Regular Expression Rules Detailed Explanation

正则表达式 (Regular Expression，简称 regex) 是一种用于匹配和操作文本的强大工具。它通过定义特定的模式来查找、验证或替换字符串。本文档详细介绍正则表达式的规则，包括基本语法、常用元字符、量词、捕获组等，并提供示例。

1. Regular Expression Basics

正则表达式由普通字符和元字符组成：

  • 普通字符：如字母、数字、符号 (如 a、1、@)，直接匹配自身。
  • 元字符：具有特殊意义的字符，如 .、^、* 等，用于定义匹配规则。

正则表达式通常用斜杠 / 包裹 (如 /abc/)，但在不同语言中可能有所不同 (例如 Python 用字符串表示，JavaScript 用 /.../) 。

2. Common Metacharacters

以下是正则表达式中常用的元字符及其含义：

元字符描述示例匹配结果
.匹配除换行符 (\n) 外的任意单个字符a.cabc, a1c, a@c
^匹配字符串的开头^abcabc (仅在字符串开头)
$匹配字符串的结尾abc$abc (仅在字符串结尾)
*匹配前面的字符或子表达式 0 次或多次ab*cac, abc, abbc
+匹配前面的字符或子表达式 1 次或多次ab+cabc, abbc (不匹配 ac)
?匹配前面的字符或子表达式 0 次或 1 次ab?cac, abc
``或运算，匹配左侧或右侧的模式`a
[]匹配方括号内的任意一个字符[abc]a, b, 或 c
[^]匹配不在方括号内的任意字符[^abc]非 a、b、c 的字符
()定义子表达式或捕获组(abc)匹配 abc 作为一个整体
{n}精确匹配前面的字符或子表达式 n 次a{3}aaa
{n,}匹配前面的字符或子表达式至少 n 次a{2,}aa, aaa, aaaa
{n,m}匹配前面的字符或子表达式 n 到 m 次a{2,3}aa, aaa

3. Character Classes

字符类用于匹配特定范围或类型的字符：

  • 预定义字符类：
    • \d：匹配任意数字，等价于 [0-9].
    • \D：匹配非数字，等价于 [^0-9].
    • \w：匹配任意字母、数字或下划线，等价于 [a-zA-Z0-9_] dissuades
    • \W：匹配非字母、数字或下划线，等价于 [^a-zA-Z0-9_].
    • \s：匹配任意空白字符 (如空格、制表符、换行符) 。
    • \S：匹配非空白字符。
  • 自定义字符类：
    • [a-z]：匹配小写字母 a 到 z.
    • [A-Z]：匹配大写字母 A 到 Z.
    • [0-9]：匹配数字 0 到 9.
    • [a-zA-Z]：匹配任意字母。
    • [a-dm-p]：匹配 a 到 d 或 m 到 p 的字符。

示例：

  • \d{3}：匹配三个数字，如 123.
  • [a-zA-Z]+：匹配一个或多个字母，如 hello.

4. Quantifiers

量词控制前面的字符或子表达式的重复次数：

  • *：0 次或多次。
  • +：1 次或多次。
  • ?：0 次或 1 次。
  • {n}：精确 n 次。
  • {n,}：至少 n 次。
  • {n,m}：n 到 m 次。

贪婪模式与非贪婪模式：

  • 默认情况下，量词是贪婪模式，匹配尽可能多的字符。例如，a.*b 匹配 a123b456b 中的 a123b456b.
  • 添加 ? 后变为非贪婪模式，匹配尽可能少的字符。例如，a.*?b 匹配 a123b456b 中的 a123b.

5. Capture Groups and Non-Capture Groups

  • 捕获组：用 () 包裹的子表达式，可以提取匹配的内容或进行反向引用。
    • 示例：(\d{2})-(\d{2}) 匹配 12-34，捕获组 1 为 12，捕获组 2 为 34.
    • 反向引用：使用 \n (n 为组编号) 引用捕获组。例如，(a)\1 匹配 aa (两个相同的 a) 。
  • 非捕获组：用 (?:...) 定义，不保存匹配内容，仅用于分组。
    • 示例：(?:abc) 匹配 abc，但不捕获。

6. Boundaries and Assertions

  • 单词边界：
    • \b：匹配单词边界。例如，\bcat\b 匹配 cat，但不匹配 category 中的 cat.
    • \B：匹配非单词边界。
  • 前瞻与后顾断言：
    • (?=...)：正向前瞻，匹配后面跟着某模式的情况。例如，a(?=b) 匹配 ab 中的 a.
    • (?!...)：负向前瞻，匹配后面不跟某模式的情况。例如，a(?!b) 匹配 ac 中的 a.
    • (?<=...)：正向后顾，匹配前面是某模式的情况。例如，(?<=b)a 匹配 ba 中的 a.
    • (?<!...)：负向后顾，匹配前面不是某模式的情况。例如，(?<!b)a 匹配 ca 中的 a.

7. Modifiers (Flags)

修饰符控制正则表达式的行为，常见修饰符包括：

  • i：忽略大小写。例如，/abc/i 匹配 ABC.
  • g：全局匹配，查找所有匹配项。
  • m：多行模式，^ 和 $ 匹配每行的开头和结尾。
  • 注意：
    • 修饰符的写法因语言而异。例如，在 JavaScript 中，修饰符写在正则表达式后 (如 /abc/gi) ，而在 Python 中通过 re.compile(pattern, re.IGNORECASE) 指定。

8. Common Application Examples

以下是一些常见的正则表达式应用场景及其示例：

  1. 验证邮箱格式:
    ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
  2. 提取 URL:
    https?://[^\s]+
  3. 验证密码 (至少 8 位，包含字母、数字、特殊字符):
    ^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$
  4. 匹配日期格式 (YYYY-MM-DD):
    \d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])