异常教程

正则表达式 – 语法（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

在编程世界中，正则表达式（Regular Expression）如同一把“万能钥匙”，能够精准匹配、提取、替换文本中的复杂模式。无论是验证用户输入、解析日志文件，还是自动化文本处理，掌握正则表达式 – 语法的核心规则，都能大幅提升开发效率。本文将从零开始，以循序渐进的方式解析正则表达式的基础语法、核心元字符、高级技巧，并通过实际案例演示其应用场景。

正则表达式基础语法：构建模式的“积木”

1. 字符匹配：最基础的“乐高积木”

正则表达式的核心是通过字符组合定义匹配规则。例如，要匹配字符串中的“apple”，可以直接写成 apple。但若希望匹配“Apple”或“APPLE”，则需要引入元字符（如 i 修饰符）实现不区分大小写。

示例代码（Python）：

import re  
pattern = r"apple"  
text = "Apple is a fruit."  
match = re.search(pattern, text, re.IGNORECASE)  # 添加 IGNORECASE 修饰符  
print(match.group())  # 输出 "Apple"

2. 量词：控制匹配的“次数”

量词用于定义字符或模式的重复次数，常见的包括：

  • *：匹配前一个字符 零次或多次
  • +：匹配前一个字符 一次或多次
  • ?：匹配前一个字符 零次或一次
  • {n}：精确匹配 n次

比喻：
想象量词如同“倍数放大器”，例如 a+ 可以匹配“a”、“aa”甚至“aaaaa”，但不会匹配空字符串。

案例：匹配邮箱域名的后缀

\.com$  # 匹配以 ".com" 结尾的字符串

3. 字符集：定义可选字符的“集合”

用方括号 [] 定义一组可选字符，例如 [abc] 可匹配“a”、“b”或“c”。

  • 否定字符集：[^abc] 匹配 非a、b、c 的任意字符。
  • 范围简写：[A-Z] 表示匹配所有大写字母。

示例：匹配中文手机号（11位，以1开头）

^1[3-9]\d{9}$  # ^表示开头，$表示结尾

元字符与特殊符号：正则表达式的核心工具箱

1. 常见元字符及其作用

以下表格总结了正则表达式中常用的元字符及其含义，表格前后保留空行：

元字符含义示例
.匹配除换行符外的 任意单个字符a.c 可匹配 "abc"、"aZc"
^匹配字符串的 开头^Hello 匹配以 "Hello" 开头的字符串
$匹配字符串的 结尾world$ 匹配以 "world" 结尾的字符串
|逻辑或，匹配两个选项中的一个cat|dog 匹配 "cat" 或 "dog"
\b单词边界，匹配单词的开始或结束位置\bthe 匹配单词 "the" 的开头

2. 转义字符：特殊符号的“安全通道”

若需匹配元字符本身（如 . 或 *），需用反斜杠 \ 进行转义。例如，匹配字符串中的句号应写成 \.。

注意：
在某些编程语言（如 Python）中，字符串需用双反斜杠 \\，因为反斜杠本身会被转义。

案例：匹配精确的 IP 地址格式

^(\d{1,3}\.){3}\d{1,3}$  # 匹配类似 "192.168.0.1" 的格式

分组、捕获与引用：组合模式的“粘合剂”

1. 捕获组：临时存储匹配结果

用圆括号 () 定义捕获组，可将匹配结果存储为变量，供后续引用或处理。例如：

(\d+)-(\d+)  # 匹配类似 "123-456" 的字符串，分组存储数字部分

在 Python 中，可通过 groups() 方法获取分组内容：

import re  
pattern = r"(\d+)-(\d+)"  
text = "ID: 123-456"  
match = re.search(pattern, text)  
print(match.groups())  # 输出 ("123", "456")

2. 非捕获组：仅分组不存储

若仅需分组但不需要保存结果，可用 ?: 标记：

(?:https?://)  # 匹配 "http://" 或 "https://"，但不存储结果

3. 反向引用：重复使用捕获组内容

通过 \n（n为组编号）引用之前捕获的内容。例如，验证邮箱时确保域名前后一致：

^(\w+)@(\w+)\.\2$  # \2 表示引用第二个分组（如 "example.com"）

边界与锚点：精准定位的“坐标系”

1. 锚点：锁定匹配的起始与结束

  • ^ 和 $ 分别匹配字符串的 开头和结尾，适用于严格限定格式。
  • 多行模式：在 ^ 和 $ 前加 m 修饰符，可匹配每行的开头和结尾。

案例：提取每行的 URL（多行模式）

^https?://\S+  # 在 re.MULTILINE 模式下匹配每行的 URL

2. 词边界 \b：区分单词的“分界线”

\b 匹配单词边界（如字母与非字母字符的交界处），避免误匹配子字符串。例如：

\bcat\b  # 匹配独立单词 "cat"，但不匹配 "category"

高级语法与技巧：进阶用户的“工具包”

1. 预查与后顾：条件判断的“望远镜”

  • 正向预查 (?=...)：匹配当前位置后跟随的模式，但不消耗字符。
  • 反向预查 (?<!...)：确保当前位置前不匹配指定模式。

案例：匹配不含敏感词的邮箱

^(?!.*@example\.com\b).*$  # 排除 "@example.com" 的邮箱

2. 非贪婪匹配：最小化匹配的“收缩策略”

默认量词（如 .*）是“贪婪”的，会尽可能多匹配字符。添加 ? 可变为非贪婪模式：

<a>.*?</a>  # 匹配 "<a>text</a>"，而非跨标签的长文本

3. 修饰符：全局配置的“快捷键”

  • i：忽略大小写
  • g：全局匹配（在某些语言中为默认）
  • s：允许 . 匹配换行符

示例：忽略大小写的邮箱匹配

/[a-z0-9]+@[a-z]+\.(com|net)/i  # i修饰符使匹配不区分大小写

常见应用场景与案例

1. 验证密码强度

要求：8-20位，包含大小写字母、数字和符号。

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*]).{8,20}$

2. 提取 HTML 标签内的文本

<img\s+src="([^"]+)".*?>  # 匹配图片标签中的 src 属性值

3. 格式化电话号码

将输入的任意格式（如 "13812345678" 或 "+86 138-1234-5678"）转为 "13812345678"：

^\D*(\d{11})\D*$  # 提取连续11位数字

结论

正则表达式 – 语法的学习如同掌握一门“文本处理语言”，其核心在于理解元字符的组合逻辑与边界条件。从基础的字符匹配到高级的预查技巧，每一层知识都能为开发者解锁更复杂的问题解决能力。建议读者通过实际编写案例（如验证表单、解析日志）逐步巩固技能，并参考官方文档（如 Python re 模块或 JavaScript RegExp）深入探索进阶功能。记住，正则表达式并非万能，合理结合编程逻辑才能发挥其最大价值。

（全文约 2200 字，覆盖基础到进阶知识点，结合代码示例与实际场景，符合 SEO 优化要求。）

最新发布

查看更多文章