写在前面

正则表达式（Regular Expression，简称 Regex）是计算机科学中一个强大的工具，它使用一种专门的语法来查找、匹配和操作字符串中的模式。这是最最基础而且常用的模式匹配的工具啦~

最优的解决办法是先将请求询问大语言模型然后，万一，它错了，那请再根据自己的知识，去修改生成的模式匹配，那就效率max啦！

注意注意再注意：正则匹配式也会随着版本的变化而变化，所以，实践出真知。

---

快速入门

什么是正则表达式？

想象一下，你需要在文档中查找所有电话号码，但电话号码的格式多种多样，如 010-12345678、(010)12345678 或是 13812345678。手动查找无疑是低效且易出错的。正则表达式就是一种描述这种“模式”的语言，你可以构建一个单一的表达式来匹配所有这些格式。

简而言之，正则表达式是定义搜索模式的字符串。

基本匹配

最简单的正则表达式就是普通字符。例如，正则表达式 cat 会在字符串 “The cat sat on the mat.” 中精确匹配到 “cat”。

元字符 (Metacharacters)

元字符是正则表达式中具有特殊含义的字符，它们是构建复杂模式的基石。

元字符	名称	描述	示例	匹配
.	点	匹配除换行符 \n 之外的任意单个字符。	c.t	cat, cot, c@t
\d	数字	匹配任意一个数字 (等同于 [0-9])。	\d\d	12, 99
\D	非数字	匹配任意一个非数字字符 (等同于 [^0-9])。	\D\D	ab, !@
\w	单词字符	匹配任意一个字母、数字或下划线 (等同于 [a-zA-Z0-9_])。	\w\w\w	cat, _12, A_b
\W	非单词字符	匹配任意一个非字母、数字或下划线的字符。	\W	@, !, (空格)
\s	空白字符	匹配任意一个空白字符，包括空格、制表符、换行符等。	cat\s	cat
\S	非空白字符	匹配任意一个非空白字符。	\S+	hello
^	脱字符	匹配字符串的开始位置。	^The	The cat
$$`	美元符	匹配字符串的结束位置。	`end$$	the end
\b	单词边界	匹配单词的开始或结束位置。	\bcat\b	the cat sat
\B	非单词边界	匹配非单词边界。	\Bcat\B	pushcatkin

字符组 (Character Sets)

用方括号 [] 可以创建一个字符组，它会匹配方括号中包含的任意一个字符。

表达式	描述	示例
[abc]	匹配 a、b 或 c 中的任意一个。	[aeiou] 匹配所有元音字母。
[^abc]	否定字符组，匹配除了 a、b、c 之外的任意一个字符。	[^0-9] 匹配所有非数字字符。
[a-z]	范围，匹配从 a 到 z 的任意一个小写字母。	[0-9a-fA-F] 匹配一个十六进制数。

量词 (Quantifiers)

量词用于指定一个模式需要出现的次数。

量词	描述	示例	匹配
*	匹配前一个元素零次或多次。	ca*t	ct, cat, caaat
+	匹配前一个元素一次或多次。	ca+t	cat, caaat
?	匹配前一个元素零次或一次。	colou?r	color, colour
{n}	匹配前一个元素恰好 n 次。	\d{3}	123
{n,}	匹配前一个元素至少 n 次。	\d{2,}	12, 123, 1234
{n,m}	匹配前一个元素至少 n 次，至多 m 次。	\w{3,5}	abc, abcd, abcde

贪婪与非贪婪匹配

默认情况下，量词是贪婪的 (Greedy)，意味着它们会尽可能多地匹配字符。

• 示例：对于字符串 "<div>hello</div>"，表达式 <div>.*</div> 会匹配整个字符串。

在量词后面加上一个问号 ? 可以将其变为非贪婪 (Non-greedy) 或懒惰 (Lazy) 模式，它会尽可能少地匹配字符。

• 示例：对于相同字符串，表达式 <div>.*?</div> 只会匹配到 <div>hello</div>。

---

进阶指南

分组与捕获 (Grouping and Capturing)

使用圆括号 () 可以创建一个分组。分组有两个主要作用：

1. 作为一个整体进行量化：(ab)+ 会匹配 ab、abab、ababab 等。
2. 捕获内容：匹配到的内容会被捕获到一个编号的组中，可以被后续引用。组的编号从 1 开始，从左到右依次递增。

非捕获组 (?:...)

有时你只需要分组的功能而不需要捕获内容，此时可以使用非捕获组 (?:...)，这样可以提高性能，并且不占用组的编号。

• 示例：(?:https?://)?(www\.\w+\.\w+)
  • (?:https?://): 匹配 http:// 或 https://，但不捕获它。
  • (www\.\w+\.\w+): 捕获网站域名，如 www.example.com。

断言 (Assertions) - 环视/零宽断言

断言（也称环视或零宽断言）是一种特殊的结构，它只匹配一个位置，而不消耗任何字符。它就像一个条件，要求当前位置的前面或后面必须满足某种模式，但这个模式本身不会成为匹配结果的一部分。

类型	表达式	描述	示例
正向先行断言	(?=...)	要求当前位置的右侧必须能匹配...的模式。	Windows (?=NT|XP) 匹配"Windows"，但仅当其后是"NT"或"XP"时。
负向先行断言	(?!...)	要求当前位置的右侧不能匹配...的模式。	Windows (?!NT|XP) 匹配"Windows"，但仅当其后不是"NT"或"XP"时。
正向后行断言	(?<=...)	要求当前位置的左侧必须能匹配...的模式。	(?<=USD)\d+ 匹配数字，但仅当其前面是"USD"时。
负向后行断言	(?<!...)	要求当前位置的左侧不能匹配...的模式。	(?<!USD)\d+ 匹配数字，但仅当其前面不是"USD"时。

注意：部分语言或引擎对后行断言的支持不完整。

反向引用 (Backreferences)

反向引用允许你在正则表达式的后面部分引用前面捕获到的分组。通常使用 \1, \2, \3 等来引用第一个、第二个、第三个捕获组。

• 示例：查找重复的单词
  • 表达式：\b(\w+)\s+\1\b
  • \b(\w+)\b: 匹配并捕获一个单词。
  • \s+: 匹配一个或多个空白符。
  • \1: 引用第一个捕获组（即前面捕获的单词）。
  • 这个表达式可以匹配 “hello hello” 或 “go go”。

模式修饰符 (Modifiers)

模式修饰符可以改变正则表达式的默认行为。它们通常放在整个表达式的末尾（例如 /.../i）或在表达式内部（例如 (?i)）。

修饰符	名称	描述
i	忽略大小写 (Case-Insensitive)	使匹配不区分大小写。
g	全局匹配 (Global)	查找所有匹配项，而不是在找到第一个后就停止。
m	多行模式 (Multiline)	使 ^ 和 $ 能够匹配每一行的开始和结束，而不仅仅是整个字符串的开始和结束。

---

常用场景实战

表单验证：校验邮箱地址

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

• ^: 字符串开始。
• [a-zA-Z0-9._%+-]+: 用户名部分，包含字母、数字和一些特殊字符。
• @: 分隔符。
• [a-zA-Z0-9.-]+: 域名部分。
• \.: 匹配点 .。
• [a-zA-Z]{2,}: 顶级域名，至少两个字母。
• $: 字符串结束。

数据提取：抓取网页中的链接

假设我们有以下 HTML 代码：
<a href="https://example.com">Example 1</a>
<a href="http://test.org">Test 2</a>

<a\s+href="([^"]+)"

• <a\s+href=": 匹配 <a> 标签的 href 属性。
• ([^"]+): 捕获 href 属性的值（即 URL）。[^"]+ 匹配一个或多个非双引号的字符。

日志分析：筛选特定错误信息

假设日志格式为 [YYYY-MM-DD HH:MM:SS] [LEVEL] Message。

[2025-08-06 01:42:00] [INFO] User logged in.
[2025-08-06 01:43:15] [ERROR] Database connection failed.
[2025-08-06 01:44:00] [DEBUG] Processing request.

要只匹配 ERROR 级别的日志：

^\[\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}\] \[ERROR\] .*$

• ^\[...\]: 匹配时间戳部分。注意 [ 需要转义。
• \[ERROR\]: 精确匹配 [ERROR]。
• .*: 匹配该行剩余的任意内容。
• $: 匹配行尾。

---

实用工具与资源

学习正则表达式最好的方法就是不断练习。以下是一些非常有用的在线工具和资源：

• Regex101: 一个功能强大的在线正则表达式测试、调试和学习网站。它会详细分析你的表达式，并提供实时匹配高亮。
• RegExr: 另一个优秀的在线正则表达式测试工具，界面友好，提供丰富的社区模式库。
• MDN Web Docs (Mozilla): 如果你在 JavaScript 中使用正则表达式，MDN 提供了详尽的文档和教程。
• Python re module documentation: Python 官方文档是学习 Python 中正则用法的权威指南。

希望这篇教程能帮助你开启正则表达式的学习之旅！记住，熟能生巧，多加练习，你很快就能运用自如。