正则表达式

我来给你整理一份正则表达式常用语法大全，按使用频率和功能分类，附带实战示例：

一、基础元字符（必须掌握）

元字符 含义 示例 匹配结果
. 匹配任意单个字符（除换行符） a.c abc, a1c, a@c
\ 转义特殊字符 a\.c a.c 字面量
| 或（选择） a|b a 或 b
() 分组捕获 (ab)+ ab, abab, ababab
[] 字符类（匹配其中一个） [aeiou] a, e, i, o, u
[^] 否定字符类 [^0-9] 非数字的任意字符
- 范围（在字符类中） [a-z] 任意小写字母

二、量词（重复匹配）

量词 含义 示例 匹配结果
* 0次或多次（贪婪） a* "", a, aa, aaa
+ 1次或多次（贪婪） a+ a, aa, aaa
? 0次或1次（贪婪） a? "", a
{n} 恰好 n 次 a{3} aaa
{n,} 至少 n 次 a{2,} aa, aaa, aaaa
{n,m} n 到 m 次 a{2,4} aa, aaa, aaaa
*? 0次或多次（非贪婪/懒惰） a*? ""（尽可能少）
+? 1次或多次（非贪婪） a+? a（尽可能少）
?? 0次或1次（非贪婪） a?? ""

贪婪 vs 非贪婪对比

1
2
3
4
字符串：<div>hello</div><span>world</span>

贪婪：<.*>         → 匹配整个 "<div>hello</div><span>world</span>"
非贪婪：<.*?>      → 匹配 "<div>"（第一次匹配）

三、位置锚点（边界匹配）

锚点 含义 示例 匹配结果
^ 行首 ^Hello 以 Hello 开头的行
$ 行尾 world$ 以 world 结尾的行
\b 单词边界 \bcat\b 独立单词 cat，不匹配 category
\B 非单词边界 \Bcat\B 匹配 cat 在单词内部
\A 字符串开头（多行模式） \AHello 整个字符串开头
\Z 字符串结尾（多行模式） world\Z 整个字符串结尾
(?=...) 正向前瞻 \d(?=px) 匹配后面跟 px 的数字
(?!...) 负向前瞻 \d(?!px) 匹配后面不跟 px 的数字
(?<=...) 正向后顾 (?<=\$)\d+ 匹配 $ 后面的数字
(?<!...) 负向后顾 (?<!\$)\d+ 匹配不是 $ 后面的数字

四、常用字符类（快捷写法）

写法 含义 等价于
\d 数字 [0-9]
\D 非数字 [^0-9]
\w 单词字符（字母、数字、下划线） [a-zA-Z0-9_]
\W 非单词字符 [^a-zA-Z0-9_]
\s 空白字符（空格、制表符、换行等） [ \t\n\r\f\v]
\S 非空白字符 [^ \t\n\r\f\v]
\t 制表符 -
\n 换行符 -
\r 回车符 -

五、实际应用场景示例

1. 手机号验证（中国大陆）

1
^1[3-9]\d{9}$
  • ^ 开头，$ 结尾
  • 1 以1开头
  • [3-9] 第二位是3-9
  • \d{9} 后面9位数字

2. 邮箱验证

1
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
  • 用户名：字母数字 . _ % + -
  • @ 符号
  • 域名：字母数字 . -
  • 顶级域名：2位以上字母

3. IPv4 地址

1
^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$
  • 25[0-5]：250-255
  • 2[0-4]\d：200-249
  • [01]?\d\d?：0-199

4. URL 匹配

1
^https?://[^\s/$.?#].[^\s]*$
  • https?：http 或 https
  • ://：协议分隔符
  • [^\s/$.?#]：域名首字符不能是特殊符号
  • [^\s]*：后面任意非空格字符

5. 日期格式（YYYY-MM-DD）

1
^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$
  • 年：4位数字
  • 月：01-12
  • 日：01-31

6. 提取 HTML 标签内容

1
<([a-zA-Z]+)[^>]*>(.*?)</\1>
  • ([a-zA-Z]+)：捕获标签名
  • [^>]*：标签属性
  • (.*?)：非贪婪匹配内容
  • </\1>：匹配闭合标签（\1 引用第一个捕获组）

7. 密码强度验证（至少8位，含大小写字母和数字）

1
^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$
  • (?=.*[a-z])：至少一个小写字母
  • (?=.*[A-Z])：至少一个大写字母
  • (?=.*\d)：至少一个数字

六、不同语言/工具的正则差异

特性 grep sed awk Python JavaScript Java
默认模式 基本正则 基本正则 基本正则 完整 完整 完整
扩展正则需要 -E -r 不支持 默认 默认 默认
前瞻/后顾 ❌ ❌ ❌ ✅ ✅（有限） ✅
非贪婪 *? ❌ ❌ ❌ ✅ ✅ ✅
\d 简写 ❌ ❌ ❌ ✅ ✅ ✅

示例差异：

1
2
3
4
5
6
7
8
9
10
11
12
# grep 使用（需要 -E 启用扩展正则）
grep -E '^[0-9]+$' file.txt

# sed 使用
sed -n '/^[0-9]\+$/p' file.txt  # 需要转义 +

# awk 使用
awk '/^[0-9]+$/' file.txt

# Python
import re
re.search(r'^\d+$', text)

七、常用正则速查表（在线调试推荐）

调试工具

  • 在线测试：regex101.com（支持多种语言）
  • 可视化：regexper.com（生成流程图）
  • 命令行：grep -P（Perl 正则）

常用组合技巧

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 1. 匹配中文
[\u4e00-\u9fa5]

# 2. 匹配空白行
^\s*$

# 3. 匹配 16 进制颜色
#([0-9a-fA-F]{3}|[0-9a-fA-F]{6})

# 4. 匹配时间 HH:MM:SS
([01]\d|2[0-3]):[0-5]\d:[0-5]\d

# 5. 匹配文件名（带扩展名）
[^\\/]+\.[a-zA-Z0-9]+

# 6. 匹配引号内的内容（非贪婪）
"([^"]*)"

# 7. 匹配注释（单行）
//.*?$

# 8. 匹配连续重复字符
(.)\1+

八、常见错误和陷阱

❌ 错误示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 1. 忘记转义特殊字符
[a-z].com    # 错误：. 会被当作任意字符
[a-z]\.com   # 正确

# 2. 贪婪匹配导致意外
<.*>         # 可能匹配太多
<.*?>        # 使用非贪婪

# 3. 字符类中的特殊字符
[a-z-]       # - 在末尾表示字面量
[-a-z]       # - 在开头表示字面量
[a\-z]       # 转义更明确

# 4. 量词作用范围错误
abc+         # 只匹配 c 的重复
(abc)+       # 匹配整个 abc 的重复