 模块）

import retext = 'Contact: 313-555-1234 or email [e-mail]'# 验证（fullmatch 要求整个字符串匹配）
email_re = re.compile(r'[\w.]+@\w+\.\w+')
print(bool(email_re.fullmatch('[e-mail]')))# 查找并提取电话
phone_re = re.compile(r'(\d{3})-(\d{3})-(\d{4})')
m = phone_re.search(text)
if m:formatted = f'({m.group(1)}) {m.group(2)}-{m.group(3)}'print('phone:', formatted)# 替换日期格式
date_text = 'Date: 2020/01/02'
replaced = re.sub(r'(\d{4})/(\d{2})/(\d{2})', r'\1-\2-\3', date_text)
print(replaced)# 多行注释匹配
lines = ' // comment\n var x = 1; // another'
comment_re = re.compile(r'^\s*//.*$', re.MULTILINE)
print(comment_re.findall(lines))

😄总结

正则表达式的语法几乎跨语言通用，但在 调用方式 和 细节差异 上各有特点：

• Java 借助 Pattern 和 Matcher 提供强大但相对繁琐的接口，适合构建复杂匹配逻辑；
• JavaScript 以字面量和 RegExp 对象为核心，结合字符串方法 test、match、replace，在前端与 Node.js 场景中使用最为灵活；
• Python 通过 re 模块提供直观的 search、findall、sub 等函数，语法简洁，适合数据处理与脚本开发。

通过三个示例的对比，可以看到虽然语法一致，但各语言的风格迥异。掌握这些差别，不仅能提高正则使用效率，还能在跨语言开发中快速迁移经验，正则表达式作为一把“文本处理的瑞士军刀”，只要善加练习，必能在日志分析、数据清洗、表单校验等场景中发挥巨大作用。

😁热门专栏推荐
想学习vue的可以看看这个

java基础合集

数据库合集

redis合集

nginx合集

linux合集

手写机制

微服务组件

spring_尘觉

springMVC

mybits

等等等还有许多优秀的合集在主页等着大家的光顾感谢大家的支持

🤔欢迎大家加入我的社区 尘觉社区

文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起来评论区一起讨论😁
希望能和诸佬们一起努力，今后我们一起观看感谢您的阅读🍻
如果帮助到您不妨3连支持一下，创造不易您们的支持是我的动力🤞