上海網站優化公司
[原創文章，轉載請保留或注明出處：http://www.regexlab.com/zh/regref.htm]
正則表達式（regular expression）作為一種強大的字符串匹配工具，其核心在于定義特定模式，以實現兩大核心功能：其一，檢測字符串中是否存在符合規則的子串，并精準定位該子串的內容與位置；其二，依據匹配規則對字符串進行靈活的替換操作，極大提升文本處理的效率。
正則表達式的學習門檻遠低于大眾認知，其核心概念抽象性有限，易于理解。然而，多數學習者感到困惑的根源往往在于兩方面：部分教學文檔未能遵循由淺入深的邏輯順序，概念講解缺乏條理性，導致讀者理解障礙；各引擎自帶文檔常側重介紹其特有功能，而這類非通用特性并非初學者優先掌握的重點。本文將通過實例演示與交互式測試（文中每個舉例均可點擊進入測試頁面），系統化梳理正則表達式的知識體系，助力讀者快速掌握其精髓。
普通字符包括字母、數字、漢字、下劃線，以及未在后續章節中被賦予特殊含義的標點符號。在匹配過程中，普通字符需與目標字符串中的字符完全一致方可實現匹配。例如，表達式“c”在匹配字符串“abcde”時，成功匹配到字符“c”，其位置為索引2至3（注：索引起始值因編程語言而異）；而表達式“bcd”在匹配同一字符串時，則成功匹配子串“bcd”，位置為索引1至4。
部分難以直接書寫的字符需通過轉義符號“\”進行表示，這些字符均為開發者所熟知的控制字符。具體而言：
- `\r`與`\n`分別代表回車符與換行符；
- `\t`代表制表符；
- `\\`代表反斜杠“\”本身。
部分標點符號在正則表達式中具有特殊含義（如`^`、`$`），若需匹配其字面值，需在符號前添加“\”。例如：
- `\^`匹配“^”字符本身；
- `\$`匹配“$”字符本身；
- `\.`匹配小數點“.”本身。
此類轉義字符的匹配邏輯與普通字符一致，均要求與目標字符完全對應。例如，表達式`\$d`在匹配字符串“abc$de”時，成功匹配子串“$d”，位置為索引3至5。
正則表達式通過特定元字符實現“匹配任意一個字符”的靈活功能，此類元字符雖能匹配多種字符之一，但每次僅匹配單個字符，類似于撲克牌中“萬能牌”的使用邏輯。常用元字符包括：
- `\d`：匹配任意數字（0-9）；
- `\w`：匹配任意字母、數字或下劃線（A-Z、a-z、0-9、_）；
- `\s`：匹配任意空白字符（如空格、制表符、換頁符）；
- `.`：匹配除換行符（`\n`）外的任意字符。
例如，表達式`\d\d`在匹配字符串“abc123”時，成功匹配子串“12”，位置為索引3至5；表達式`a.\d`在匹配“aaa100”時，匹配到“aa1”，位置為索引1至4。
方括號`[]`提供了自定義字符集匹配的功能：`[字符序列]`匹配序列中的任意一個字符，而`[^字符序列]`則匹配序列外的任意一個字符。需注意的是，此類匹配同樣限定為單字符。例如：
- `[ab5@]`匹配“a”“b”“5”“@”中的任意一個；
- `[^abc]`匹配非“a”“b”“c”的任意字符；
- `[f-k]`匹配“f”至“k”范圍內的任意小寫字母；
- `[^A-F0-3]`匹配非“A”至“F”且非“0”至“3”的任意字符。
舉例而言，表達式`[bcd][bcd]`在匹配“abc123”時，成功匹配“bc”，位置為索引1至3；表達式`[^abc]`在匹配同一字符串時，匹配到“1”，位置為索引3至4。
為避免重復書寫表達式，正則表達式引入了修飾匹配次數的元符號，此類符號置于被修飾表達式之后，實現重復匹配功能。常用符號包括：
- `{n}`：表達式重復n次（如`\w{2}`等價于`\w\w`）；
- `{m,n}`：表達式重復m至n次（如`ba{1,3}`匹配“ba”“baa”“baaa”）；
- `{m,}`：表達式至少重復m次（如`\w\d{2,}`匹配“a12”“_456”等）；
- `?`：匹配0次或1次（等價于`{0,1}`，如`a[cd]?`匹配“a”“ac”“ad”）；
- `+`：至少匹配1次（等價于`{1,}`，如`a+b`匹配“ab”“aab”等）；
- ``：匹配0次或任意次（等價于`{0,}`，如`\^b`匹配“b”“^^^b”等）。
例如，表達式`\d+\.?\d`在匹配“It costs $12.5”時，成功匹配“12.5”，位置為索引10至14；表達式`go{2,8}gle`在匹配“Ads by goooooogle”時，匹配到“goooooogle”，位置為索引7至17。
部分符號在表達式中具有抽象的定位或邏輯功能：
- `^`：匹配字符串開頭位置（不匹配字符）；
- `$`：匹配字符串結尾位置（不匹配字符）；
- `\b`：匹配單詞邊界（單詞與空格之間的位置，不匹配字符）；
- `|`：實現“或”邏輯（匹配左側或右側表達式）；
- `( )`：作用包括：① 作為整體被修飾次數修飾；② 提取子匹配結果。
舉例說明：表達式`^aaa`僅匹配字符串開頭的“aaa”（如“aaa xxx xxx”），在“xxx aaa xxx”中匹配失敗；表達式`\bend\b`在“weekend,endfor,end”中僅匹配最后一個“end”（位置索引15至18）；表達式`Tom|Jack`在“I'm Tom, he is Jack”中先后匹配“Tom”與“Jack”；表達式`￥(\d+\.?\d)`在匹配“＄10.9,￥20.5”時，可提取子匹配結果“20.5”。
默認情況下，修飾匹配次數的符號（如`{m,n}`、``、`+`等）采用“貪婪模式”，即盡可能多地匹配字符。例如，表達式`(d)(\w+)`在匹配“dxxxdxxxd”時，`\w+`會匹配“xxxdxxxd”；而表達式`(d)(\w+)(d)`中，`\w+`為使整體匹配成功，會“讓出”最后一個“d”，匹配“xxxdxxx”。
“非貪婪模式”（或稱“勉強模式”）通過在修飾符號后添加`?`實現，此時表達式會盡可能少地匹配字符。例如，表達式`(d)(\w+?)`在匹配“dxxxdxxxd”時，`\w+?`僅匹配第一個“x”；表達式`(.?)`在匹配`aa bb`時，會分別匹配兩個``標簽內的內容，而非貪婪地匹配整個字符串。
正則表達式引擎會記錄括號`()`內子表達式匹配的內容，并在后續匹配中通過`\數字`引用。例如：
- 表達式`('|")(.?)\1`在匹配` 'Hello', "World" `時，`\1`引用第一個括號匹配的`'`或`"`，確保引號配對；
- 表達式`(\w)\1{4,}`匹配“aa bbbb abcdefg ccccc 111121111 999999999”時，`\1`引用第一個`\w`匹配的字符，匹配“ccccc”與“999999999”（要求同一字符重復至少5次）。
預搜索（正向與反向）用于對“字符縫隙”附加條件，但不匹配字符本身：
- 正向預搜索`(?=xxxxx)`：要求右側匹配`xxxxx`，如`Windows (?=NT|XP)`僅匹配“Windows NT”中的“Windows ”；
- 正向否定預搜索`(?!xxxxx)`：要求右側不匹配`xxxxx`，如`do(?!\w)`匹配“done, do, dog”中的“do”（后跟非單詞字符）；
- 反向預搜索`(?<=xxxxx)`：要求左側匹配`xxxxx`，如`(?<=\d{4})\d+(?=\d{4})`匹配“1234567890123456”中間8位數字；
- 反向否定預搜索`(?
- `\xXX`：表示0-255范圍內的字符（如`\x20`表示空格）；
- `\uXXXX`：通過Unicode編碼表示任意字符（如`\u4E2D`表示“中”）。
- `\S`：非空白字符（`\s`的相反）；
- `\D`：非數字字符（`\d`的相反）；
- `\W`：非字母、數字、下劃線字符（`\w`的相反）；
- `\B`：非單詞邊界（`\b`的相反）。
需通過`\`轉義的字符包括：`^`、`$`、`( )`、`[ ]`、`{ }`、`.`、`?`、`+`、``、`|`。
`(?:xxxxx)`表示括號內表達式不記錄匹配結果，如表達式`(?:(\w)\1)+`匹配“a bbccdd efg”時，“(?:)”內的`\w`匹配結果不被記錄，`\1`仍可引用外層括號內容。
- `Ignorecase`：忽略大小寫；
- `Singleline`：`.`匹配包括換行符在內的所有字符；
- `Multiline`：`^`與`$`匹配每行開頭與結尾；
- `Global`：替換所有匹配項（而非僅第一個）。
- 完整匹配：使用`^`與`$`確保匹配整個字符串（如`^\d+$`匹配純數字字符串）；
- 完整單詞匹配：使用`\b`（如`\b(if|while|else)\b`匹配程序關鍵詞）；
- 避免空字符串匹配：如匹配“123”“123.”“123.5”“.5”時，避免`\d\.?\d`（可匹配空），改用`\d+\.?\d|\.\d+`；
- 防止死循環：避免“可匹配0次的子表達式+無限次修飾”（如`(\d)`可能導致引擎死循環）；
- 合理選擇貪婪/非貪婪模式：根據需求平衡匹配精度與效率；
- 優化“或”邏輯：確保`|`兩側表達式對同一字符的匹配范圍互斥，避免結果因順序變化而不同。
