正则表达式教程

神马都会亿点点的毛毛张2026/8/7大约 13 分钟开发工具正则表达式文本处理开发效率

正则表达式教程

正则表达式是一种用来描述文本规则的工具。它看起来像一串难读的符号，但本质上是在回答一个很朴素的问题：一段文本里，哪些内容符合我想要的模式？比如邮箱、手机号、日志时间、文件名、URL、变量名，都可以用正则表达式描述出来，然后交给编辑器、命令行工具或编程语言去查找、校验、提取和替换。

很多人第一次接触正则表达式时，会觉得它像一门“符号密语”。这种感觉很正常，因为正则把许多文字规则压缩到了很短的一行里。学习它的关键不是硬背所有符号，而是先理解一条正则表达式是怎样从左到右匹配文本的，再逐步掌握字符、数量、位置和分组这几类核心概念。下面我们从最简单的匹配开始，一点点把它拆开。

正则表达式能做什么

正则表达式最常见的用途有四类：查找、校验、提取和替换。

查找是指在一大段文本中找到符合规则的内容。例如在代码仓库里搜索所有以 .test.js 结尾的测试文件，或者在日志里搜索所有包含 ERROR 的行。
校验是指判断一整段输入是否符合规则，例如注册时检查邮箱格式是否大致正确。
提取是指从文本中拿出某个部分，例如从 GET /api/users/42 HTTP/1.1 中提取路径 /api/users/42。
替换则是把符合规则的内容改成新格式，例如把日期 2026/08/07 批量替换成 2026-08-07。

需要注意的是，正则表达式适合处理“有明显文本模式”的问题。如果文本规则涉及复杂语义，比如判断一句话是否表达赞同，或者解析层级很深的编程语言语法，正则就不是最合适的工具。把它当成文本模式工具，而不是万能解析器，使用起来会更稳。

从普通字符开始

最简单的正则表达式就是普通字符。正则 go 会匹配文本中的连续字符 go。

文本：I love golang, and go is simple.
正则：go
匹配：I love [go]lang, and [go] is simple.

这里的 g 和 o 没有特殊含义，它们只是普通字符。正则引擎会从文本左侧开始尝试匹配：先找 g，再看它后面是不是 o，如果连续满足，就认为匹配成功。

这个例子虽然简单，但它说明了正则最核心的匹配方式：正则表达式描述的是一个连续的文本片段。除非使用了特殊语法，否则每一个字符都要按顺序出现。

匹配一类字符

只匹配固定文字还不够。很多时候我们想匹配“一类字符”，例如任意数字、任意字母、任意空白。正则提供了字符类来表达这类需求。

写法	含义	示例
`[abc]`	匹配 `a`、`b`、`c` 中任意一个字符	`[abc]at` 可匹配 `cat`、`bat`
`[0-9]`	匹配任意一个数字	`[0-9]` 可匹配 `7`
`[a-z]`	匹配任意一个小写字母	`[a-z]` 可匹配 `g`
`[^0-9]`	匹配任意一个非数字字符	可匹配 `a`、`-`、空格
`.`	匹配任意一个字符，通常不包括换行	`a.c` 可匹配 `abc`、`a7c`

例如要匹配 cat、bat、hat 这三个单词，可以写：

[cbh]at

这条正则可以拆成两部分：[cbh] 表示第一个字符必须是 c、b、h 中的一个；后面的 at 是普通字符，必须连续出现。所以它能匹配 cat，也能匹配 bat 和 hat，但不能匹配 eat。

为了让表达更简洁，正则还提供了一些常用简写。

写法	常见含义
`\d`	一个数字，通常等价于 `[0-9]`
`\D`	一个非数字字符
`\w`	一个单词字符，通常包括字母、数字和下划线
`\W`	一个非单词字符
`\s`	一个空白字符，例如空格、制表符、换行
`\S`	一个非空白字符

例如 \d\d\d 可以匹配连续三个数字，如 123。不过连续写三个 \d 不够优雅，下一步我们需要学习“数量”。

控制出现次数

正则表达式中，数量词用来描述前一个字符或前一个结构应该出现几次。

写法	含义	示例
`*`	出现 0 次或多次	`go*` 可匹配 `g`、`go`、`goo`
`+`	出现 1 次或多次	`go+` 可匹配 `go`、`goo`，不能只匹配 `g`
`?`	出现 0 次或 1 次	`https?` 可匹配 `http`、`https`
`{3}`	正好出现 3 次	`\d{3}` 匹配 3 个数字
`{2,5}`	出现 2 到 5 次	`\d{2,5}` 匹配 2 到 5 个数字
`{2,}`	至少出现 2 次	`\d{2,}` 匹配至少 2 个数字

例如匹配一个中国大陆手机号，可以先写成：

1[3-9]\d{9}

这条正则的意思是：第一个字符是 1；第二个字符是 3 到 9 之间的数字；后面再跟 9 个数字。把它连起来就是 11 位数字，并且开头符合常见手机号段。

文本：手机号是 13812345678，座机是 01012345678。
正则：1[3-9]\d{9}
匹配：手机号是 [13812345678]，座机是 01012345678。

这个例子也提醒我们：正则通常是在“文本中找到符合规则的一段内容”。如果只写 1[3-9]\d{9}，它可以从长文本中截取手机号；如果我们想要求整段输入必须就是一个手机号，还需要使用位置边界。

限定匹配位置

位置边界不匹配具体字符，而是匹配“位置”。最常用的是行首、行尾和单词边界。

写法	含义
`^`	匹配文本开头，或多行模式下的行首
`$`	匹配文本结尾，或多行模式下的行尾
`\b`	匹配单词边界

如果要校验整段输入是否是手机号，可以写：

^1[3-9]\d{9}$

^ 表示必须从文本开头开始匹配，$ 表示必须匹配到文本结尾。这样 13812345678 可以通过，而 手机号13812345678 不会通过，因为它开头多了文字。

单词边界 \b 常用于避免误伤。例如要在代码或文章中查找独立单词 go，可以写：

\bgo\b

它能匹配 go is simple 中的 go，但不会匹配 golang 中的 go。原因是 golang 里的 go 后面仍然连接着字母，那里不是单词边界。

分组与选择

当我们希望数量词作用于一整段内容，或者希望在多个模式中选择一个，就需要使用分组。

(go)+

这条正则表示 go 这个整体出现一次或多次，所以它可以匹配 go、gogo、gogogo。如果不写括号，go+ 的 + 只作用在 o 上，含义就变成了 g 后面跟一个或多个 o。

选择用竖线 | 表示“或者”。

cat|dog

它可以匹配 cat 或 dog。如果只想让一部分内容参与选择，应该加括号：

(cat|dog)s?

这条正则可以匹配 cat、cats、dog、dogs。其中 (cat|dog) 表示先选择 cat 或 dog，后面的 s? 表示 s 可以出现 0 次或 1 次。这样比写成 cat|dogs? 更清楚，因为后者的选择范围容易被误解。

分组还有一个常见用途：提取内容。例如从日期中提取年、月、日：

^(\d{4})-(\d{2})-(\d{2})$

对 2026-08-07 来说，第一个分组 (\d{4}) 捕获 2026，第二个分组捕获 08，第三个分组捕获 07。在 JavaScript、Go、Java 等语言里，都可以通过匹配结果拿到这些分组内容。

贪婪与非贪婪

数量词默认是贪婪的，也就是在满足整体匹配的前提下，尽量多匹配字符。这一点在处理 HTML、日志和带分隔符的文本时很重要。

文本：<b>Go</b><b>Java</b>
正则：<b>.*</b>

这里的 .* 会尽量多匹配，所以结果不是第一个 Go，而是整段 GoJava。因为从第一个  到最后一个  仍然满足规则。

如果希望尽量少匹配，可以在数量词后面加 ?，把它变成非贪婪模式：

<b>.*?</b>

这时它会先匹配 Go，再匹配 Java。这里的 .*? 仍然表示任意字符出现多次，只是策略从“尽量多”变成了“够用就停”。

不过在能明确分隔符的情况下，通常更推荐写得具体一些：

<b>[^<]*</b>

[^<]* 表示匹配多个非 < 字符。它比 .*? 更明确，因为它直接说明了标签内容里不能出现新的标签起始符。

转义特殊字符

有些字符在正则里有特殊含义，例如 ., *, +, ?, (, ), [, ], {, }, ^, $, |, \。如果你想匹配它们本身，需要加反斜杠转义。

例如匹配文件名 README.md，不能直接写：

README.md

这里的 . 会表示“任意一个字符”，所以它也可能匹配 README-md。更准确的写法是：

README\.md

再比如匹配价格 ￥99.00，可以写：

￥\d+\.\d{2}

其中 \d+ 表示一个或多个数字，\. 表示普通小数点，\d{2} 表示两位小数。

在编程语言中还要注意字符串本身也可能需要转义。比如 Java 字符串里的 \d 通常要写成 "\\d"，因为第一个反斜杠先被 Java 字符串解析，第二个反斜杠才会传给正则引擎。Go 的原始字符串可以用反引号减少这类转义，例如 `\d+`。

常见实用例子

下面这些例子不是为了追求“最完美”，而是展示正则如何一步步表达规则。实际项目中，校验规则要结合业务需求调整。

匹配邮箱

^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$

这条正则可以分成三段：[A-Za-z0-9._%+-]+ 匹配邮箱用户名部分，允许字母、数字、点、下划线、百分号、加号和减号；@ 匹配邮箱中的固定分隔符；[A-Za-z0-9.-]+\.[A-Za-z]{2,} 匹配域名部分，要求有一个点，并且点后面至少有两个字母。

它能匹配 hello@example.com 和 a.b+test@sub.example.cn。但邮箱标准非常复杂，如果业务场景要求非常严谨，通常不建议自己写一个巨大的正则，而是使用成熟库或采用“前端基本校验 + 后端发送验证邮件”的方式。

提取日志里的时间和级别

假设日志格式如下：

2026-08-07 10:30:12 INFO user login success

可以写：

^(\d{4}-\d{2}-\d{2})\s+(\d{2}:\d{2}:\d{2})\s+(INFO|WARN|ERROR)\s+(.+)$

这条正则里，第一个分组提取日期，第二个分组提取时间，第三个分组提取日志级别，第四个分组提取日志正文。\s+ 用来匹配一个或多个空白字符，这比只写一个普通空格更稳，因为日志字段之间有时可能出现多个空格或制表符。

查找 Markdown 链接

Markdown 链接通常长这样：

[VuePress](https://vuejs.press/zh/)

可以用下面的正则提取链接文字和地址：

\[([^\]]+)\]\(([^)]+)\)

这里的 \[ 和 \] 用来匹配真实的方括号，因为方括号在正则里原本表示字符类。([^\]]+) 表示链接文字，含义是匹配一个或多个非 ] 字符。$ 和 $ 匹配真实的小括号，([^)]+) 则提取括号里的链接地址。

这个例子适合处理简单 Markdown 链接。如果链接标题里存在嵌套括号、转义字符或更复杂的 Markdown 语法，应该使用 Markdown 解析器，而不是继续把正则写得越来越复杂。

批量替换日期格式

如果文本里有日期 2026/08/07，想替换成 2026-08-07，可以查找：

(\d{4})/(\d{2})/(\d{2})

替换为：

$1-$2-$3

第一个分组 $1 是年份，第二个分组 $2 是月份，第三个分组 $3 是日期。很多编辑器和语言都支持这种“捕获分组 + 替换引用”的写法，不过不同工具的引用语法可能略有差异。例如有的工具使用 \1、\2、\3。

写正则表达式的思路

写正则时，不要一上来就追求一步到位。更稳的方式是先把规则翻译成自然语言，再逐段变成正则。

例如要匹配一个简单变量名，可以先描述规则：第一个字符必须是字母或下划线，后面可以是字母、数字或下划线，整体不能为空。根据这句话，可以写出：

^[A-Za-z_][A-Za-z0-9_]*$

第一段 ^[A-Za-z_] 表示从开头开始，第一个字符是字母或下划线；第二段 [A-Za-z0-9_]* 表示后面可以跟任意多个字母、数字或下划线；最后的 $ 表示必须到文本结尾。

再比如要匹配简单版本号 v1.2.3，可以先描述：以 v 开头，后面有三段数字，中间用点分隔。于是可以写：

^v\d+\.\d+\.\d+$

如果版本号前面的 v 可有可无，就把 v 改成 v?：

^v?\d+\.\d+\.\d+$

这种“自然语言规则 -> 分段翻译 -> 用样例验证”的过程，比直接凭感觉堆符号更可靠。

调试正则表达式

调试正则时，建议准备两类样例：应该匹配的正例，以及不应该匹配的反例。比如调试手机号时，正例可以是 13812345678，反例可以是 23812345678、1381234567、手机号13812345678。如果正例不通过，说明规则太严格；如果反例通过，说明规则太宽松。

还要尽量从小片段开始验证。先验证 1[3-9] 能不能匹配手机号开头，再加上 \d{9}，最后再加 ^ 和 $。每次只增加一点点规则，错误会更容易定位。

另外，不同语言和工具的正则特性并不完全一样。JavaScript、Go、Java、Python、VS Code、grep 都支持常见语法，但在命名分组、零宽断言、多行模式、Unicode 处理等细节上可能不同。写到复杂表达式时，要以当前工具或语言的正则文档为准。

小结

正则表达式的核心并不复杂：普通字符负责匹配固定内容，字符类负责匹配一类字符，数量词负责控制出现次数，边界负责限制位置，分组负责组合和提取。真正容易出错的地方，通常不是某个符号本身，而是没有先想清楚文本规则，或者没有准备足够的正例和反例。

学习正则最好的方式，是把它当作日常文本处理工具来练习。遇到日志、文件名、链接、日期、命令输出时，先尝试用自然语言描述模式，再写出正则验证。写得多了以后，那些看起来密密麻麻的符号就会变成一套清晰的表达方式。