正则表达式笔记

正则表达式(Regular Expression,常简写为 regex / regexp)是一种用单个字符串来描述、匹配一系列符合某个句法规则的字符串的模式。说简单点,就是按照某种规则去匹配符合条件的字符串。

本篇目标:

  • 理解正则表达式的基本语法;
  • 能在编辑器(VS Code / Vim / sed)中用正则完成复杂的查找与替换;
  • 能在 JavaScript 中使用 RegExp 处理字符串。

参考:DEERCHAO · 正则表达式 30 分钟入门教程

一、先从一个例子开始

匹配一个形如 user@example.com 的邮箱:

1
^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+((\.[a-zA-Z0-9_-]{2,3}){1,2})$

看不懂没关系,后面逐条拆解。理解正则最好的方式是把模式丢进可视化工具里看结构:

  • regex101:在线调试,支持解释、测试、引用
  • RegExr:交互式学习
  • regexper:把正则画成铁路图

二、基础语法:元字符与量词

2.1 元字符

符号含义示例
.任意单个字符(默认不含换行)a.c 可匹配 abc、a c
^字符串(或行)开头^abc 匹配以 abc 开头
$字符串(或行)结尾abc$ 匹配以 abc 结尾
\转义符,或引出一个特殊字符类\. 匹配字面量点号
|分支条件,满足任一即可cat|dog 匹配 cat 或 dog

2.2 量词(重复次数)

符号含义示例
*前一元素重复 0 次或多次ab*c 匹配 ac、abc、abbc
+前一元素重复 1 次或多次ab+c 匹配 abc,不匹配 ac
?前一元素重复 0 次或 1 次ab?c 匹配 ac 或 abc
{n}前一元素恰好重复 n 次a{3} 匹配 aaa
{n,}前一元素至少重复 n 次a{2,} 匹配 aa、aaa…
{n,m}前一元素重复 n 到 m 次a{2,4} 匹配 2~4 个 a

2.3 字符类与分组

符号含义示例
[abc]匹配 a、b、c 中任意一个[aeiou] 匹配任意元音
[^abc]匹配除 a、b、c 以外的任意字符[^0-9] 匹配非数字
(exp)分组,同时捕获内容(ab)+ 匹配 ab、abab
(?:exp)分组,但不捕获(?:ab)+
(?<name>exp)命名捕获组(?<year>\d{4})

三、预定义字符类(最容易记反的部分)

字符等价于含义
\d[0-9]数字
\D[^0-9]非数字
\w[A-Za-z0-9_]单词字符(字母、数字、下划线)
\W[^A-Za-z0-9_]非单词字符
\s[ \t\n\r\f\v]空白符(空格、Tab、换行等)
\S非空白符非空白字符
\b—单词边界(\w 与 \W 的分界)
\B—非单词边界

需要注意:JavaScript 的 \w 不包含中文,汉字属于 \W;如果想要匹配中文,用 \p{Script=Han}(需 u 修饰符)或 /[\u4e00-\u9fa5]/。

四、贪婪与惰性匹配

正则默认是贪婪的:.* 会尽可能多地匹配。

1
<div>第一段</div><div>第二段</div>
1
<div>.*</div>

贪婪匹配上述字符串时,会从第一个 <div> 一直吃到最后一个 </div>,一次吞掉整段:

模式类型效果
<div>.*</div>贪婪从第一个 <div> 匹配到最后一个 </div>
<div>.*?</div>惰性每次只匹配到最近的 </div>

在量词(*、+、?、{n,m})后面加一个 ?,就会变成惰性匹配:

贪婪惰性含义
**?重复任意次,但尽可能少重复
++?重复 1 次或更多次,但尽可能少重复
???重复 0 次或 1 次,但尽可能少重复
{n,m}{n,m}?重复 n 到 m 次,但尽可能少重复

五、分组、捕获与引用

  • 捕获组 (exp) 会把匹配内容保存下来;
  • 在正则内部用 \1、\2 反向引用前面的分组;
  • 在替换字符串中用 $1、$2 引用(JavaScript、编辑器替换均如此);
  • 命名捕获 (?<year>\d{4}),在替换中用 $<year> 引用。
1
2
3
4
5
// 把 2026-11-07 改成 07/11/2026
'2026-11-07'.replace(/(\d{4})-(\d{2})-(\d{2})/, '$3/$2/$1');

// 命名捕获
'2026-11-07'.replace(/(?<y>\d{4})-(?<m>\d{2})-(?<d>\d{2})/, '$<d>/$<m>/$<y>');

零宽断言(环视)

零宽断言只判断位置,不消耗字符,因此可以排除掉某些上下文:

语法名称含义
(?=exp)正向先行断言后面必须紧跟 exp
(?!exp)负向先行断言后面不能紧跟 exp
(?<=exp)正向后行断言前面必须是 exp
(?<!exp)负向后行断言前面不能是 exp
1
2
\d+(?=px)     匹配数字,但要求它后面紧跟 px
(?<=\$)\d+ 匹配 $ 后面的数字(即价格)

六、修饰符(Flags)

修饰符名称作用
gglobal全局匹配;不加则找到第一个匹配即停止
iignoreCase忽略大小写
mmultiline多行模式,^ / $ 匹配每行的首尾
sdotAll. 也能匹配换行符(ES2018)
uunicode启用 Unicode 模式,正确处理代理对与 \p{...}
ysticky粘性匹配,从 lastIndex 位置开始且必须紧邻

七、在 JavaScript 中使用 RegExp

7.1 两种创建方式

1
2
3
4
5
// 字面量:推荐,反斜杠直接写
const reg1 = /\bis\b/g;

// 构造函数:字符串里的反斜杠需要双重转义
const reg2 = new RegExp('\\bis\\b', 'g');

编辑器里写"查找替换正则"、配置文件里写正则字符串时,都按"构造函数"的规则来:\\d 才代表 \d。

7.2 常用 API

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
// 是否匹配(注意 lastIndex 对带 g 的 test/exec 有影响)
/\bis\b/gi.test('This is a boy'); // true

// 返回匹配数组;配 g 时返回所有匹配,不含捕获组
'This is a boy'.match(/\bis\b/g); // ['is', 'is']

// matchAll:返回迭代器,可拿到捕获组(必须加 g)
[...'a1 b2'.matchAll(/([a-z])(\d)/g)]; // 含捕获组的 groups

// 替换;$1 引用第一个捕获组,$& 引用整个匹配
'a1 b2'.replace(/([a-z])(\d)/g, '$2$1'); // '1a 2b'
'a-b'.replace(/[-]/g, '_'); // 'a_b'

// 查找第一个匹配位置、按正则拆分
'at bg'.search(/\b[a-z]/); // 0
'a1b2c'.split(/\d/); // ['a', 'b', 'c']

7.3 常见坑

  1. 反斜杠双重转义:new RegExp('\d') 里的 \d 会先被 JS 字符串处理掉,必须写 '\\d';
  2. test() 的状态:带 g 的正则对象有 lastIndex,反复 test 同一字符串可能得到不同结果,需要时重置 reg.lastIndex = 0;
  3. 贪婪越界:.* 容易跨度过大,必要时用 .*? 或更精确的字符类;
  4. 不要解析完整 HTML:正则适合提取片段,嵌套结构请用 DOM / 专门的解析器。

八、常用实例速查

1
2
3
4
5
6
7
8
^[\w.+-]+@[\w-]+(\.[\w-]+)+$          简化版邮箱
^1[3-9]\d{9}$ 中国大陆手机号
^https?://[^\s]+$ 简单 URL 判断
^\d{4}-\d{2}-\d{2}$ 日期(未校验合法性)
^\s+|\s+$ 首尾空白,替换为空即可 trim
[\u4e00-\u9fa5]+ 中文字符(CJK 基本区)
^<([a-z][a-z0-9]*)\b[^>]*> 开始标签的标签名
(?<=\bUserID: )\d+ 提取 UserID 后的数字

在 VS Code 中按 ⌘/Ctrl + H 打开替换,勾选 .*(正则)即可使用;Linux 命令行中 sed -E 's/pattern/repl/g'、grep -E 'pattern' 也是同一套语法。

九、参考资料

  1. MDN:Regular expressions —— JS 正则语法、分组与替换;
  2. MDN:RegExp —— API、修饰符与反向引用;
  3. MDN:Unicode property escapes —— \p{Script=Han} 用法;
  4. javascript.info:Regular expressions —— 系统教程与在线练习;
  5. regex101 / RegExr / regexper —— 在线调试与可视化;
  6. DEERCHAO:正则表达式 30 分钟入门教程 —— 文首参考来源。

十、小结

  • 先记住 6 个高频元素:. * + ? [] (),其余都是组合;
  • \d \w \s 三兄弟永远是最常用的字符类,含义别记反;
  • 贪婪/惰性只差一个 ?;
  • 写完后一定在 regex101 / 编辑器里跑一遍,并考虑边界输入(空串、超长串、特殊字符)。

正则表达式笔记
https://bubao.github.io/posts/7d3925ab.html
作者
一念
发布于
2016年8月10日
许可协议