什么是正则表达式？

正则表达式（Regular Expression，简称 Regex 或 RegExp）是一种强大的文本模式匹配工具。它就像一把"文字筛子"，能够帮你从大量文本中快速找到符合特定规则的内容。

无论你是程序员、数据分析师，还是日常需要处理大量文本的普通用户，掌握正则表达式都能让你的工作效率提升数倍。

在 Shell 脚本编写中，以及在常用的文本处理工具——grep、sed、awk（被称为“文本处理三剑客”）中，正则表达式都是不可或缺的核心语法，用于模式匹配、文本筛选与内容替换。

为什么要学习正则表达式？

如果你经历过下面这些场景，可能会更能体会到正则表达式的强大之处：

• • 从几千个邮箱地址中筛选出所有 Gmail 邮箱
• • 验证用户输入的手机号码格式是否正确
• • 批量替换文档中的特定格式内容
• • 从网页中提取所有的网址链接（网络爬虫脚本中常有类似需求）

这些任务如果手动处理会耗费大量时间，但使用正则表达式，几行代码就能搞定！

基础语法入门

1. 字面量匹配

最简单的正则表达式就是直接匹配文本：

正则：hello
匹配：hello world 中的 "hello"

2. 元字符

正则表达式的强大之处在于元字符，它们具有特殊含义：

• • . - 匹配任意单个字符（除换行符）
• • ^ - 匹配字符串开头
• • $ - 匹配字符串结尾
• • * - 匹配前面的元素 0 次或多次
• • + - 匹配前面的元素 1 次或多次
• • ? - 匹配前面的元素 0 次或 1 次
• • {m} - 前面的字符恰好出现 m 次
• • {m，} - 前面的字符至少出现 m 次以上
• • {m, n} - 前面的字符出现次数在 m 与 n 之间
• • | - 表示“或（OR）”的逻辑关系，它用来匹配多个可能的子表达式之一

3. 字符类

用方括号 [] 定义字符集合：

[abc]     匹配 a、b 或 c
[0-9]     匹配任意数字
[a-z]     匹配任意小写字母
[A-Z]     匹配任意大写字母
[^abc]    匹配除了 a、b、c 之外的任意字符

4. 转义字符

\ 就是正则的转义字符（escape character），它有两种常见作用：

5. 预定义字符类

为了方便，正则表达式提供了常用的简写（大写字母用来表示小写字母的否定含义）：

• • \d - 匹配数字，等价于 [0-9]
• • \w - 匹配字母、数字、下划线，等价于 [A-Za-z0-9_]
• • \s - 匹配空白字符（空格、制表符等）
• • \D - 匹配非数字
• • \W - 匹配非字母数字下划线
• • \S - 匹配非空白字符
• • \b - 匹配单词的边界
• • \B - 匹配非单词边界

实用案例解析

案例 1：验证邮箱地址

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

解析：

• • ^ 开始位置
• • [a-zA-Z0-9._-]+ 用户名部分（字母数字及特殊符号）
• • @ @ 符号
• • [a-zA-Z0-9.-]+ 域名部分
• • \. 点号（需要转义）
• • [a-zA-Z]{2,} 顶级域名（至少2个字母）
• • $ 结束位置

案例 2：提取手机号码

1[3-9]\d{9}

解析：

• • 1 以 1 开头
• • [3-9] 第二位是 3-9
• • \d{9} 后面跟 9 个数字

案例 3：匹配 URL

https?://[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(/[^\s]*)?

解析：

• • https? http 或 https（? 表示 s 可选）
• • :// 协议分隔符
• • [a-zA-Z0-9.-]+ 域名
• • \.[a-zA-Z]{2,} 顶级域名
• • (/[^\s]*)? 可选的路径部分

案例 4：密码强度验证

要求：至少 8 位，包含大小写字母和数字

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d).{8,}$

解析：

• • (?=.*[a-z]) 正向预查，确保有小写字母，参考下文高级技巧部分第 4 条
• • (?=.*[A-Z]) 确保有大写字母
• • (?=.*\d) 确保有数字
• • .{8,} 至少 8 个字符

高级技巧

1. 分组与捕获

使用圆括号 () 创建分组：

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

可以捕获日期的年、月、日三个部分。

2. 非捕获组

如果只想分组但不捕获，使用 (?:)：

(?:http|https)://\w+

3. 贪婪与非贪婪匹配

• • 贪婪模式（默认）：.* 尽可能多地匹配
• • 非贪婪模式：.*? 尽可能少地匹配

<div>.*?</div>  # 非贪婪，匹配最短的 div 标签
<div>.*</div>   # 贪婪，可能匹配多个 div

4. 零宽断言（zero-width assertion）

• • (?=...) - 正向肯定预查（后面必须满足）(?=Y) 匹配前面的内容，但要求后面紧跟 Y。
• • (?!...) - 正向否定预查（后面不能满足）(?!Y) 匹配前面的内容，但要求后面不能是 Y。
• • (?<=...) - 反向肯定预查（前面必须满足）(?<=Y)匹配后面的内容，但要求前面必须是 Y。
• • (?<!...) - 反向否定预查（前面不能满足）(?<!Y) 匹配后面的内容，但要求前面不能是 Y。

\w+(?=:)  #匹配冒号前面的单词，例如：user:admin，匹配结果为"user"

foo(?!bar) # 匹配 "foo"，但后面不能跟 "bar"。例如： foobar   → ❌ 不匹配   foo123   → ✅ 匹配

(?<=@)\w+ #匹配邮箱中 @ 后面的用户名部分，例如：user@example.com，匹配结果为"example"

(?<!@)\b\w+\b #匹配所有不在 @ 后的单词，例如：email@example.com hello world，匹配结果为"email, hello, world"

常用工具推荐

学习和测试正则表达式，这些工具非常有用：

1. 1. Regex101 (https://regex101.com) - 在线测试，提供详细解释
2. 2. RegExr (https://regexr.com) - 可视化正则表达式
3. 3. 正则表达式教程（https://regexper.cn）- 中文教程
4. 4. IDE 内置工具 - VS Code、IntelliJ IDEA 等都支持正则搜索

注意事项

1. 1. 性能问题：复杂的正则表达式可能导致性能问题，尤其是回溯过多时
2. 2. 可读性：过于复杂的正则很难维护，建议添加注释或拆分
3. 3. 转义字符：特殊字符需要转义，如 . → \.
4. 4. 不同语言的差异：各编程语言的正则实现略有差异，使用时注意查阅文档

实践建议

1. 1. 从简单开始：先掌握基础语法，再逐步学习高级特性
2. 2. 多练习：在实际项目中应用，积累经验
3. 3. 善用工具：利用在线测试工具验证正则表达式
4. 4. 保存常用模式：建立自己的正则表达式库

结语

不管你想掌握哪一门编程语言，正则表达式都是都绕不过去的必备技能之一，虽然初看复杂，但掌握后会成为你的得力助手。不要被眼花缭乱的符号吓倒，从简单的模式开始，逐步练习，你会发现正则表达式其实没那么难！

正则表达式的核心是"模式匹配"，理解了这个概念，剩下的就是熟悉各种符号的用法了。

现在就开始你的正则表达式学习之旅吧！

阅读原文：原文链接