正则表达式
1. 基础概念
正则表达式（Regular Expression, Regex）是一种用于描述字符串模式的表达式，用于搜索、匹配和替换文本。几乎所有主流编程语言都支持正则表达式。
2. 常用元字符
| 元字符 | 含义 |
|---|---|
. | 匹配任意一个字符（除了换行符） |
^ | 匹配字符串开头 |
$ | 匹配字符串结尾 |
\ | 转义字符，用于匹配特殊字符本身 |
[] | 字符集合，匹配其中任意一个字符 |
[^] | 非集合，匹配不在集合中的任意一个字符 |
| ` | ` |
() | 分组，创建捕获组 |
\b | 匹配单词边界 |
\B | 匹配非单词边界 |
3. 量词
| 量词 | 含义 |
|---|---|
* | 匹配 0 次或多次 |
+ | 匹配 1 次或多次 |
? | 匹配 0 次或 1 次 |
{n} | 匹配恰好 n 次 |
{n,} | 匹配至少 n 次 |
{n,m} | 匹配 n 到 m 次 |
贪婪 / 非贪婪模式
- 贪婪模式（默认）：尽可能多地匹配，如
.* - 非贪婪模式：在量词后加
?，尽可能少地匹配，如.*?
4. 常见预定义字符类
| 表达式 | 含义 |
|---|---|
\d | 数字 [0-9] |
\D | 非数字 [^0-9] |
\w | 单词字符 [A-Za-z0-9_] |
\W | 非单词字符 [^\w] |
\s | 空白字符（空格、Tab、换行等） |
\S | 非空白字符 [^\s] |
\n | 换行符 |
\t | 制表符 |
5. 分组与引用
(abc)：捕获组，匹配 "abc" 并捕获内容(?:abc)：非捕获组，只分组不捕获\1,\2：反向引用，引用前面捕获的分组内容(?<name>...)：命名捕获组（部分语言支持）
示例：
- 正则：
(\d{2})-(\d{2}) - 匹配：
12-34 - 分组1：
12 - 分组2：
34
6. 断言（零宽断言）
正向断言
(?=...)：正向先行断言，匹配后面跟着 ... 的位置(?!...)：负向先行断言，匹配后面不是 ... 的位置
反向断言
(?<=...)：正向后行断言，匹配前面是 ... 的位置(?<!...)：负向后行断言，匹配前面不是 ... 的位置
示例：
\d+(?=元)：匹配后面跟"元"的数字(?<=USD)\d+：匹配前面有"USD"的数字\d{3}(?!\d)：匹配后面不是数字的三位数
7. 标志/修饰符
| 标志 | 含义 | 语言示例 |
|---|---|---|
i | 忽略大小写 | /pattern/i |
g | 全局匹配 | /pattern/g |
m | 多行模式 | /pattern/m |
s | 单行模式（使.匹配换行） | /pattern/s |
8. 常见应用
验证邮箱
regex^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$验证手机号（中国大陆）
regex^1[3-9]\d{9}$提取 URL
regexhttps?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+匹配 HTML 标签
regex<([a-zA-Z][a-zA-Z0-9]*)\b[^>]*>(.*?)</\1>匹配中文
regex[\u4e00-\u9fa5]匹配IP地址
regex^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$
9. 性能优化技巧
- 避免回溯失控：谨慎使用嵌套量词和分支
- 使用非捕获组：
(?:...)代替(...)提高性能 - 具体化匹配：尽量使用具体字符类代替通配符
- 锚点优化：使用
^和$限定匹配范围 - 避免重复编译：在循环外预编译正则表达式
10. 工具推荐
11. 各语言正则支持
- Python:
re模块，支持命名组和注释 - JavaScript: 原生支持，使用
/pattern/flags语法 - Java:
java.util.regex包，支持命名组 - PHP:
preg_系列函数，支持PCRE语法
总结
正则表达式强大但需要谨慎使用：
- 复杂正则最好添加注释或分段构建，增强可读性
- 注意贪婪匹配可能导致的性能问题和意外结果
- 测试边界情况，确保正则表达式的健壮性
- 考虑使用正则表达式库的高级特性（如递归匹配、条件表达式）
- 在不需要捕获内容时使用非捕获组提升性能
记住：有些问题用字符串函数解决更简单，不要过度依赖正则表达式。
