异常教程

正则表达式入门教程（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言

在编程和文本处理中，正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的工具，能帮助开发者高效地匹配、查找、替换和验证文本模式。无论是从日志文件中提取关键信息，还是验证用户输入的邮箱格式，正则表达式都能显著提升开发效率。然而，对许多编程初学者而言，正则表达式如同“神秘代码”，其符号和语法令人望而却步。本文将通过 正则表达式入门教程 的形式，以循序渐进的方式拆解其核心概念，并结合实际案例，帮助读者快速掌握这一技能。

基础语法解析：正则表达式如何“阅读”文本？

正则表达式可以看作是“文字版的乐高积木”——通过组合不同的符号和规则，构建出能匹配特定文本模式的“指令”。其基本构成包括普通字符、元字符和量词。

1. 普通字符：直接匹配

普通字符（如字母、数字、空格）在正则表达式中直接表示其本身。例如：

  • 正则表达式 hello 会匹配字符串中的“hello”；
  • 正则表达式 2023 会匹配“2023”这样的年份。

2. 元字符：特殊功能符号

元字符是正则表达式的核心，它们像“开关”一样，改变匹配行为：
| 元字符 | 功能说明 | 示例 |
|--------|----------|------|
| . | 匹配任意单个字符（除换行符外） | a.c 匹配 "abc"、"a2c"，但不匹配 "ac" |
| ^ | 匹配字符串开头 | ^start 匹配以 "start" 开头的字符串 |
| $ | 匹配字符串结尾 | end$ 匹配以 "end" 结尾的字符串 |
| | | 表示“或”关系 | cat|dog 匹配 "cat" 或 "dog" |

3. 量词：控制匹配次数

量词定义字符或模式的重复次数，常见的包括：

  • *：匹配前面的元素 零次或多次（如 a* 匹配空字符串、"a"、"aa" 等）；
  • +：匹配前面的元素 一次或多次（如 a+ 匹配 "a"、"aa"，但不匹配空字符串）；
  • ?：匹配前面的元素 零次或一次（如 a? 匹配空字符串或 "a"）；
  • {n}：精确匹配 n次（如 a{3} 匹配 "aaa"）；
  • {n,m}：匹配 n到m次（如 a{2,4} 匹配 "aa"、"aaa" 或 "aaaa"）。

比喻说明：
想象量词是“贪吃的小怪兽”，* 是“能吃光所有食物”，而 ? 是“只吃一口或不吃”。例如：

a.*b

这条规则会匹配从“a”开始，到“b”结束之间的所有字符（如 "abc"、"a123b"）。

元字符进阶：边界、字符集与转义

1. 字符集（Character Set）：定义匹配范围

用 [] 定义一个字符集，匹配其中任意一个字符。例如：

  • [abc] 匹配 "a"、"b" 或 "c"；
  • [0-9] 匹配任意数字（等价于 \d）。

否定字符集：[^abc] 匹配不在字符集中的字符。

2. 转义特殊字符：用反斜杠 \

若需匹配元字符本身（如匹配 . 或 *），需用 \ 转义。例如：

  • \. 匹配句号；
  • \* 匹配星号。

3. 预定义字符类：简化复杂模式

正则表达式提供预定义字符类，例如：

  • \d：匹配任意数字（等同于 [0-9]）；
  • \w：匹配字母、数字或下划线（等同于 [a-zA-Z0-9_]）；
  • \s：匹配空白字符（空格、换行、制表符等）。

案例演示：
验证一个字符串是否为 4 位纯数字的年份：

^\d{4}$

这条规则会匹配 "2023"，但不会匹配 "202a" 或 "2023a"。

分组与捕获：提取文本片段

1. 捕获组：用 () 围绕模式

分组可以将多个字符视为一个整体，并实现捕获功能。例如：

(cat|dog) is cute

此规则匹配 "cat is cute" 或 "dog is cute"，且捕获“cat”或“dog”作为第一组。

2. 反向引用：引用已捕获的内容

在替换操作中，可通过 \n（n为组号）引用捕获的内容。例如：

const str = 'apple and apple';  
const result = str.replace(/(apple) and \1/, '$1 only');  
// 结果：'apple only'

此处 \1 引用第一个捕获组（“apple”），实现替换重复内容。

3. 非捕获组：用 (?:...) 忽略捕获

若仅需分组而无需捕获，可用 (?:...)：

\d{4}-(?:0[1-9]|1[0-2])-(?:0[1-9]|[12][0-9]|3[01])

此规则验证日期格式（如 "2023-09-15"），但不会保存中间的月份和日期。

进阶技巧：边界匹配与贪婪模式

1. 边界匹配：精确控制位置

  • 单词边界 \b：匹配单词的开始或结束位置。例如：

    \bhello\b

    会匹配独立的 "hello"，但不会匹配 "hello123" 或 "sayhello"。

  • 非单词边界 \B：与 \b 相反，匹配非单词边界位置。

2. 贪婪与懒惰模式

默认情况下，量词是“贪婪”的，即尽可能匹配最长的字符串。例如：

<a>.*</a>

在匹配 "text1text2" 时，会匹配到第二个 ""，导致范围过长。

懒惰模式通过 *?、+? 等修饰符实现最小匹配：

<a>.*?</a>

此规则会正确匹配第一个 "..." 块。

实战案例：常见场景解析

案例1：验证邮箱格式

邮箱通常包含用户名、@ 符号和域名。正则表达式可设计为：

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

分步解释：

  1. ^：匹配字符串开头；
  2. [a-zA-Z0-9._%+-]+：匹配用户名（至少一个字符）；
  3. @：匹配 @ 符号；
  4. [a-zA-Z0-9.-]+：匹配域名前缀；
  5. \.[a-zA-Z]{2,}$：匹配顶级域名（如 .com、.org）。

案例2：提取文章中的日期

假设文本中包含日期格式如 "2023-09-15"，正则表达式为：

\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12][0-9]|3[01])

此规则通过分组确保：

  • 月份为 01-12；
  • 日期为 01-31（需结合具体月份调整精确性）。

案例3：替换敏感词

若需将文本中的敏感词替换为星号，可使用：

text.replace(/(敏感词1|敏感词2)/g, (match) => '*'.repeat(match.length));

其中，g 标志表示全局替换。

常见问题与调试技巧

1. 正则表达式不匹配？检查这些点！

  • 是否遗漏转义符？（如匹配 . 需写为 \.）；
  • 量词是否过“贪婪”？尝试添加 ? 转为懒惰模式；
  • 是否需要使用全局（g）或多行（m）标志？

2. 在线工具辅助调试

推荐使用 regex101.com 或浏览器开发者工具，输入正则表达式和测试文本，实时查看匹配结果。

结论

正则表达式是一门需要“边学边练”的技能。通过本文的 正则表达式入门教程，我们系统梳理了其核心语法、进阶技巧及实际案例。从基础的字符匹配到复杂的分组捕获，正则表达式能显著提升文本处理的效率。

建议读者从简单场景入手（如验证手机号、提取 URL），逐步挑战复杂需求（如解析 HTML 结构）。同时，善用在线工具和调试技巧，能更快定位问题。掌握正则表达式后，你将解锁编程中更高效、优雅的解决方案。

编程之路永无止境，而正则表达式正是你工具箱中不可或缺的“瑞士军刀”。希望这篇入门教程能为你打开这扇门，未来继续探索更高级的主题（如反向引用、前瞻/后顾断言等），让正则表达式真正成为你的得力伙伴。

最新发布

查看更多文章