正则表达式：开发者实用指南

2026年3月31日 · 12分钟阅读

正则表达式（regex）是开发者工具箱中最强大的工具之一。它们提供了一种简洁、灵活的方式，使用模式描述来搜索、匹配和操作文本。无论您是在验证用户输入、解析日志文件、从API提取数据，还是执行复杂的查找和替换操作，正则表达式知识对于高效开发都是必不可少的。

这份综合指南将带您从基础知识到高级模式，并提供实用的真实示例。最后，您不仅会理解语法，还会知道何时以及如何在项目中有效应用正则表达式。

正则表达式基础

从本质上讲，正则表达式是定义搜索模式的字符序列。可以将其视为描述文本模式的迷你语言。让我们从构成每个正则表达式模式基础的基本构建块开始。

字面字符

最简单的正则表达式是字面字符串。模式hello匹配输入中的确切文本"hello"。大多数字符按字面意思匹配自己，使基本搜索变得简单直接。

但是，某些字符在正则表达式中具有特殊含义，称为元字符。当您想要按字面意思匹配它们时，必须使用反斜杠进行转义：

. ^ $ * + ? { } [ ] \ | ( )

例如，要匹配字面句点，使用\.而不是仅使用.。要匹配美元符号，使用\$。

锚点

锚点不匹配字符——它们匹配文本中的位置。它们对于精确的模式匹配至关重要：

• ^ — 匹配行或字符串的开头
• $ — 匹配行或字符串的结尾
• \b — 单词边界（单词字符和非单词字符之间）
• \B — 非单词边界（\b的相反）
• \A — 字符串开头（在某些版本中，在多行模式下与^不同）
• \Z — 字符串结尾（在某些版本中，在多行模式下与$不同）

示例：模式^Hello$仅匹配恰好包含"Hello"且前后没有其他文本的行。

示例：模式\bcat\b匹配作为完整单词的"cat"，但不匹配"category"或"concatenate"中的"cat"。

字符类和量词

字符类和量词是正则表达式真正强大的地方。它们允许您匹配字符范围并指定模式应重复多少次。

字符类

字符类匹配定义集合中的任何一个字符。它们用方括号括起来：

• [abc] — 匹配a、b或c
• [a-z] — 匹配任何小写字母
• [A-Z0-9] — 匹配任何大写字母或数字
• [^abc] — 匹配除了a、b或c之外的任何字符（否定类）
• . — 匹配除换行符外的任何字符

您可以组合多个范围：[a-zA-Z0-9]匹配任何字母数字字符。

简写字符类

这些预定义类节省时间并提高可读性：

量词

量词指定前面的元素应匹配多少次：

• * — 零次或多次（贪婪）
• + — 一次或多次（贪婪）
• ? — 零次或一次（可选）
• {n} — 恰好n次
• {n,} — 至少n次
• {n,m} — n到m次之间（包含）

示例：\d{3}-\d{2}-\d{4}匹配社会安全号码格式，如"123-45-6789"。

示例：colou?r同时匹配"color"和"colour"（'u'是可选的）。

贪婪与懒惰量词

默认情况下，量词是贪婪的——它们匹配尽可能多的文本。在量词后添加?使其变为懒惰（非贪婪），匹配尽可能少的文本：

• *? — 零次或多次（懒惰）
• +? — 一次或多次（懒惰）
• ?? — 零次或一次（懒惰）
• {n,m}? — n到m次之间（懒惰）

示例：给定文本<div>content</div>，模式<.+>（贪婪）匹配整个字符串，而<.+?>（懒惰）仅匹配<div>。

分组、捕获和反向引用

分组允许您将多个字符视为单个单元，并捕获匹配的文本以供以后使用。它们对于复杂模式和文本提取至关重要。

捕获组

括号()创建捕获组。匹配的文本被存储并可以稍后引用：

(\d{3})-(\d{3})-(\d{4})

此模式匹配电话号码并捕获三个组：区号、前缀和线路号码。在大多数语言中，您可以将这些捕获作为$1、$2、$3或类似语法访问。

非捕获组

有时您需要分组用于量词或交替，但不需要捕获文本。使用(?:...)表示非捕获组：

(?:https?|ftp)://[^\s]+

这匹配以http、https或ftp开头的URL，而不单独捕获协议。当您不需要捕获的文本时，非捕获组更高效。

命名捕获组

命名组使您的正则表达式更具可读性和可维护性。语法因语言而异：

• Python、.NET、PCRE：(?P<name>...)或(?<name>...)
• JavaScript（ES2018+）：(?<name>...)

示例：

(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})

这匹配日期并为年、月、日创建命名捕获，使您的代码更具自我说明性。

反向引用

反向引用允许您匹配模式中先前捕获的相同文本：

• \1、\2等 — 按编号引用捕获组
• \k<name> — 引用命名组（语法各异）

示例：\b(\w+)\s+\1\b匹配重复的单词，如"the the"或"is is"。

示例：(['"])(.*?)\1匹配单引号和双引号字符串，确保结束引号与开始引号匹配。

交替

管道字符|充当OR运算符。它通常与组一起使用：

(cat|dog|bird)

这匹配"cat"、"dog"或"bird"。注意交替顺序——正则表达式引擎从左到右尝试替代项，并在第一次匹配时停止。

前瞻和后顾断言

环视断言是零宽度断言，根据前后内容匹配位置，而不将该文本包含在匹配中。它们对于复杂的匹配场景非常强大。

前瞻断言

前瞻检查当前位置之后的内容：

• (?=...) — 正向前瞻（必须后跟...）
• (?!...) — 负向前瞻（不能后跟...）

示例：\d+(?= dollars)匹配后跟" dollars"的数字，但不在匹配中包含" dollars"。

示例：^(?=.*[A-Z])(?=.*[a-z])(?=.*\d).{8,}$验证包含至少一个大写字母、一个小写字母、一个数字且至少8个字符的密码。

后顾断言

后顾检查当前位置之前的内容：

• (?<=...) — 正向后顾（必须前面是...）
• (?<!...) — 负向后顾（不能前面是...）

示例：(?<=\$)\d+匹配前面有美元符号的数字，但不在匹配中包含美元符号。

示例：(?<!un)happy匹配"happy"但不匹配"unhappy"。

实用环视示例

从电子邮件中提取域名而不包含@符号：

(?<=@)[a-zA-Z0-9.-]+

匹配后面没有逗号的单词：

\b\w+\b(?!,)

查找前面没有减号的数字（仅正数）：

(?<!-)\b\d+\b

常见模式和实际示例

让我们探索经过实战检验的常见开发任务正则表达式模式。这些模式已准备好用于生产，并处理您在实际应用程序中会遇到的边缘情况。

电子邮件验证

一个在严格性和实际使用之间取得平衡的实用电子邮件模式：

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

此模式允许常见的电子邮件格式，同时防止明显错误。对于符合RFC的验证，请考虑使用专用库——完整的RFC 5322正则表达式超过6,000个字符。

URL匹配

匹配带有可选www的HTTP/HTTPS URL：

https?://(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)

对于捕获大多数URL的更简单版本：

https?://[^\s]+

电话号码

具有灵活格式的美国电话号码：

^(\+1[-.\s]?)?\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{4}$

这匹配以下格式：

• 123-456-7890
• (123) 456-7890
• +1 123 456 7890
• 1234567890

日期格式

ISO 8601日期格式（YYYY-MM-DD）：

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

美国日期格式（MM/DD/YYYY）：

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

IP地址

IPv4地址验证：

^((25[0-5]|2[0-4]\d|1\d{2}|[1-9]?\d)\.){3}(25[0-5]|2[0-4]\d|1\d{2}|[1-9]?\d)$

这确保每个八位字节在0到255之间。

信用卡号码

基本信用卡格式（带有可选空格或破折号）：

^\d{4}[-\s]?\d{4}[-\s]?\d{4}[-\s]?\d{4}$

请记住使用Luhn算法进行实际验证——正则表达式仅检查格式。

十六进制颜色

匹配带有可选#前缀的十六进制颜色代码：

^#?([a-fA-F0-9]{6}|[a-fA-F0-9]{3})$

这匹配6位（#FF5733）和3位（#F57）格式。

用户名验证

带有下划线和连字符的字母数字用户名，3-16个字符：

^[a-zA-Z0-9_-]{3,16}$

密码强度

要求至少8个字符、一个大写字母、一个小写字母、一个数字和一个特殊字符：

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&