正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正則的更多使用方法。
一、正則基礎回顧：核心語法快速梳理
在學習進階用法前，先回顧正則的基礎語法元素，這些是構建複雜模式的 “積木”：
|
語法元素 |
含義 |
示例 |
|
普通字符 |
匹配自身（如字母、數字、符號） |
abc 匹配字符串中的 “abc” |
|
元字符 |
具有特殊含義的字符（需轉義：\） |
. 匹配任意字符（除換行） |
|
量詞 |
定義前面元素的匹配次數 |
a{2,3} 匹配 “aa” 或 “aaa” |
|
字符類 |
匹配一組字符中的任意一個 |
[a-z0-9] 匹配小寫字母或數字 |
|
分組 |
將多個元素視為一個整體 |
(ab)+ 匹配 “ab”“abab” 等 |
|
斷言 |
匹配位置（不消耗字符），分為正向 / 負向、先行 / 後行 |
a(?=b) 匹配後面跟 “b” 的 “a” |
關鍵提醒：不同語言中，正則的轉義規則可能不同（如 Java 需雙重轉義：\\.，Python 只需單次轉義：\.），需結合具體語言調整。
二、進階用法 1：量詞的靈活運用 —— 從精確到模糊匹配
基礎量詞（* + ? {n,m}）是正則的核心，但進階場景中需結合 “貪婪 / 非貪婪模式”“邊界匹配” 實現更精準的控制。
1. 貪婪與非貪婪模式：控制匹配長度
正則默認是 “貪婪模式”—— 儘可能匹配更長的字符串；在量詞後加?可切換為 “非貪婪模式”—— 儘可能匹配更短的字符串。
實戰場景：提取 HTML 標籤中的內容
<!-- 目標文本 --><div class="title">正則教程</div><div class="content">進階用法</div>- 貪婪模式：/<div.*>(.*)<\/div>/
匹配結果：從第一個<div到最後一個</div>，內容為 “正則教程進階用法”（匹配過長，包含多餘標籤）；
- 非貪婪模式：/<div.*?>(.*?)<\/div>/
匹配結果：分兩次匹配，第一次提取 “正則教程”，第二次提取 “進階用法”（精準匹配單個標籤內容）。
常用非貪婪量詞：
|
貪婪量詞 |
非貪婪量詞 |
含義 |
示例 |
|
* |
*? |
匹配 0 次或多次，儘可能少匹配 |
a*? 匹配 “aaab” 中的 “”“a”“a”“a” |
|
+ |
+? |
匹配 1 次或多次，儘可能少匹配 |
a+? 匹配 “aaab” 中的 “a” |
|
{n,m} |
{n,m}? |
匹配 n~m 次，儘可能少匹配 |
a{2,3}? 匹配 “aaa” 中的 “aa” |
2. 邊界匹配：限定匹配的位置
當需要匹配 “單詞開頭”“字符串首尾” 等特定位置時，需使用邊界匹配元字符：
|
邊界元字符 |
含義 |
示例 |
|
^ |
匹配字符串開頭（多行模式下匹配行首） |
^abc 匹配 “abc123”，不匹配 “123abc” |
|
$ |
匹配字符串結尾（多行模式下匹配行尾） |
abc$ 匹配 “123abc”，不匹配 “abc123” |
|
\b |
匹配單詞邊界（單詞字符與非單詞字符的交界，如字母與空格、數字與符號） |
\babc\b 匹配 “abc”“123 abc 456”，不匹配 “abcde” |
|
\B |
匹配非單詞邊界（與\b相反） |
\Babc\B 匹配 “xabcx”，不匹配 “abc” |
實戰場景：驗證手機號格式
需求：匹配 11 位手機號，且必須是純數字（不能包含其他字符）。
- 錯誤表達式：1[3-9]\d{9}
問題：會匹配 “a13800138000b” 中的 “13800138000”（包含多餘字符）；
- 正確表達式：^1[3-9]\d{9}$
原理：^限定開頭，$限定結尾，確保整個字符串是 11 位手機號，不包含其他字符。
三、進階用法 2：分組與引用 —— 實現複雜結構匹配
分組（()）不僅能將元素打包為整體，還能通過 “捕獲組” 提取匹配內容，通過 “反向引用” 複用之前的匹配結果，是處理重複結構、嵌套結構的核心技巧。
1. 捕獲組：提取匹配的子內容
用()包裹的部分稱為 “捕獲組”，每個捕獲組會被分配一個編號（從 1 開始），可通過編號提取對應內容。
實戰場景：提取 URL 中的域名與路徑
目標 URL：https://www.example.com/path?query=123
- 正則表達式：^https?://([^/]+)(/.*)?$
分組解析：
- 組 1：([^/]+) 匹配域名（www.example.com，[^/]表示非/的字符）；
- 組 2：(/.*)? 匹配路徑（/path?query=123，可選，?表示 0 次或 1 次）。
- 提取結果（以 Python 為例）：
import reurl = "https://www.example.com/path?query=123"pattern = r"^https?://([^/]+)(/.*)?$"result = re.match(pattern, url)print(result.group(1)) # 輸出：www.example.com（組1內容）print(result.group(2)) # 輸出：/path?query=123（組2內容）命名捕獲組：更易讀的分組提取
當捕獲組較多時，用編號（1、2、3）容易混淆，可通過(?P<name>pattern)定義 “命名捕獲組”，再通過名稱提取內容。
實戰場景：提取日期中的年、月、日
目標日期：2025-11-15
- 正則表達式：^(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})$
- 提取結果（以 Python 為例）：
date = "2025-11-15"pattern = r"^(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})$"result = re.match(pattern, date)print(result.group("year")) # 輸出：2025print(result.group("month")) # 輸出：112. 反向引用：複用之前的匹配結果
反向引用用於匹配 “與之前捕獲組內容相同” 的字符串，語法為\n（n 為捕獲組編號）或(?P=name)（命名捕獲組）。
實戰場景 1：匹配重複的單詞（如 “the the”“and and”）
- 正則表達式：\b(\w+)\b\s+\1\b
原理：
- \b(\w+)\b 匹配一個單詞（組 1）；
- \s+ 匹配多個空格；
- \1 反向引用組 1，匹配與之前相同的單詞；
- 匹配結果：可識別 “this this”“hello hello” 等重複單詞，用於文本糾錯。
實戰場景 2：匹配 HTML 標籤（要求 opening 標籤與 closing 標籤一致）
目標文本：<h1>標題</h1>（正確標籤）、<div>內容</span>（錯誤標籤）
- 正則表達式：<([a-z0-9]+)[^>]*>.*?</\1>
原理：
- <([a-z0-9]+)[^>]*> 匹配 opening 標籤（如<h1>），組 1 捕獲標籤名（h1）；
- .*? 非貪婪匹配標籤內容；
- </\1> 反向引用組 1，匹配對應的 closing 標籤（如</h1>）；
- 匹配結果：僅匹配<h1>標題</h1>，不匹配<div>內容</span>（標籤名不一致）。
3. 非捕獲組：僅分組，不捕獲
當只需將元素打包為整體，無需提取子內容時，用(?:pattern)定義 “非捕獲組”，避免佔用捕獲組編號（提升效率）。
實戰場景：匹配 “http” 或 “https” 開頭的 URL
- 正則表達式：^(?:https?)://[^/]+
原理：(?:https?) 是 non-capturing group，僅表示 “http” 或 “https”，不單獨捕獲；
- 優勢：若後續需添加其他捕獲組，編號從 1 開始，避免因無用分組導致編號混亂。
四、進階用法 3：斷言（零寬匹配）—— 匹配位置，不消耗字符
斷言（Assertion）是正則中最靈活的技巧之一，它不匹配具體字符，而是匹配 “字符之間的位置”（如 “a 後面是 b”“b 前面不是 a”），因此也稱為 “零寬匹配”。常見斷言分為四類：
|
斷言類型 |
語法 |
含義 |
示例 |
|
正向先行斷言 |
(?=pattern) |
匹配 “後面跟 pattern” 的位置，不消耗字符 |
a(?=b) 匹配 “ab” 中的 “a”，不匹配 “ac” 中的 “a” |
|
負向先行斷言 |
(?!pattern) |
匹配 “後面不跟 pattern” 的位置，不消耗字符 |
a(?!b) 匹配 “ac” 中的 “a”，不匹配 “ab” 中的 “a” |
|
正向後行斷言 |
(?<=pattern) |
匹配 “前面是 pattern” 的位置，不消耗字符 |
(?<=a)b 匹配 “ab” 中的 “b”，不匹配 “cb” 中的 “b” |
|
負向後行斷言 |
(?<!pattern) |
匹配 “前面不是 pattern” 的位置，不消耗字符 |
(?<!a)b 匹配 “cb” 中的 “b”，不匹配 “ab” 中的 “b” |
注意：部分語言（如 JavaScript）早期不支持後行斷言（(?<=) (?<!)），需確認語言版本兼容性。
實戰場景 1：給數字添加千位分隔符（如 1234567→1,234,567）
需求：從右往左，每 3 位數字加一個逗號，不處理小數部分。
- 正則表達式：(\d)(?=(\d{3})+(?!\d))
原理拆解：
- (\d) 匹配一個數字（後續要在它後面加逗號）；
- (?=(\d{3})+(?!\d)) 正向先行斷言：
- (\d{3})+ 匹配 1 組或多組 3 位數字；
- (?!\d) 負向先行斷言：確保 3 位數字後沒有其他數字（即到字符串末尾或小數點）；
- 整體含義：匹配 “後面跟着 3 的倍數個數字，且末尾無其他數字” 的單個數字，在它後面加逗號。
- 替換邏輯（以 Python 為例）：
num = "1234567890"pattern = r"(\d)(?=(\d{3})+(?!\d))"result = re.sub(pattern, r"\1,", num) # 將匹配的數字替換為“數字+逗號”print(result) # 輸出：1,234,567,890實戰場景 2：提取密碼中的特殊字符（要求密碼包含至少 1 個特殊字符）
目標密碼：Pass@123（包含@）、123456（無特殊字符）
- 正則表達式：(?<=[a-zA-Z0-9])([!@#$%^&*])(?=[a-zA-Z0-9])
原理：
- (?<=[a-zA-Z0-9]) 正向後行斷言：特殊字符前面是字母或數字；
- ([!@#$%^&*]) 捕獲特殊字符；
- (?=[a-zA-Z0-9]) 正向先行斷言：特殊字符後面是字母或數字；
- 匹配結果：僅提取Pass@123中的@，不匹配純數字密碼。
實戰場景 3：驗證密碼強度（至少 8 位，包含大小寫字母、數字、特殊字符）
- 正則表達式：^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*]).{8,}$
原理（多個正向先行斷言組合）：
- (?=.*[a-z])：至少包含 1 個小寫字母；
- (?=.*[A-Z])：至少包含 1 個大寫字母；
- (?=.*\d)：至少包含 1 個數字；
- (?=.*[!@#$%^&*])：至少包含 1 個特殊字符；
- .{8,}：總長度至少 8 位；
- 優勢：無需分組，直接通過斷言組合驗證多條件，簡潔高效。
五、進階用法 4：字符類與 Unicode—— 匹配多語言與特殊字符
基礎字符類（如[a-z] [0-9]）僅適用於英文與數字，進階場景中需處理中文、 emoji、特殊符號等，需結合 Unicode 字符屬性與擴展字符類。
1. Unicode 字符屬性：匹配多語言文本
正則支持通過\p{Property}語法匹配具有特定 Unicode 屬性的字符，常見屬性：
|
Unicode 屬性 |
語法 |
含義 |
示例 |
|
字母 |
\p{L} |
匹配任意語言的字母（包括中文、英文、日文等） |
\p{L}+ 匹配 “正則 Expression”“abc”“あいう” |
|
中文漢字 |
\p{Han} |
僅匹配中文漢字（不包含標點、字母） |
\p{Han}+ 匹配 “你好”“正則”，不匹配 “123” |
|
數字 |
\p{N} |
匹配任意語言的數字（包括阿拉伯數字、中文數字等） |
\p{N}+ 匹配 “123”“一二三”“ⅰⅱⅲ” |
|
空白字符 |
\p{Space} |
匹配任意空白字符（空格、製表符、換行符等） |
\p{Space} 匹配 “”“\t”“\n” |
實戰場景：提取中文句子中的漢字（過濾標點與數字）
目標文本：正則表達式，真好用！2025年11月
- 正則表達式：\p{Han}+
- 匹配結果：提取 “正則表達式”“真好用”“年”“月”（過濾逗號、感嘆號、數字）。
