Regex：一篇搞定核心概念与常用技巧
正则表达式（Regular Expression，简称Regex）是计算机科学中一个强大的工具，用于在文本中查找、匹配和操作符合特定模式的字符串。无论你是开发者、数据分析师还是系统管理员，掌握Regex都将极大地提升你处理文本的效率。本文将从核心概念讲起，带你一步步掌握Regex的常用技巧。
核心概念
1. 字面量 (Literal Characters)
最基本的正则表达式就是由普通字符组成的。例如，cat这个表达式会匹配文本中出现的”cat”这个单词。
2. 元字符 (Metacharacters)
元字符是Regex中具有特殊含义的字符，它们是构建复杂模式的关键。
.(点): 匹配除换行符以外的任何单个字符。\(反斜杠): 转义字符，用于将元字符转换为字面量，或将普通字符转换为特殊含义。例如，\.匹配真正的点.，而\d则有特殊含义。
3. 字符类 (Character Classes)
字符类定义了一组可以匹配的字符。
[ ](方括号): 匹配方括号中包含的任意一个字符。例如，[abc]可以匹配 “a”、”b” 或 “c”。[^ ](否定方括号): 匹配任何未包含在方括号中的字符。例如，[^abc]可以匹配除了”a”、”b”、”c”之外的任何字符。-(范围): 在方括号内，连字符可以表示一个范围。例如，[a-z]匹配所有小写字母，[0-9]匹配所有数字。
预定义字符类
为了方便，Regex提供了一些预定义的字符类：
\d: 匹配任何数字，等同于[0-9]。\D: 匹配任何非数字字符。\w: 匹配任何单词字符（字母、数字、下划线），等同于[a-zA-Z0-9_]。\W: 匹配任何非单词字符。\s: 匹配任何空白字符（空格、制表符、换行符等）。\S: 匹配任何非空白字符。
4. 量词 (Quantifiers)
量词用于指定前面的元素（字符、字符类或组）必须出现的次数。
*: 匹配零次或多次。+: 匹配一次或多次。?: 匹配零次或一次。{n}: 匹配确定的n次。{n,}: 匹配至少n次。{n,m}: 匹配n到m次。
贪婪与非贪婪匹配 (Greedy vs. Lazy)
默认情况下，量词是“贪婪的”，它们会尽可能多地匹配文本。在量词后加上?可以使其变为“非贪婪”或“懒惰”模式，即尽可能少地匹配。
*?: 匹配零次或多次，但尽可能少地匹配。+?: 匹配一次或多次，但尽可能少地匹配。
5. 锚点 (Anchors)
锚点用于匹配字符串中的特定位置，而不是字符本身。
^: 匹配字符串的开头。$: 匹配字符串的结尾。\b: 匹配单词边界。单词边界是指单词字符和非单词字符之间的位置。\B: 匹配非单词边界。
6. 分组与交替 (Grouping and Alternation)
( )(圆括号): 用于将多个元素组合成一个单元（一个组）。量词可以应用于整个组。分组也用于“捕获”匹配的子字符串，以便后续引用。(?: ): 非捕获组，用于分组但不创建捕获。|(管道符): 表示“或”，匹配|两侧的任意一个表达式。例如，cat|dog可以匹配 “cat” 或 “dog”。
常用技巧与实例
1. 输入验证
Regex在表单验证中非常有用，可以确保用户输入的数据格式正确。
验证邮箱地址
一个相对简单的邮箱验证Regex：
regex
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
^...$: 确保整个字符串都符合模式。[a-zA-Z0-9._%+-]+: 匹配用户名部分。@: 匹配 “@” 符号。[a-zA-Z0-9.-]+: 匹配域名部分。\.[a-zA-Z]{2,}: 匹配顶级域名（如 .com, .net等）。
验证电话号码 (中国)
regex
^1[3-9]\d{9}$
^1: 以 “1” 开头。[3-9]: 第二位是 3 到 9 的数字。\d{9}: 后面跟着9个数字。
2. 查找与替换
使用Regex可以轻松地查找和替换文本。
示例： 将所有Markdown标题（如 # 标题）替换为HTML的 <h1> 标签。
- 查找:
^# (.*)$ - 替换:
<h1>$1</h1>
这里的 $1 是一个反向引用（backreference），它指向第一个捕获组 (.*) 匹配到的内容（即标题文本）。
3. 数据提取
从大段文本中提取特定信息是Regex的另一个强大应用。
示例： 从HTML代码中提取所有链接的URL。
html
<a href="https://example.com">Link 1</a>
<a href="http://test.org/page">Link 2</a>
可以使用以下Regex来提取 href 属性的值：
regex
href="([^"]*)"
href=": 匹配字面量href="。([^"]*): 捕获一个组，该组包含零个或多个非"的字符。这就是我们想要的URL。": 匹配结束的双引号。
结语
正则表达式是一个功能极其丰富的工具，初学时可能会觉得有些复杂。但通过理解其核心概念，并从简单的模式开始实践，你会慢慢发现它的强大之处。希望本文能为你打开Regex世界的大门，让你在处理文本时更加得心应手。建议使用在线Regex测试工具（如 regex101.com）来练习和调试你的表达式。