正则表达式完全指南：从入门到精通

正则表达式（Regular Expression，简称regex或regexp）是一种强大的文本处理工具，它使用一种特殊的语法来描述、匹配和处理字符串。无论是验证输入、搜索文本、替换内容，还是提取数据，正则表达式都能帮我们高效地完成。掌握正则表达式，是程序员的必备技能之一。

但是，正则表达式的语法看起来很复杂，很多人觉得难学。其实，只要掌握了基本规则和常用模式，正则表达式并不难。今天就来分享正则表达式的完全指南，从入门到精通，帮助大家掌握这个强大的工具。

正则表达式简介

1. 什么是正则表达式： 正则表达式是一种用于描述字符串模式的语法。它由普通字符（如字母、数字）和特殊字符（称为元字符，如.、*、+、?等）组成。正则表达式可以用来：

• 验证字符串是否符合某种格式（如邮箱、手机号、URL）
• 在文本中搜索匹配某种模式的字符串
• 替换文本中匹配某种模式的字符串
• 从文本中提取匹配某种模式的部分

2. 正则表达式的历史： 正则表达式的概念最早由美国数学家Stephen Kleene在1956年提出，他在研究神经细胞模型时发明了正则表达式。后来，正则表达式被引入到计算机科学中，成为Unix工具（如grep、sed、awk）的核心功能。现在，几乎所有的编程语言（JavaScript、Python、Java、PHP、C#等）都支持正则表达式，正则表达式已经成为程序员的必备技能。

3. 正则表达式的特点：

• 强大：正则表达式可以描述非常复杂的字符串模式，几乎可以处理任何文本处理需求
• 简洁：用很短的表达式就能描述复杂的模式，比写代码逐字符判断高效得多
• 通用：几乎所有编程语言和工具都支持正则表达式，语法基本一致
• 难读：正则表达式的语法比较晦涩，写出来的表达式往往很难读懂，需要注释说明

基本语法

1. 普通字符： 普通字符就是字母、数字、汉字、下划线等没有特殊含义的字符，它们匹配自身。

正则：abc
匹配：abc

2. 元字符： 元字符是有特殊含义的字符，它们不匹配自身，而是表示某种特殊的模式。

3. 转义字符： 如果要匹配元字符本身（如.、*、+），需要用反斜杠\转义。

正则：a\.b
匹配：a.b（匹配点号本身）

正则：a\*b
匹配：a*b（匹配星号本身）

4. 字符类： 字符类用[]表示，匹配括号内的任意一个字符。

正则：[abc]
匹配：a、b、c中的任意一个

正则：[a-z]
匹配：任意小写字母

正则：[A-Z]
匹配：任意大写字母

正则：[0-9]
匹配：任意数字

正则：[a-zA-Z0-9]
匹配：任意字母或数字

正则：[^abc]
匹配：除了a、b、c以外的任意字符（^在[]内表示取反）

5. 预定义字符类： 正则表达式提供了一些预定义的字符类，用\加字母表示，方便使用。

6. 量词： 量词用来指定前面的字符或分组出现的次数。

正则：a*
匹配：零个或多个a（空字符串、a、aa、aaa...）

正则：a+
匹配：一个或多个a（a、aa、aaa...）

正则：a?
匹配：零个或一个a（空字符串、a）

正则：a{3}
匹配：恰好3个a（aaa）

正则：a{3,}
匹配：至少3个a（aaa、aaaa、aaaaa...）

正则：a{3,5}
匹配：3到5个a（aaa、aaaa、aaaaa）

7. 贪婪与非贪婪： 量词默认是贪婪的，会尽可能多地匹配。如果在量词后面加?，就变成非贪婪（懒惰）的，会尽可能少地匹配。

文本：<div>hello</div>
正则（贪婪）：<.*>
匹配：<div>hello</div>（尽可能多地匹配）

正则（非贪婪）：<.*?>
匹配：<div>（尽可能少地匹配）

8. 分组与捕获： 用()可以将表达式分组，分组内的表达式作为一个整体。分组还可以捕获匹配的内容，供后续使用。

正则：(ab)+
匹配：一个或多个ab（ab、abab、ababab...）

正则：(\d{4})-(\d{2})-(\d{2})
匹配：2016-04-17
捕获组1：2016，捕获组2：04，捕获组3：17

9. 非捕获分组： 如果只需要分组，不需要捕获内容，可以用(?:)表示非捕获分组。

正则：(?:ab)+
匹配：一个或多个ab，但是不捕获内容

10. 反向引用： 可以用\1、\2等引用前面捕获组的内容。

正则：(\w+)\s+\1
匹配：hello hello（两个相同的单词）

11. 零宽断言： 零宽断言用来匹配位置，不匹配字符，包括正向先行断言、负向先行断言、正向后行断言、负向后行断言。

正则：\d+(?=元)
匹配：100元中的100（后面是"元"）

正则：\d+(?!元)
匹配：100个中的100（后面不是"元"）

正则：(?<=¥)\d+
匹配：¥100中的100（前面是"¥"）

正则：(?<!¥)\d+
匹配：100元中的100（前面不是"¥"）

12. 修饰符： 修饰符用来改变正则表达式的匹配行为，通常写在正则表达式的后面。

正则（忽略大小写）：/abc/i
匹配：abc、ABC、Abc、aBc...

正则（全局匹配）：/abc/g
匹配：文本中所有的abc

正则（多行模式）：/^abc/m
匹配：每行开头的abc

常用正则表达式

1. 邮箱验证：

正则：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
匹配：user@example.com、user.name+tag@example.co.uk

2. 手机号验证（中国大陆）：

正则：^1[3-9]\d{9}$
匹配：13812345678、15912345678、18612345678

3. URL验证：

正则：^https?:\/\/[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(\/[^\s]*)?$
匹配：http://example.com、https://example.com/path?query=1

4. IP地址验证（IPv4）：

正则：^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$
匹配：192.168.1.1、10.0.0.1、255.255.255.0

5. 身份证号验证（中国大陆18位）：

正则：^[1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$
匹配：110101199001011234

6. 日期验证（YYYY-MM-DD）：

正则：^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$
匹配：2016-04-17、2016-12-31

7. 时间验证（HH:MM:SS）：

正则：^([01]\d|2[0-3]):([0-5]\d):([0-5]\d)$
匹配：09:30:00、23:59:59

8. 十六进制颜色验证：

正则：^#([0-9a-fA-F]{3}|[0-9a-fA-F]{6})$
匹配：#fff、#ffffff、#F00、#FF0000

9. 中文字符匹配：

正则：[\u4e00-\u9fa5]
匹配：任意中文字符

正则：^[\u4e00-\u9fa5]+$
匹配：纯中文字符串

10. 用户名验证（字母开头，5-16位字母数字下划线）：

正则：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
匹配：user123、hello_world、User1

11. 密码验证（至少8位，包含大小写字母和数字）：

正则：^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$
匹配：Abc12345、Password1

12. HTML标签匹配：

正则：<[^>]+>
匹配：<div>、</div>、<img src="a.jpg" />

正则：<(\w+)[^>]*>.*?<\/\1>
匹配：<div>hello</div>、<p>world</p>

各语言中的正则表达式使用

1. JavaScript：

// 创建正则表达式
const regex = /abc/gi;
const regex2 = new RegExp('abc', 'gi');

// 测试是否匹配
regex.test('abcdef'); // true

// 查找匹配
'abcdefabc'.match(regex); // ['abc', 'abc']

// 替换
'abcdef'.replace(regex, 'xyz'); // 'xyzdef'

// 分割
'a,b,c'.split(/,/); // ['a', 'b', 'c']

// 捕获组
const match = '2016-04-17'.match(/(\d{4})-(\d{2})-(\d{2})/);
// match[1] = '2016', match[2] = '04', match[3] = '17'

2. Python：

import re

# 编译正则表达式
regex = re.compile(r'abc', re.IGNORECASE)

# 测试是否匹配
regex.search('abcdef')  # <Match object>

# 查找所有匹配
regex.findall('abcdefabc')  # ['abc', 'abc']

# 替换
regex.sub('xyz', 'abcdef')  # 'xyzdef'

# 分割
re.split(r',', 'a,b,c')  # ['a', 'b', 'c']

# 捕获组
match = re.search(r'(\d{4})-(\d{2})-(\d{2})', '2016-04-17')
# match.group(1) = '2016', match.group(2) = '04', match.group(3) = '17'

3. PHP：

// 测试是否匹配
preg_match('/abc/', 'abcdef'); // 1

// 查找所有匹配
preg_match_all('/abc/', 'abcdefabc', $matches); // $matches = [['abc', 'abc']]

// 替换
preg_replace('/abc/', 'xyz', 'abcdef'); // 'xyzdef'

// 分割
preg_split('/,/', 'a,b,c'); // ['a', 'b', 'c']

// 捕获组
preg_match('/(\d{4})-(\d{2})-(\d{2})/', '2016-04-17', $matches);
// $matches[1] = '2016', $matches[2] = '04', $matches[3] = '17'

4. Java：

import java.util.regex.*;

// 编译正则表达式
Pattern pattern = Pattern.compile("abc", Pattern.CASE_INSENSITIVE);

// 测试是否匹配
Matcher matcher = pattern.matcher("abcdef");
matcher.find(); // true

// 替换
"abcdef".replaceAll("abc", "xyz"); // "xyzdef"

// 分割
"a,b,c".split(","); // ["a", "b", "c"]

// 捕获组
Pattern p = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher m = p.matcher("2016-04-17");
if (m.find()) {
    // m.group(1) = "2016", m.group(2) = "04", m.group(3) = "17"
}

正则表达式实战技巧

1. 从简单开始，逐步构建： 不要试图一次写出复杂的正则表达式，应该从简单的部分开始，逐步添加，每一步都测试，确保正确。

2. 使用在线工具测试： 有很多在线正则表达式测试工具，如regex101.com、regexr.com、debuggex.com等，可以实时测试正则表达式，查看匹配结果，非常方便。

3. 注释复杂的正则表达式： 复杂的正则表达式很难读懂，应该加上注释说明。可以使用x修饰符忽略空白字符和注释，或者在代码中用注释说明。

4. 避免过度使用正则表达式： 正则表达式虽然强大，但是不是所有文本处理都需要用正则表达式。简单的字符串操作（如查找、替换、分割）用普通的字符串函数更简单、更高效。只有在需要复杂模式匹配时才用正则表达式。

5. 注意性能问题： 复杂的正则表达式可能会有性能问题，尤其是在处理大量文本时。要注意避免灾难性回溯（Catastrophic Backtracking），尽量简化正则表达式，使用非贪婪匹配，避免嵌套的量词。

6. 考虑边界情况： 写正则表达式时要考虑边界情况，如空字符串、特殊字符、超长字符串等。要确保正则表达式在各种情况下都能正确工作，不会出错或崩溃。

总结

正则表达式是一种强大的文本处理工具，掌握它能大大提高我们的文本处理效率。本文介绍了正则表达式的基本语法（普通字符、元字符、转义字符、字符类、预定义字符类、量词、贪婪与非贪婪、分组与捕获、反向引用、零宽断言、修饰符）、常用正则表达式（邮箱、手机号、URL、IP地址、身份证号、日期、时间等）、各语言中的使用方法（JavaScript、Python、PHP、Java）以及实战技巧。

正则表达式虽然看起来复杂，但是只要掌握了基本规则，多练习、多使用，就能逐渐熟练。希望这篇指南能帮助大家从入门到精通，掌握正则表达式这个强大的工具，让文本处理变得更加高效和轻松。

最后，记住一句话："如果你有一个问题，想用正则表达式来解决，那么你现在有两个问题了。"正则表达式虽然强大，但是也要谨慎使用，不要过度使用，简单的问题用简单的方法解决。