上海網(wǎng)站優(yōu)化公司
[原創(chuàng)文章，轉(zhuǎn)載請(qǐng)保留或注明出處：http://www.regexlab.com/zh/regref.htm]
正則表達(dá)式（regular expression）作為一種強(qiáng)大的字符串匹配工具，其核心在于定義特定模式，以實(shí)現(xiàn)兩大核心功能：其一，檢測(cè)字符串中是否存在符合規(guī)則的子串，并精準(zhǔn)定位該子串的內(nèi)容與位置；其二，依據(jù)匹配規(guī)則對(duì)字符串進(jìn)行靈活的替換操作，極大提升文本處理的效率。
正則表達(dá)式的學(xué)習(xí)門檻遠(yuǎn)低于大眾認(rèn)知，其核心概念抽象性有限，易于理解。然而，多數(shù)學(xué)習(xí)者感到困惑的根源往往在于兩方面：部分教學(xué)文檔未能遵循由淺入深的邏輯順序，概念講解缺乏條理性，導(dǎo)致讀者理解障礙；各引擎自帶文檔常側(cè)重介紹其特有功能，而這類非通用特性并非初學(xué)者優(yōu)先掌握的重點(diǎn)。本文將通過實(shí)例演示與交互式測(cè)試（文中每個(gè)舉例均可點(diǎn)擊進(jìn)入測(cè)試頁(yè)面），系統(tǒng)化梳理正則表達(dá)式的知識(shí)體系，助力讀者快速掌握其精髓。
普通字符包括字母、數(shù)字、漢字、下劃線，以及未在后續(xù)章節(jié)中被賦予特殊含義的標(biāo)點(diǎn)符號(hào)。在匹配過程中，普通字符需與目標(biāo)字符串中的字符完全一致方可實(shí)現(xiàn)匹配。例如，表達(dá)式“c”在匹配字符串“abcde”時(shí)，成功匹配到字符“c”，其位置為索引2至3（注：索引起始值因編程語(yǔ)言而異）；而表達(dá)式“bcd”在匹配同一字符串時(shí)，則成功匹配子串“bcd”，位置為索引1至4。
部分難以直接書寫的字符需通過轉(zhuǎn)義符號(hào)“\”進(jìn)行表示，這些字符均為開發(fā)者所熟知的控制字符。具體而言：
- `\r`與`\n`分別代表回車符與換行符；
- `\t`代表制表符；
- `\\`代表反斜杠“\”本身。
部分標(biāo)點(diǎn)符號(hào)在正則表達(dá)式中具有特殊含義（如`^`、`$`），若需匹配其字面值，需在符號(hào)前添加“\”。例如：
- `\^`匹配“^”字符本身；
- `\$`匹配“$”字符本身；
- `\.`匹配小數(shù)點(diǎn)“.”本身。
此類轉(zhuǎn)義字符的匹配邏輯與普通字符一致，均要求與目標(biāo)字符完全對(duì)應(yīng)。例如，表達(dá)式`\$d`在匹配字符串“abc$de”時(shí)，成功匹配子串“$d”，位置為索引3至5。
正則表達(dá)式通過特定元字符實(shí)現(xiàn)“匹配任意一個(gè)字符”的靈活功能，此類元字符雖能匹配多種字符之一，但每次僅匹配單個(gè)字符，類似于撲克牌中“萬能牌”的使用邏輯。常用元字符包括：
- `\d`：匹配任意數(shù)字（0-9）；
- `\w`：匹配任意字母、數(shù)字或下劃線（A-Z、a-z、0-9、_）；
- `\s`：匹配任意空白字符（如空格、制表符、換頁(yè)符）；
- `.`：匹配除換行符（`\n`）外的任意字符。
例如，表達(dá)式`\d\d`在匹配字符串“abc123”時(shí)，成功匹配子串“12”，位置為索引3至5；表達(dá)式`a.\d`在匹配“aaa100”時(shí)，匹配到“aa1”，位置為索引1至4。
方括號(hào)`[]`提供了自定義字符集匹配的功能：`[字符序列]`匹配序列中的任意一個(gè)字符，而`[^字符序列]`則匹配序列外的任意一個(gè)字符。需注意的是，此類匹配同樣限定為單字符。例如：
- `[ab5@]`匹配“a”“b”“5”“@”中的任意一個(gè)；
- `[^abc]`匹配非“a”“b”“c”的任意字符；
- `[f-k]`匹配“f”至“k”范圍內(nèi)的任意小寫字母；
- `[^A-F0-3]`匹配非“A”至“F”且非“0”至“3”的任意字符。
舉例而言，表達(dá)式`[bcd][bcd]`在匹配“abc123”時(shí)，成功匹配“bc”，位置為索引1至3；表達(dá)式`[^abc]`在匹配同一字符串時(shí)，匹配到“1”，位置為索引3至4。
為避免重復(fù)書寫表達(dá)式，正則表達(dá)式引入了修飾匹配次數(shù)的元符號(hào)，此類符號(hào)置于被修飾表達(dá)式之后，實(shí)現(xiàn)重復(fù)匹配功能。常用符號(hào)包括：
- `{n}`：表達(dá)式重復(fù)n次（如`\w{2}`等價(jià)于`\w\w`）；
- `{m,n}`：表達(dá)式重復(fù)m至n次（如`ba{1,3}`匹配“ba”“baa”“baaa”）；
- `{m,}`：表達(dá)式至少重復(fù)m次（如`\w\d{2,}`匹配“a12”“_456”等）；
- `?`：匹配0次或1次（等價(jià)于`{0,1}`，如`a[cd]?`匹配“a”“ac”“ad”）；
- `+`：至少匹配1次（等價(jià)于`{1,}`，如`a+b`匹配“ab”“aab”等）；
- ``：匹配0次或任意次（等價(jià)于`{0,}`，如`\^b`匹配“b”“^^^b”等）。
例如，表達(dá)式`\d+\.?\d`在匹配“It costs $12.5”時(shí)，成功匹配“12.5”，位置為索引10至14；表達(dá)式`go{2,8}gle`在匹配“Ads by goooooogle”時(shí)，匹配到“goooooogle”，位置為索引7至17。
部分符號(hào)在表達(dá)式中具有抽象的定位或邏輯功能：
- `^`：匹配字符串開頭位置（不匹配字符）；
- `$`：匹配字符串結(jié)尾位置（不匹配字符）；
- `\b`：匹配單詞邊界（單詞與空格之間的位置，不匹配字符）；
- `|`：實(shí)現(xiàn)“或”邏輯（匹配左側(cè)或右側(cè)表達(dá)式）；
- `( )`：作用包括：① 作為整體被修飾次數(shù)修飾；② 提取子匹配結(jié)果。
舉例說明：表達(dá)式`^aaa`僅匹配字符串開頭的“aaa”（如“aaa xxx xxx”），在“xxx aaa xxx”中匹配失敗；表達(dá)式`\bend\b`在“weekend,endfor,end”中僅匹配最后一個(gè)“end”（位置索引15至18）；表達(dá)式`Tom|Jack`在“I'm Tom, he is Jack”中先后匹配“Tom”與“Jack”；表達(dá)式`￥(\d+\.?\d)`在匹配“＄10.9,￥20.5”時(shí)，可提取子匹配結(jié)果“20.5”。
默認(rèn)情況下，修飾匹配次數(shù)的符號(hào)（如`{m,n}`、``、`+`等）采用“貪婪模式”，即盡可能多地匹配字符。例如，表達(dá)式`(d)(\w+)`在匹配“dxxxdxxxd”時(shí)，`\w+`會(huì)匹配“xxxdxxxd”；而表達(dá)式`(d)(\w+)(d)`中，`\w+`為使整體匹配成功，會(huì)“讓出”最后一個(gè)“d”，匹配“xxxdxxx”。
“非貪婪模式”（或稱“勉強(qiáng)模式”）通過在修飾符號(hào)后添加`?`實(shí)現(xiàn)，此時(shí)表達(dá)式會(huì)盡可能少地匹配字符。例如，表達(dá)式`(d)(\w+?)`在匹配“dxxxdxxxd”時(shí)，`\w+?`僅匹配第一個(gè)“x”；表達(dá)式`(.?)`在匹配`aa bb`時(shí)，會(huì)分別匹配兩個(gè)``標(biāo)簽內(nèi)的內(nèi)容，而非貪婪地匹配整個(gè)字符串。
正則表達(dá)式引擎會(huì)記錄括號(hào)`()`內(nèi)子表達(dá)式匹配的內(nèi)容，并在后續(xù)匹配中通過`\數(shù)字`引用。例如：
- 表達(dá)式`('|")(.?)\1`在匹配` 'Hello', "World" `時(shí)，`\1`引用第一個(gè)括號(hào)匹配的`'`或`"`，確保引號(hào)配對(duì)；
- 表達(dá)式`(\w)\1{4,}`匹配“aa bbbb abcdefg ccccc 111121111 999999999”時(shí)，`\1`引用第一個(gè)`\w`匹配的字符，匹配“ccccc”與“999999999”（要求同一字符重復(fù)至少5次）。
預(yù)搜索（正向與反向）用于對(duì)“字符縫隙”附加條件，但不匹配字符本身：
- 正向預(yù)搜索`(?=xxxxx)`：要求右側(cè)匹配`xxxxx`，如`Windows (?=NT|XP)`僅匹配“Windows NT”中的“Windows ”；
- 正向否定預(yù)搜索`(?!xxxxx)`：要求右側(cè)不匹配`xxxxx`，如`do(?!\w)`匹配“done, do, dog”中的“do”（后跟非單詞字符）；
- 反向預(yù)搜索`(?<=xxxxx)`：要求左側(cè)匹配`xxxxx`，如`(?<=\d{4})\d+(?=\d{4})`匹配“1234567890123456”中間8位數(shù)字；
- 反向否定預(yù)搜索`(?
- `\xXX`：表示0-255范圍內(nèi)的字符（如`\x20`表示空格）；
- `\uXXXX`：通過Unicode編碼表示任意字符（如`\u4E2D`表示“中”）。
- `\S`：非空白字符（`\s`的相反）；
- `\D`：非數(shù)字字符（`\d`的相反）；
- `\W`：非字母、數(shù)字、下劃線字符（`\w`的相反）；
- `\B`：非單詞邊界（`\b`的相反）。
需通過`\`轉(zhuǎn)義的字符包括：`^`、`$`、`( )`、`[ ]`、`{ }`、`.`、`?`、`+`、``、`|`。
`(?:xxxxx)`表示括號(hào)內(nèi)表達(dá)式不記錄匹配結(jié)果，如表達(dá)式`(?:(\w)\1)+`匹配“a bbccdd efg”時(shí)，“(?:)”內(nèi)的`\w`匹配結(jié)果不被記錄，`\1`仍可引用外層括號(hào)內(nèi)容。
- `Ignorecase`：忽略大小寫；
- `Singleline`：`.`匹配包括換行符在內(nèi)的所有字符；
- `Multiline`：`^`與`$`匹配每行開頭與結(jié)尾；
- `Global`：替換所有匹配項(xiàng)（而非僅第一個(gè)）。
- 完整匹配：使用`^`與`$`確保匹配整個(gè)字符串（如`^\d+$`匹配純數(shù)字字符串）；
- 完整單詞匹配：使用`\b`（如`\b(if|while|else)\b`匹配程序關(guān)鍵詞）；
- 避免空字符串匹配：如匹配“123”“123.”“123.5”“.5”時(shí)，避免`\d\.?\d`（可匹配空），改用`\d+\.?\d|\.\d+`；
- 防止死循環(huán)：避免“可匹配0次的子表達(dá)式+無限次修飾”（如`(\d)`可能導(dǎo)致引擎死循環(huán)）；
- 合理選擇貪婪/非貪婪模式：根據(jù)需求平衡匹配精度與效率；
- 優(yōu)化“或”邏輯：確保`|`兩側(cè)表達(dá)式對(duì)同一字符的匹配范圍互斥，避免結(jié)果因順序變化而不同。
