上海网站优化公司
[原创文章，转载请保留或注明出处：http://www.regexlab.com/zh/regref.htm]
正则表达式（regular expression）作为一种强大的字符串匹配工具，其核心在于定义特定模式，以实现两大核心功能：其一，检测字符串中是否存在符合规则的子串，并精准定位该子串的内容与位置；其二，依据匹配规则对字符串进行灵活的替换操作，极大提升文本处理的效率。
正则表达式的学习门槛远低于大众认知，其核心概念抽象性有限，易于理解。然而，多数学习者感到困惑的根源往往在于两方面：部分教学文档未能遵循由浅入深的逻辑顺序，概念讲解缺乏条理性，导致读者理解障碍；各引擎自带文档常侧重介绍其特有功能，而这类非通用特性并非初学者优先掌握的重点。本文将通过实例演示与交互式测试（文中每个举例均可点击进入测试页面），系统化梳理正则表达式的知识体系，助力读者快速掌握其精髓。
普通字符包括字母、数字、汉字、下划线，以及未在后续章节中被赋予特殊含义的标点符号。在匹配过程中，普通字符需与目标字符串中的字符完全一致方可实现匹配。例如，表达式“c”在匹配字符串“abcde”时，成功匹配到字符“c”，其位置为索引2至3（注：索引起始值因编程语言而异）；而表达式“bcd”在匹配同一字符串时，则成功匹配子串“bcd”，位置为索引1至4。
部分难以直接书写的字符需通过转义符号“\”进行表示，这些字符均为开发者所熟知的控制字符。具体而言：
- `\r`与`\n`分别代表回车符与换行符；
- `\t`代表制表符；
- `\\`代表反斜杠“\”本身。
部分标点符号在正则表达式中具有特殊含义（如`^`、`$`），若需匹配其字面值，需在符号前添加“\”。例如：
- `\^`匹配“^”字符本身；
- `\$`匹配“$”字符本身；
- `\.`匹配小数点“.”本身。
此类转义字符的匹配逻辑与普通字符一致，均要求与目标字符完全对应。例如，表达式`\$d`在匹配字符串“abc$de”时，成功匹配子串“$d”，位置为索引3至5。
正则表达式通过特定元字符实现“匹配任意一个字符”的灵活功能，此类元字符虽能匹配多种字符之一，但每次仅匹配单个字符，类似于扑克牌中“万能牌”的使用逻辑。常用元字符包括：
- `\d`：匹配任意数字（0-9）；
- `\w`：匹配任意字母、数字或下划线（A-Z、a-z、0-9、_）；
- `\s`：匹配任意空白字符（如空格、制表符、换页符）；
- `.`：匹配除换行符（`\n`）外的任意字符。
例如，表达式`\d\d`在匹配字符串“abc123”时，成功匹配子串“12”，位置为索引3至5；表达式`a.\d`在匹配“aaa100”时，匹配到“aa1”，位置为索引1至4。
方括号`[]`提供了自定义字符集匹配的功能：`[字符序列]`匹配序列中的任意一个字符，而`[^字符序列]`则匹配序列外的任意一个字符。需注意的是，此类匹配同样限定为单字符。例如：
- `[ab5@]`匹配“a”“b”“5”“@”中的任意一个；
- `[^abc]`匹配非“a”“b”“c”的任意字符；
- `[f-k]`匹配“f”至“k”范围内的任意小写字母；
- `[^A-F0-3]`匹配非“A”至“F”且非“0”至“3”的任意字符。
举例而言，表达式`[bcd][bcd]`在匹配“abc123”时，成功匹配“bc”，位置为索引1至3；表达式`[^abc]`在匹配同一字符串时，匹配到“1”，位置为索引3至4。
为避免重复书写表达式，正则表达式引入了修饰匹配次数的元符号，此类符号置于被修饰表达式之后，实现重复匹配功能。常用符号包括：
- `{n}`：表达式重复n次（如`\w{2}`等价于`\w\w`）；
- `{m,n}`：表达式重复m至n次（如`ba{1,3}`匹配“ba”“baa”“baaa”）；
- `{m,}`：表达式至少重复m次（如`\w\d{2,}`匹配“a12”“_456”等）；
- `?`：匹配0次或1次（等价于`{0,1}`，如`a[cd]?`匹配“a”“ac”“ad”）；
- `+`：至少匹配1次（等价于`{1,}`，如`a+b`匹配“ab”“aab”等）；
- ``：匹配0次或任意次（等价于`{0,}`，如`\^b`匹配“b”“^^^b”等）。
例如，表达式`\d+\.?\d`在匹配“It costs $12.5”时，成功匹配“12.5”，位置为索引10至14；表达式`go{2,8}gle`在匹配“Ads by goooooogle”时，匹配到“goooooogle”，位置为索引7至17。
部分符号在表达式中具有抽象的定位或逻辑功能：
- `^`：匹配字符串开头位置（不匹配字符）；
- `$`：匹配字符串结尾位置（不匹配字符）；
- `\b`：匹配单词边界（单词与空格之间的位置，不匹配字符）；
- `|`：实现“或”逻辑（匹配左侧或右侧表达式）；
- `( )`：作用包括：① 作为整体被修饰次数修饰；② 提取子匹配结果。
举例说明：表达式`^aaa`仅匹配字符串开头的“aaa”（如“aaa xxx xxx”），在“xxx aaa xxx”中匹配失败；表达式`\bend\b`在“weekend,endfor,end”中仅匹配最后一个“end”（位置索引15至18）；表达式`Tom|Jack`在“I'm Tom, he is Jack”中先后匹配“Tom”与“Jack”；表达式`￥(\d+\.?\d)`在匹配“＄10.9,￥20.5”时，可提取子匹配结果“20.5”。
默认情况下，修饰匹配次数的符号（如`{m,n}`、``、`+`等）采用“贪婪模式”，即尽可能多地匹配字符。例如，表达式`(d)(\w+)`在匹配“dxxxdxxxd”时，`\w+`会匹配“xxxdxxxd”；而表达式`(d)(\w+)(d)`中，`\w+`为使整体匹配成功，会“让出”最后一个“d”，匹配“xxxdxxx”。
“非贪婪模式”（或称“勉强模式”）通过在修饰符号后添加`?`实现，此时表达式会尽可能少地匹配字符。例如，表达式`(d)(\w+?)`在匹配“dxxxdxxxd”时，`\w+?`仅匹配第一个“x”；表达式`(.?)`在匹配`aa bb`时，会分别匹配两个``标签内的内容，而非贪婪地匹配整个字符串。
正则表达式引擎会记录括号`()`内子表达式匹配的内容，并在后续匹配中通过`\数字`引用。例如：
- 表达式`('|")(.?)\1`在匹配` 'Hello', "World" `时，`\1`引用第一个括号匹配的`'`或`"`，确保引号配对；
- 表达式`(\w)\1{4,}`匹配“aa bbbb abcdefg ccccc 111121111 999999999”时，`\1`引用第一个`\w`匹配的字符，匹配“ccccc”与“999999999”（要求同一字符重复至少5次）。
预搜索（正向与反向）用于对“字符缝隙”附加条件，但不匹配字符本身：
- 正向预搜索`(?=xxxxx)`：要求右侧匹配`xxxxx`，如`Windows (?=NT|XP)`仅匹配“Windows NT”中的“Windows ”；
- 正向否定预搜索`(?!xxxxx)`：要求右侧不匹配`xxxxx`，如`do(?!\w)`匹配“done, do, dog”中的“do”（后跟非单词字符）；
- 反向预搜索`(?<=xxxxx)`：要求左侧匹配`xxxxx`，如`(?<=\d{4})\d+(?=\d{4})`匹配“1234567890123456”中间8位数字；
- 反向否定预搜索`(?
- `\xXX`：表示0-255范围内的字符（如`\x20`表示空格）；
- `\uXXXX`：通过Unicode编码表示任意字符（如`\u4E2D`表示“中”）。
- `\S`：非空白字符（`\s`的相反）；
- `\D`：非数字字符（`\d`的相反）；
- `\W`：非字母、数字、下划线字符（`\w`的相反）；
- `\B`：非单词边界（`\b`的相反）。
需通过`\`转义的字符包括：`^`、`$`、`( )`、`[ ]`、`{ }`、`.`、`?`、`+`、``、`|`。
`(?:xxxxx)`表示括号内表达式不记录匹配结果，如表达式`(?:(\w)\1)+`匹配“a bbccdd efg”时，“(?:)”内的`\w`匹配结果不被记录，`\1`仍可引用外层括号内容。
- `Ignorecase`：忽略大小写；
- `Singleline`：`.`匹配包括换行符在内的所有字符；
- `Multiline`：`^`与`$`匹配每行开头与结尾；
- `Global`：替换所有匹配项（而非仅第一个）。
- 完整匹配：使用`^`与`$`确保匹配整个字符串（如`^\d+$`匹配纯数字字符串）；
- 完整单词匹配：使用`\b`（如`\b(if|while|else)\b`匹配程序关键词）；
- 避免空字符串匹配：如匹配“123”“123.”“123.5”“.5”时，避免`\d\.?\d`（可匹配空），改用`\d+\.?\d|\.\d+`；
- 防止死循环：避免“可匹配0次的子表达式+无限次修饰”（如`(\d)`可能导致引擎死循环）；
- 合理选择贪婪/非贪婪模式：根据需求平衡匹配精度与效率；
- 优化“或”逻辑：确保`|`两侧表达式对同一字符的匹配范围互斥，避免结果因顺序变化而不同。
