# 正则表达式语法详细总结 # 正则表达式（Regex/RegExp）语法详细总结 正则表达式是一套用于**匹配、查找、替换、校验字符串**的规则语法，被绝大多数编程语言、文本编辑器、数据库原生支持，核心是通过元字符定义匹配模式，实现精准高效的文本处理。 --- ## 一、基础规则与必转义元字符 ### 1. 普通字符 字母、数字、中文、下划线`_`等无特殊含义的字符，**直接匹配自身**，例如正则`abc`仅匹配字符串中的连续字符`abc`。 ### 2. 特殊元字符（必须转义） 以下字符在正则中拥有专属语法含义，若要匹配字符本身，必须加反斜杠`\`转义： ``` . * + ? ^ $ | ( ) [ ] { } \ ``` 示例：要匹配字符串中的`.`，正则需写为`\.`，而非`.`。 --- ## 二、字符类（方括号表达式） 匹配**方括号内的任意一个字符**，单次匹配仅命中一个字符，是正则的基础匹配单元。 | 语法 | 说明 | 匹配示例 | | :--- | :--- | :--- | | `[abc]` | 普通字符类，匹配a/b/c中的任意一个 | `[abc]at` 匹配`aat`/`bat`/`cat` | | `[^abc]` | 否定字符类，匹配**除了**a/b/c之外的任意字符 | `[^abc]at` 匹配`dat`/`eat`，不匹配`aat`/`bat` | | `[a-z]` | 范围字符类，匹配指定区间内的字符 | `[0-9a-fA-F]` 匹配16进制字符 | | `.` | 通配符，匹配**除换行符`\n`外**的任意单个字符（单行模式下可匹配换行） | `h.t` 匹配`hat`/`hot`/`h t`，不匹配`heet` | ### 预定义字符类（简写） 系统预设的高频字符类，简化书写，所有预定义类均为**单个字符匹配**： | 简写 | 等价写法 | 核心说明 | | :--- | :--- | :--- | | `\d` | `[0-9]` | 匹配任意数字 | | `\D` | `[^0-9]` | 匹配任意非数字 | | `\w` | `[a-zA-Z0-9_]` | 匹配任意单词字符（字母、数字、下划线） | | `\W` | `[^a-zA-Z0-9_]` | 匹配任意非单词字符 | | `\s` | `[ \t\n\r\f\v]` | 匹配任意空白字符（空格、制表符、换行等） | | `\S` | `[^ \t\n\r\f\v]` | 匹配任意非空白字符 | > 关键注意：方括号内的特殊元字符，除`^`(开头否定)、`-`(区间)、`\`(转义)、`]`(闭合)外，其余均无需转义，例如`[.]`仅匹配`.`本身，而非任意字符。 --- ## 三、量词（重复匹配） 控制**前面的单个字符/分组**的重复出现次数，是实现批量匹配的核心，分为3种匹配模式。 ### 1. 基础量词语法 | 语法 | 匹配规则 | 典型场景 | | :--- | :--- | :--- | | `{n}` | 前面的单元**必须恰好出现n次** | 固定长度校验，如`\d{6}`匹配6位验证码 | | `{n,}` | 前面的单元**至少出现n次**，无上限 | 最小长度限制，如`\w{6,}`匹配至少6位单词字符 | | `{n,m}` | 前面的单元**出现n~m次**，包含n和m | 区间长度限制，如`\d{8,16}`匹配8-16位数字 | | `*` | 零次或多次，等价于`{0,}` | 可选重复内容，如`a.*b`匹配a开头、b结尾的任意字符串 | | `+` | 一次或多次，等价于`{1,}` | 必选重复内容，如`\d+`匹配连续数字 | | `?` | 零次或一次，等价于`{0,1}` | 可选内容，如`colou?r`匹配`color`和`colour` | ### 2. 贪婪 vs 非贪婪（懒惰）模式 正则默认是**贪婪模式**：尽可能匹配最长的符合规则的字符串； 在量词后加`?`，切换为**非贪婪模式**：尽可能匹配最短的符合规则的字符串。 | 模式 | 语法 | 示例 | 匹配字符串`a123b456b`的结果 | | :--- | :--- | :--- | :--- | | 贪婪模式 | 量词默认 | `a.*b` | 匹配整个字符串`a123b456b` | | 非贪婪模式 | 量词+`?` | `a.*?b` | 仅匹配最短片段`a123b` | ### 3. 占有模式 在量词后加`+`，语法如`*+`/`++`/`{n,m}+`，匹配时**一次性吞入所有符合规则的字符，匹配失败不回溯**，性能更高，仅PCRE、Java等引擎支持，JS原生不支持。 --- ## 四、锚点与边界匹配（零宽匹配） **零宽度核心特性**：仅匹配字符串中的**位置**，不匹配任何字符，不消耗字符串长度，核心用于限定匹配内容的位置。 | 语法 | 名称 | 匹配规则 | | :--- | :--- | :--- | | `^` | 行开头锚点 | 匹配字符串的开头；多行模式`m`下，匹配每一行的开头 | | `$` | 行结尾锚点 | 匹配字符串的结尾；多行模式`m`下，匹配每一行的结尾 | | `\b` | 单词边界 | 匹配单词字符(`\w`)和非单词字符(`\W`)之间的位置 | | `\B` | 非单词边界 | 匹配两个单词字符/两个非单词字符之间的位置，与`\b`相反 | | `\A` | 字符串绝对开头 | 仅匹配整个字符串的开头，不受多行模式`m`影响 | | `\Z` | 字符串结尾 | 仅匹配整个字符串的结尾，或结尾换行符前的位置，不受多行模式影响 | | `\z` | 字符串绝对结尾 | 仅匹配整个字符串的最末尾，忽略结尾换行符 | 核心示例： - `^\d{6}$`：匹配整个字符串恰好是6位数字，用于表单验证码校验 - `\bhello\b`：匹配独立单词`hello`，不匹配`helloworld`中的`hello` - `hello$`：仅匹配一行末尾的`hello` --- ## 五、分组与捕获 用圆括号`()`将多个字符/规则打包为一个整体，可对整个分组施加量词、分支，同时可捕获分组匹配的内容供后续使用。 ### 1. 捕获分组 普通括号`()`会将分组内匹配的内容**捕获并存储**，系统自动按左括号的顺序从`1`开始编号，`0`固定为整个正则匹配的完整内容。 | 语法 | 说明 | 示例 | | :--- | :--- | :--- | | `(pattern)` | 普通捕获分组，自动编号 | `(\d{4})-(\d{2})-(\d{2})`：匹配日期，分组1=年，分组2=月，分组3=日 | | `(?pattern)` | 命名捕获分组，自定义分组名 | `(?\d{4})-(?\d{2})`：给年、月分组命名，JS/Java/.NET支持 | | `(?Ppattern)` | Python专属命名捕获分组 | Python中通过`group('name')`获取对应匹配内容 | ### 2. 非捕获分组 语法`(?:pattern)`，仅用于**分组打包，不捕获内容，不占用分组编号**，适合仅需分组控制量词/分支、无需后续引用的场景，可节省内存、提升匹配效率。 示例： - `(?:ab)+`：匹配`ab`重复1次或多次（如`ababab`），但不捕获`ab`的内容 - `http(?:s)?://`：匹配`http://`和`https://`，`s`可选，无需捕获 ### 3. 分支结构（或） 语法`|`，匹配`|`左右任意一个模式，**优先级极低**，低于量词和锚点，通常需配合分组使用。 示例： - 正确写法：`gr(a|e)y`，匹配`gray`和`grey`，精准限定分支范围 - 错误写法：`gra|ey`，匹配`gra`或`ey`，而非预期的两个单词 --- ## 六、反向引用 引用**前面捕获分组匹配到的内容（而非模式本身）**，实现重复内容的精准匹配，是正则的核心进阶能力。 ### 1. 编号反向引用 语法`\数字`，数字对应捕获分组的编号，例如`\1`引用第1个捕获组，`\2`引用第2个。 核心示例： - `(\w+)\s+\1`：匹配连续重复的单词，如`hello hello`、`test test`，`\1`严格匹配前面`(\w+)`捕获到的内容 - `<(\w+)>.*?`：匹配闭合HTML标签，如`
123
`，`\1`引用前面的标签名`div` ### 2. 命名反向引用 对应命名捕获组，不同引擎语法不同： - JS/Java/.NET：`\k`，示例`(?\w+).*?\k` - Python：`(?P=name)`，示例`(?P\w+).*?(?P=tag)` > 关键提醒：反向引用的是**分组匹配到的具体内容**，而非分组的规则。例如`(\d)\1`匹配`11`、`22`，但不匹配`12`，因为`\1`必须和第一个分组的内容完全一致。 --- ## 七、零宽断言（环视/Lookaround） 进阶零宽匹配，**仅匹配位置，不消耗字符**，核心是判断「当前位置的前后」是否符合指定模式，是实现精准条件匹配的核心能力。 | 断言类型 | 语法 | 匹配规则 | 核心说明 | | :--- | :--- | :--- | :--- | | 正向先行断言 | `(?=pattern)` | 匹配**后面紧跟**pattern的位置 | 向右看，符合条件才匹配 | | 负向先行断言 | `(?!pattern)` | 匹配**后面不紧跟**pattern的位置 | 向右看，不符合条件才匹配 | | 正向后行断言 | `(?<=pattern)` | 匹配**前面紧跟**pattern的位置 | 向左看，符合条件才匹配 | | 负向后行断言 | `(?)`：匹配``或`a href="xxx"`，如果开头有`<`，结尾必须有`>`。 ### 2. 原子组（固化分组） 语法：`(?>pattern)` 含义：一次性吞入匹配的内容，**匹配失败时不回溯**，大幅提升正则性能，避免灾难性回溯。 示例：`(?>a+)ab`匹配`aaaab`时，先吞入所有`a`，发现后续无法匹配`ab`，直接失败，不回溯释放`a`。 ### 3. 正则注释 语法：`(?#注释内容)` 含义：正则内的注释，不参与匹配，配合`x`修饰符可实现多行注释，提升复杂正则的可读性。 示例：`\d{4}(?#年)-\d{2}(?#月)-\d{2}(?#日)` ### 4. 递归匹配 语法：`(?R)`/`(?0)` 含义：递归引用整个正则表达式本身，用于匹配嵌套结构（如嵌套括号、嵌套HTML标签）。 示例：`\(([^()]+|(?R))*\)`：匹配任意深度的嵌套括号，如`(a(b(c)d)e)`。 --- ## 十一、正则运算符优先级（从高到低） 正则的匹配顺序由优先级决定，优先级从高到低排序如下，避免书写时出现逻辑错误： 1. 转义符：`\` 2. 括号类：`()`、`(?:)`、`(?=)`、`[]`（方括号字符类） 3. 量词：`*`、`+`、`?`、`{n}`、`{n,}`、`{n,m}` 4. 锚点与字符序列：`^`、`$`、`\b`、普通字符、预定义字符类 5. 分支结构：`|`（或） > 核心提醒：`|`的优先级最低，若要限定分支范围，必须用括号包裹，否则会作用于整个正则的左右两侧。 --- ## 十二、高频常用正则示例 | 场景 | 正则表达式 | | :--- | :--- | | 手机号（中国大陆） | `^1[3-9]\d{9}$` | | 邮箱地址 | `^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$` | | 身份证号（18位） | `^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[0-9Xx]$` | | 中文匹配 | `^[\u4e00-\u9fa5]+$` | | URL地址 | `^https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&//=]*)$` | | 强密码（8-20位，含大小写+数字+特殊字符） | `^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*])[a-zA-Z0-9!@#$%^&*]{8,20}$` | --- ## 十三、常见误区与避坑指南 1. **方括号内的通配符失效**：`[.]`仅匹配`.`本身，而非任意字符，方括号内绝大多数元字符无需转义。 2. **贪婪与非贪婪混淆**：默认贪婪模式会匹配最长结果，提取内容时需用非贪婪模式`.*?`避免越界。 3. **反向引用规则误解**：反向引用的是分组匹配到的**内容**，而非分组的正则规则。 4. **锚点缺失导致校验失效**：表单校验时必须加`^`和`$`，否则只要字符串中包含符合规则的片段就会匹配成功，例如`\d{6}`会匹配`abc123456def`，而`^\d{6}$`仅匹配纯6位数字。 5. **分支优先级错误**：`ab|cd`匹配`ab`或`cd`，而非`a(b|c)d`，需用括号限定分支范围。 6. **灾难性回溯**：嵌套的贪婪量词（如`(a+)*`）会导致匹配失败时出现指数级回溯，造成程序卡死，需用原子组、非贪婪模式优化。