正则表达式从入门到精通完整教程：文本处理的利器
我以前看正则表达式就像看天书，一堆符号不知道什么意思。每次要验证邮箱、提取数据就搜半天，抄过来能用但不知道为什么。后来下决心系统学了一遍，发现其实没那么难，核心语法就那些。现在写正则很快，文本处理效率翻倍。今天把正则表达式从入门到实战的方法分享出来。
什么是正则表达式
正则表达式（Regular Expression，简称Regex）是一种文本匹配模式，用特殊语法描述字符串的规则。
用途：
1. 验证：邮箱格式对不对、手机号合不合法。
2. 提取：从文本中提取URL、电话号码。
3. 替换：批量替换文本中的内容。
4. 分割：按复杂规则分割字符串。
5. 搜索：在大量文本中找特定模式。
正则表达式几乎所有编程语言都支持，学会了一辈子受用。
基础语法
正则的核心是特殊字符（元字符）和普通字符的组合。
普通字符：字母、数字等，匹配自身。abc匹配abc。
元字符：有特殊含义的字符。
点号（.）：匹配任意一个字符（除换行）。a.c匹配abc、a1c、a c。
星号（*）：前面的出现0次或多次。ab*c匹配ac、abc、abbc。
加号（+）：前面的出现1次或多次。ab+c匹配abc、abbc，不匹配ac。
问号（?）：前面的出现0次或1次。colou?r匹配color和colour。
大括号（{n,m}）：前面的出现n到m次。a{2,4}匹配aa、aaa、aaaa。{n}恰好n次，{n,}至少n次。
方括号（[]）：匹配括号里任意一个字符。[abc]匹配a或b或c。[a-z]匹配任意小写字母。[0-9]匹配任意数字。[a-zA-Z0-9]匹配字母数字。
脱字符（^）：在[]里表示"非"。[^abc]匹配不是a/b/c的字符。在[]外表示行首。^Hello匹配以Hello开头的行。
美元符（$）：表示行尾。world$匹配以world结尾的行。
反斜杠（）：转义元字符或表示特殊序列。匹配实际的点号，*匹配实际的星号。
竖线（|）：或。cat|dog匹配cat或dog。
圆括号（()）：分组。(ab)+匹配ab、abab、ababab。也用于提取捕获组。
这些是基础，记住这些已经能写很多正则了。
特殊字符序列
以反斜杠开头的特殊序列，代表某类字符：
d：数字，等价[0-9]。
D：非数字，等价[^0-9]。
w：字母数字下划线，等价[a-zA-Z0-9_]。
W：非字母数字下划线。
s：空白字符（空格、Tab、换行）。
S：非空白字符。
：单词边界。word匹配完整的word，不匹配password里的word。
B：非单词边界。
：换行符。 ：Tab。 ：回车。
这些用起来比方括号简洁。d+匹配数字，w+匹配单词。
量词详解
量词控制前面元素出现的次数。
*：0次或多次。等价{0,}。
+:1次或多次。等价{1,}。
?:0次或1次。等价{0,1}。
{n}:恰好n次。
{n,}:至少n次。
{n,m}:n到m次。
贪婪与非贪婪：
默认贪婪：尽可能多匹配。a.*b对"aabbb"匹配"aabbb"（从第一个a到最后一个b）。
非贪婪（加?）：尽可能少匹配。a.*?b对"aabbb"匹配"aab"（从第一个a到第一个b）。
*?、+?、??、{n,m}?都是非贪婪版本。
我提取HTML标签内容时用非贪婪，不然会匹配过多。
分组与捕获
圆括号不只分组，还能捕获匹配内容。
(abc)：捕获组，匹配abc并保存。可以用$1（或1）引用第一个捕获组。
例子：把日期2026-09-14改成14/09/2026。正则(d{4})-(d{2})-(d{2})替换为$3/$2/$1。$1是年份，$2是月份，$3是日期。
(?:abc)：非捕获组，只分组不捕获。不占用$编号，性能稍好。
(?P<name>abc)：命名捕获组（Python语法）。用名字引用，比数字清晰。
分组嵌套：外到内、左到右编号。(a(b(c)))，$1是abc，$2是bc，$3是c。
我用捕获组做数据提取和替换，很方便。
零宽断言
断言（Lookaround）匹配位置但不消费字符，像条件判断。
正向先行断言(?=...)：后面跟着什么。abc(?=def)匹配abc，但abc后面必须是def。
负向先行断言(?!...)：后面不跟着什么。abc(?!def)匹配abc，但abc后面不能是def。
正向后行断言(?<=...)：前面是什么。(?<=abc)def匹配def，但def前面必须是abc。
负向后行断言(?<!...)：前面不是什么。(?<!abc)def匹配def，但def前面不能是abc。
断言不消耗字符，匹配的是位置。我提取价格数字时用(?<=￥)d+，匹配￥后面的数字但不包括￥。
标志位
正则后面的标志位控制匹配方式：
g：全局匹配，找所有匹配，不只是第一个。
i：忽略大小写。
m：多行模式，^和$匹配每行的行首行尾。
s：单行模式，.也匹配换行符。
u：Unicode模式，正确处理中文等。
y：粘连模式，从lastIndex开始匹配。
JavaScript里/abc/gi，Python里re.findall(pattern, string, re.I)。
常用正则模式
收集一些常用的：
邮箱：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$
手机号（中国）：^1[3-9]d{9}$
身份证号（18位）：^d{17}[dXx]$
URL：^https?://[w.-]+(.[w.-]+)+.*$
IP地址：^(d{1,3}.){3}d{1,3}$（简单版）
日期（YYYY-MM-DD）：^d{4}-d{2}-d{2}$
时间（HH:MM:SS）：^([01]d|2[0-3]):[0-5]d:[0-5]d$
邮编：^d{6}$
QQ号：^[1-9]d{4,10}$
密码强度（8位以上含大小写数字特殊字符）：^(?=.*[a-z])(?=.*[A-Z])(?=.*d)(?=.*[@$!%*?&]).{8,}$
中文字符：[u4e00-u9fa5]
HTML标签：<[^>]+>
这些模式存起来，需要直接用。但要根据实际需求调整，别盲目抄。
实战案例
案例一：验证表单输入
用户注册时验证邮箱、手机号、密码。用正则一行搞定。
JavaScript：
const emailRegex = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$/;
if (emailRegex.test(email)) { // 合法 }
Python：
import re
if re.match(r"^1[3-9]d{9}$", phone):
print("合法")
案例二：从文本提取数据
从一段文本提取所有URL：
Python：urls = re.findall(r"https?://[w./-]+", text)
JavaScript：const urls = text.match(/https?://[w./-]+/g)
提取所有邮箱：
emails = re.findall(r"[w.+-]+@[w-]+.[w.]+", text)
案例三：批量替换
把文本中的手机号中间4位打码：138****8888。
Python：re.sub(r"(1[3-9]d)d{4}(d{4})", r"1****2", text)
JavaScript：text.replace(/(1[3-9]d)d{4}(d{4})/g, "$1****$2")
把HTML标签去掉：
text.replace(/<[^>]+>/g, "")
案例四：日志分析
从Nginx日志提取IP和访问路径：
日志格式：192.168.1.1 - - [10/Sep/2026:09:00:00] "GET /index.html HTTP/1.1" 200
正则：^(d+.d+.d+.d+).*"(GET|POST) (S+)"
$1是IP，$2是方法，$3是路径。
案例五：数据清洗
提取CSV中的引号包裹字段：
"name","age","city"
正则："([^"]*)"提取引号内的内容。
我用正则做数据清洗，省了大量手动处理时间。
正则测试工具
写正则别在脑子里想，用工具测试。
1. regex101.com：最强的在线正则测试工具，支持多种语言，有解释。我常用。
2. regexr.com：另一个在线工具。
3. VS Code搜索支持正则（Alt+R或点.*图标）。
4. 各语言的正则模块：Python的re、JavaScript的RegExp。
我写正则的流程：在regex101上测试通过，再写到代码里。
各语言正则差异
不同语言正则语法略有差异：
JavaScript：/pattern/flags或new RegExp()。replace用$1引用组。
Python：re模块。re.match（从头）、re.search（任意位置）、re.findall（找所有）、re.sub（替换）、re.split（分割）。组引用1或g<name>。
Java：java.util.regex包。Pattern和Matcher。组引用$1。
PHP：preg_match、preg_replace。组引用$1或1。
Go：regexp包。反引号正则字符串。
grep：命令行正则搜索。grep -E "pattern" file。扩展正则。
各语言核心语法一样，细节有差异，查文档确认。
性能优化
正则写不好会慢，甚至导致灾难性回溯（ReDoS）。
优化技巧：
1. 避免嵌套量词：(a+)+这种容易回溯爆炸。
2. 用具体字符代替.：用[^"\]代替.*匹配字符串内容。
3. 用非捕获组(?:)：不捕获不用的组。
4. 锚定^$：减少匹配范围。
5. 避免回溯：用原子组(?>...)或占有量词?+（部分语言支持）。
6. 编译正则：循环里用预编译的正则，别每次重新编译。Python用re.compile。
7. 能用字符串方法就用字符串方法：startsWith、includes比正则快。
学习建议
正则学习路径：
1. 先学基础语法：. * + ? [] ^ $ d w s。
2. 学量词和分组：{} ()。
3. 学断言：?= ?! ?<= ?<!
4. 在regex101练习。
5. 收集常用模式。
6. 实战中用，用多了就会了。
别想一次全记住，用的时候查，用多了自然记住。我用了两年，常用语法都在脑子里了。
常见坑
1. 贪婪匹配：.*会匹配过多。用.*?非贪婪。
2. 忘记转义：匹配实际的.要写.，匹配?要写?。
3. 锚定忘记：不加^$可能部分匹配。"123"用d+会匹配，但"abc123"也会匹配里面的123。要验证整个字符串用^d+$。
4. 中文匹配：w不匹配中文，用[u4e00-u9fa5]或u标志。
5. 转义在字符串里：Python r"d"和"d"不同，r""原始字符串不用双重转义。JavaScript字符串里d要写成\d。
我的正则使用习惯
1. 先在regex101测试，再写代码。
2. 加注释说明正则含义（复杂正则可读性差）。
3. 收集常用模式存笔记。
4. 性能敏感场景测试正则速度。
5. 能用字符串方法就不滥用正则。
正则用好了是利器，用不好是灾难。多练多用，自然熟练。
总结
正则表达式看着吓人，其实核心语法不多。基础语法+量词+分组+断言，掌握这些日常够用。关键是多练多用，在regex101上测试，实战中积累。学会正则，文本处理效率翻倍，验证、提取、替换一招搞定。这是程序员受益一生的技能。
