正则表达式

一、什么是正则表达式？

正则表达式是一种用于描述、匹配、检索和替换符合某些规则的文本字符串的工具。它像是一种简洁的“模式语言”，可以快速定位和操作大量文本中的特定内容。

简而言之，正则表达式就是用特定的语法来描述一类字符串的规则，然后用这个规则去匹配、查找、筛选实际的文本内容。

---

二、正则表达式的基础语法

1. 元字符（Metacharacters）

正则表达式由普通字符（如 a、1、X）和特殊字符（元字符）组成。常用的元字符有：

符号	说明	示例
.	匹配除换行符以外的任意字符	a.b 能匹配 "acb"、"a_b" 等
^	匹配行的开头	^abc 匹配以 "abc" 开头的行
$	匹配行的结尾	abc$ 匹配以 "abc" 结尾的行
*	匹配前面的子表达式零次或多次	ab*c 匹配 "ac"、"abc"、"abbbc" 等
+	匹配前面的子表达式一次或多次	ab+c 匹配 "abc"、"abbbc" 等
?	匹配前面的子表达式零次或一次	ab?c 匹配 "ac"、"abc"
{n}	精确匹配n次	a{3} 匹配 "aaa"
{n,}	至少匹配n次	a{2,} 匹配 "aa"、"aaa"、"aaaa"等
{n,m}	匹配n到m次	a{1,3} 匹配 "a"、"aa"、"aaa"
[]	匹配括号内的任意一个字符	[abc] 匹配 "a"、"b" 或 "c"
`	`	或，匹配左右任意一个表达式
()	分组、提取、捕获	(abc)+ 匹配 "abc"、"abcabc"

2. 常用转义字符

符号	说明	示例
\d	匹配一个数字，等价于[0-9]	\d\d 匹配 "23"
\D	匹配一个非数字字符	\D 匹配 "a"
\w	匹配字母或数字或下划线	\w+ 匹配 "abc_123"
\W	匹配非字母、数字、下划线	\W 匹配 "@"
\s	匹配任意的空白符（空格、制表符）	\s 匹配 " "
\S	匹配非空白符	\S 匹配 "a"

3. 贪婪与懒惰

• 默认是贪婪的：会尽可能多地匹配内容。

• 加上 ? 就变成懒惰（最少匹配）。

例：
正则 a.*b 匹配 "acccbdefb"，结果是从第一个 a 到最后一个 b。
正则 a.*?b 只会匹配第一个 a 到第一个 b。

---

三、常见应用场景

1. 数据校验

   • 验证邮箱地址：^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$

   • 验证手机号：^1[3-9]\d{9}$

2. 数据提取

   • 提取网页中的链接：href="([^"]+)"

   • 提取数字：\d+

3. 数据清洗/替换

   • 去除多余空格：\s+ 替换成空

4. 文本搜索和高亮

   • 查找所有包含 "error" 的行：^.*error.*$

---

四、实用案例解析

1. 匹配中国身份证号

\d{17}[\dXx]

含义：前17位数字，最后一位可以是数字、X 或 x。

2. 匹配日期格式（如 2025-07-24）

\d{4}-\d{2}-\d{2}

3. 匹配 IPv4 地址

(?:\d{1,3}\.){3}\d{1,3}

---

五、进阶用法

1. 分组和引用

• 分组：用括号 () 把内容分成一个组。

• 反向引用：\1、\2 表示前面第1、第2个分组。

例子：匹配重复单词
正则：(\b\w+\b)\s+\1
能匹配 "hello hello"、"word word"。

2. 断言（零宽断言）

• 正向肯定断言：(?=pattern)

• 正向否定断言：(?!pattern)

• 反向肯定断言：(?<=pattern)

• 反向否定断言：(?

例：匹配所有以 .com 结尾的邮箱用户名
(?<=^)[^@]+(?=@.*\.com$)

---

六、正则表达式的优缺点

优点：

• 高效、灵活，可以处理复杂的文本操作。

• 各种编程语言都支持，通用性强。

缺点：

• 语法较难，初学时容易出错。

• 可读性较差，复杂表达式维护困难。

• 匹配效率在极端情况下可能较低。

---