详细介绍：正则表达式超详细版
2025-12-21 20:33 tlnshuju 阅读(0) 评论(0) 收藏 举报一、基本概念
正则表达式（Regular Expression）是一种强大的文本处理工具，用于匹配、查找、替换字符串中的特定模式。它通过一系列预定义的语法规则，描述字符串的结构特征，广泛应用于数据验证、文本解析、日志分析、搜索引擎等领域。
二、基础语法（核心元字符与规则）
正则表达式的语法由「普通字符」和「元字符」组成，元字符是具有特殊含义的符号，掌握它们是使用正则的基础。
1. 普通字符
- 直接匹配自身，无特殊含义（如
a、b、1、 空格等）。 - 示例：
abc匹配字符串"abc"，123匹配"123"。
2. 核心元字符（按功能分类）
| 元字符 | 功能说明 | 示例 |
|---|---|---|
. | 匹配任意单个字符（默认不匹配换行符 \n，部分语言可通过修饰符改变）。 | a.b 匹配 "axb"、"a1b"、"a#b"（不匹配 "a\nb"）。 |
^ | 匹配字符串开头（多行模式下匹配每行开头）。 | ^hello 匹配 "hello world"（开头是 hello），不匹配 "xhello"。 |
$ | 匹配字符串结尾（多行模式下匹配每行结尾）。 | world$ 匹配 "hello world"（结尾是 world），不匹配 "worldx"。 |
* | 匹配前面的元素 0 次或多次（贪婪匹配：尽可能多匹配）。 | ab* 匹配 "a"、"ab"、"abb"、"abbb"。 |
+ | 匹配前面的元素 1 次或多次（贪婪匹配）。 | ab+ 匹配 "ab"、"abb"（不匹配 "a"）。 |
? | 匹配前面的元素 0 次或 1 次（可选匹配）。 | ab? 匹配 "a"、"ab"（不匹配 "abb"）。 |
{n} | 匹配前面的元素 恰好 n 次（n 为非负整数）。 | a{3} 匹配 "aaa"（不匹配 "aa"、"aaaa"）。 |
{n,} | 匹配前面的元素 至少 n 次（贪婪匹配）。 | a{2,} 匹配 "aa"、"aaa"、"aaaa"。 |
{n,m} | 匹配前面的元素 n 到 m 次（n ≤ m，贪婪匹配）。 | a{2,3} 匹配 "aa"、"aaa"（不匹配 "a"、"aaaa"）。 |
| | 逻辑「或」，匹配左边或右边的模式（优先级最低，需用括号提升优先级）。 | ab|cd 匹配 "ab" 或 "cd"；a(b|c)d 匹配 "abd"、"acd"。 |
() | 分组：将多个字符视为一个整体，同时捕获匹配结果（可通过反向引用使用）。 | (ab)+ 匹配 "ab"、"abab"；(\w+)\s+(\w+) 捕获两个单词（如 "hello world"）。 |
\ | 转义字符：取消元字符的特殊含义，或表示预定义字符类（如 \d、\s）。 | a\.b 匹配 "a.b"（. 作为普通字符）；\* 匹配 "*"。 |
[] | 字符类：匹配括号内任意一个字符（支持范围表示，^ 表示否定）。 | [abc] 匹配 "a"、"b"、"c"；[^abc] 匹配非 a/b/c 的字符。 |
[-] | 字符类内的范围符：表示连续字符集（如字母、数字范围）。 | [a-z] 匹配小写字母；[0-9] 匹配数字；[a-zA-Z0-9] 匹配字母数字。 |
3. 预定义字符类（简化写法）
为了简化常见的字符匹配，正则提供了预定义的字符类（部分需结合修饰符使用）：
| 预定义类 | 等价于 | 功能说明 |
|---|---|---|
\d | [0-9] | 匹配任意数字（digit）。 |
\D | [^0-9] | 匹配任意非数字。 |
\w | [a-zA-Z0-9_] | 匹配字母、数字、下划线（word 字符，注意不包含空格和特殊字符）。 |
\W | [^a-zA-Z0-9_] | 匹配非字母、数字、下划线。 |
\s | [ \t\n\r\f\v] | 匹配任意空白字符（space：空格、制表符 \t、换行符 \n 等）。 |
\S | [^ \t\n\r\f\v] | 匹配任意非空白字符。 |
\b | - | 匹配单词边界（单词与非单词的分隔处，如 "hello world" 中的空格两侧）。 |
\B | - | 匹配非单词边界（如 "helloworld" 中两个单词的连接处）。 |
\n | - | 匹配换行符（部分语言支持 \r\n 匹配 Windows 换行）。 |
\t | - | 匹配制表符。 |
示例：
\d{3}-\d{4}匹配"123-4567"（3 位数字 + 横杠 + 4 位数字）。\w+@\w+\.\w+匹配简单邮箱（如"test123@example.com"）。\bhello\b匹配独立的单词"hello"（不匹配"helloworld"或"xhello"）。
三、核心特性（进阶用法）
掌握基础语法后，需理解正则的核心特性（贪婪 / 非贪婪、分组 / 捕获、断言等），才能应对复杂场景。
1. 贪婪匹配与非贪婪匹配
默认情况下，正则的量词（*、+、?、{n,m}）是「贪婪的」—— 尽可能匹配更多字符。在量词后加 ? 可变为「非贪婪」—— 尽可能匹配更少字符。
| 模式 | 类型 | 示例（匹配字符串 "aabbaabcc"） |
|---|---|---|
a.*b | 贪婪 | 匹配 "aabbaab"（从第一个 a 到最后一个 b）。 |
a.*?b | 非贪婪 | 匹配 "aab"（从第一个 a 到最近的 b）。 |
a.+c | 贪婪 | 匹配 "aabbaabcc"（从第一个 a 到最后一个 c）。 |
a.+?c | 非贪婪 | 匹配 "aabbaabc"（从第一个 a 到最近的 c）。 |
2. 分组与捕获
() 不仅能将模式分组（视为整体），还能「捕获」匹配到的内容，后续可通过「反向引用」或编程接口获取。
（1）普通捕获组
- 语法：
(pattern) - 捕获的内容按分组顺序编号（从 1 开始），可通过
\1、\2...（正则内）或编程变量（如 Python 的group(1)）引用。
示例：
- 匹配重复单词：
(\w+)\s+\1解释：(\w+)捕获第一个单词，\s+匹配空格，\1引用第一个捕获的单词，可匹配"hello hello"、"test test"。 - 提取日期中的年、月、日：
(\d{4})-(\d{2})-(\d{2})匹配"2025-11-21"后，捕获组 1 ="2025"，组 2 ="11"，组 3 ="21"。
（2）非捕获组
若只需分组（不捕获结果），用 (?:pattern)，可提升性能（避免不必要的内存占用）。
示例：
(?:ab)+匹配"ab"、"abab"（不捕获"ab"，仅作为整体匹配）。
（3）命名捕获组
为捕获组命名，便于后续引用（避免按编号混淆），语法：(?<name>pattern)（部分语言支持，如 Python、JavaScript、Java）。
示例：
- 提取日期：
(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})匹配后可通过名称引用（如 Python 的group("year")），更直观。
3. 零宽断言（Lookaround）
零宽断言是「匹配位置」的模式，不消耗字符（仅判断当前位置前后是否满足条件），分为「先行断言」和「后行断言」。
（1）先行断言（Lookahead）
判断当前位置后面是否满足条件，语法：
- 正向先行：
(?=pattern)→ 后面必须是 pattern。 - 负向先行：
(?!pattern)→ 后面必须不是 pattern。
示例：
- 匹配「后面是数字的字母」：
[a-zA-Z](?=\d)匹配"a1"中的"a"、"b23"中的"b"（后面必须跟数字）。 - 匹配「后面不是数字的字母」：
[a-zA-Z](?!\d)匹配"ab"中的"a"、"c#"中的"c"（后面不是数字）。 - 验证密码（必须包含数字）：
^(?=.*\d).{6,12}$解释：^开头，(?=.*\d)后面必须有至少一个数字，.{6,12}匹配 6-12 个任意字符，$结尾。
（2）后行断言（Lookbehind）
判断当前位置前面是否满足条件，语法：
- 正向后行：
(?<=pattern)→ 前面必须是 pattern。 - 负向后行：
(?<!pattern)→ 前面必须不是 pattern。
示例：
- 匹配「前面是数字的字母」：
(?<=\d)[a-zA-Z]匹配"1a"中的"a"、"23b"中的"b"（前面是数字）。 - 匹配「前面不是数字的字母」：
(?<!\d)[a-zA-Z]匹配"xa"中的"a"、"#b"中的"b"（前面不是数字）。 - 提取「$ 后面的数字」：
(?<=\$)\d+匹配"$123"中的"123"、"price: $45"中的"45"\（前面是 $）。
4. 模式修饰符（Flags）
修饰符用于改变正则的匹配行为（如忽略大小写、多行匹配等），不同语言的表示方式不同（如 Python 用 re.IGNORECASE，JavaScript 用 /pattern/gi）。
常见修饰符：
| 修饰符 | 作用说明 |
|---|---|
i | 忽略大小写（case-insensitive）：a 可匹配 A，B 可匹配 b。 |
g | 全局匹配（global）：找到所有匹配项，而非第一个（部分语言默认全局）。 |
m | 多行模式（multi-line）：^ 匹配每行开头，$ 匹配每行结尾（默认仅匹配整体开头 / 结尾）。 |
s | 单行模式（single-line）：. 匹配所有字符（包括换行符 \n，默认不匹配）。 |
u | Unicode 模式：支持 Unicode 字符（如 \p{L} 匹配任意语言的字母）。 |
x | 忽略空格和注释（extended）：便于编写复杂正则（用 # 写注释）。 |
示例：
- 忽略大小写匹配：
/hello/i匹配"Hello"、"HELLO"、"hello"。 - 多行模式匹配：
/^hello/m匹配"hello\nworld\nhello"中的两个"hello"（每行开头）。 - 单行模式匹配：
/a.b/s匹配"a\nb"（.匹配换行符）。
四、常见应用场景（实战示例）
正则的核心价值是解决文本处理问题，以下是高频场景的实战示例：
1. 数据验证
示例 1：验证邮箱地址
using System;
using System.Text.RegularExpressions;
public class EmailValidator
{public static bool IsValidEmail(string email){// 正则表达式：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$string pattern = @"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$";return Regex.IsMatch(email, pattern);}public static void Main(){string[] emails = {"test@example.com","user.name+tag@example.co.uk","invalid-email","another.invalid@.com"};foreach (var email in emails){Console.WriteLine($"{email}: {IsValidEmail(email)}");}}
}输出：
test@example.com: True
user.name+tag@example.co.uk: True
invalid-email: False
another.invalid@.com: False示例 2：验证手机号（中国大陆）
public class PhoneValidator
{public static bool IsValidPhone(string phone){// 正则表达式：^1[3-9]\d{9}$string pattern = @"^1[3-9]\d{9}$";return Regex.IsMatch(phone, pattern);}public static void Main(){string[] phones = {"13812345678","19987654321","1234567890","138123456789"};foreach (var phone in phones){Console.WriteLine($"{phone}: {IsValidPhone(phone)}");}}
}2. 文本提取
示例 3：从 HTML 中提取链接
using System;
using System.Text.RegularExpressions;
class LinkExtractor
{static void Main(){string html = @"ExampleGoogle![]()
";// 正则表达式：
输出：
https://www.example.com
https://www.google.com
示例 4：提取字符串中的所有数字
class NumberExtractor
{static void Main(){string input = "订单号：20230518001，金额：99.9元，数量：10";string pattern = @"\d+\.?\d*"; // 匹配整数或小数MatchCollection matches = Regex.Matches(input, pattern);foreach (Match match in matches){Console.WriteLine(match.Value);}}
}
输出：
20230518001
99.9
10
3. 文本替换与格式化
示例 5：替换字符串中的敏感信息
class TextReplacer
{static void Main(){string input = "手机号：15112347676，身份证号：410123194910011234";// 替换手机号中间4位为****string phonePattern = @"(1[3-9])\d{4}(\d{4})";string result = Regex.Replace(input, phonePattern, "$1****$2");// 替换身份证号中间8位为********string idPattern = @"(^\d{6}|\d{8})(\d{4}$)";result = Regex.Replace(result, idPattern, "$1********$2");Console.WriteLine(result);}
}
输出：
手机号：151****7676，身份证号：410123********1234
示例 6：格式化日期（MM/DD/YYYY → YYYY-MM-DD）
class DateFormatter
{static void Main(){string input = "Today is 11/21/2025";string pattern = @"\b(\d{2})/(\d{2})/(\d{4})\b";// 替换为 YYYY-MM-DDstring result = Regex.Replace(input, pattern, "$3-$1-$2");Console.WriteLine(result);}
}
输出：
Today is 2025-11-21
4. 高级应用：正则表达式分组与命名捕获
示例 7：解析日志文件
假设日志格式为：[2025-11-21 14:30:00] [INFO] User 'admin' logged in.
class LogParser
{static void Main(){string log = "[2025-11-21 14:30:00] [INFO] User 'admin' logged in.";string pattern = @"\[(.*?)\] \[(.*?)\] (.*)";Match match = Regex.Match(log, pattern);if (match.Success){string timestamp = match.Groups[1].Value;string level = match.Groups[2].Value;string message = match.Groups[3].Value;Console.WriteLine($"时间：{timestamp}\n级别：{level}\n内容：{message}");}}
}
输出：
时间：2025-11-21 14:30:00
级别：INFO
内容：User 'admin' logged in.
示例 8：使用命名捕获组
class NamedGroupExample
{static void Main(){string input = "Name: John, Age: 30, Email: john@example.com";string pattern = @"Name: (?\w+), Age: (?\d+), Email: (?[^,]+)";Match match = Regex.Match(input, pattern);if (match.Success){Console.WriteLine($"姓名：{match.Groups["name"].Value}");Console.WriteLine($"年龄：{match.Groups["age"].Value}");Console.WriteLine($"邮箱：{match.Groups["email"].Value}");}}
}
五、注意事项与性能优化
1. 注意事项
- 转义问题：不同语言中，正则的转义规则不同（如 Python 字符串中
\ 需转义为 \\，JavaScript 中直接写 \）。 - 部分匹配 vs 完全匹配：验证格式时必须加
^ 和 $（如手机号 1[3-9]\d{9} 会匹配 "a13812345678b"，加 ^$ 才会完全匹配）。 - 换行符处理：默认
. 不匹配 \n，需用 (?s) 修饰符或 [\s\S]（匹配所有字符）。 - Unicode 支持：处理多语言文本时，需开启 Unicode 模式（如
\p{L} 匹配任意语言字母，而非仅 [a-zA-Z]）。
2. 性能优化
复杂正则可能导致回溯过多，影响性能，需注意：
- 避免嵌套量词（如
(a*)*），容易引发回溯爆炸。 - 用具体字符类代替
.（如匹配数字用 \d 而非 .，减少不必要的匹配）。 - 优先使用非贪婪匹配（
.*?）避免过度匹配，但不要滥用（非贪婪也可能增加回溯）。 - 用原子组
(?>pattern) 避免回溯（原子组匹配后不可回溯，适合确定的模式）。 - 拆分复杂正则（如长正则拆分为多个简单正则，分步处理）。
六、常见正则表达式示例（直接复用）
1. 验证类
场景 正则表达式（C# 字符串需转义，或用 @ 逐字字符串） 手机号（中国大陆） ^1[3-9]\d{9}$ 邮箱 ^[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}([0-9]|X|x)$ URL（http/https） ^https?://[^\s]+$ 日期（yyyy-MM-dd） ^[1-9]\d{3}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$ 密码（8-20 位，含大小写字母、数字、特殊字符） ^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[^\da-zA-Z]).{8,20}$
2. 提取类
场景 正则表达式 提取所有数字 \d+ 提取所有链接 https?://[^\s]+ 提取 HTML 标签内容（如 <title>xxx</title>） <title>(.*?)</title> 提取邮箱地址 [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}
3. 替换类
场景 正则表达式 去除所有空格 \s+ 格式化手机号（13812345678 → 138-1234-5678） (\d{3})(\d{4})(\d{4}) 替换 HTML 标签（去除所有标签） <[^>]+> 敏感词替换（“垃圾”“废物” 替换为 “***”） (垃圾|废物)
希望对大家有所帮助。感谢大家的关注和点赞。