正则表达式regex

工具网站：RegExr: Learn, Build, & Test RegEx

正则表达式（Regular Expression, Regex）是一种强大的字符串匹配工具，广泛用于文本搜索、数据处理和输入验证等场景。无论是 Python、Java、JavaScript 还是 Shell 脚本，Regex 都是不可或缺的技能。

本文将深入介绍正则表达式的各种用法，包括：

• 基本匹配（字母、数字）
• 特殊符号 ^ $ \b
• 量词 {} * + ?
• 字符类 [] [^]
• 贪婪与非贪婪匹配
• 分组与反向引用
• 前瞻与后顾
• 实战应用

阅读完本教程，你将掌握正则表达式的核心知识，并能够熟练运用它解决实际问题。

---

1. 正则表达式基础

正则表达式由普通字符和特殊字符组成。

1.1 匹配字母、数字

符号	作用	示例	匹配结果
a	匹配字母 a	hello 中的 l	l
abc	匹配连续字符串 abc	abcdef	abc
\d	任意数字 [0-9]	a1b2c3	1 2 3
\w	单词字符 [a-zA-Z0-9_]	var_name123	var_name123
\s	空白字符（空格、Tab、换行）	hello world	空格

示例

import re

text = "My phone number is 123-456-7890"

pattern = r"\d{3}-\d{3}-\d{4}"

print(re.findall(pattern, text)) # 输出: ['123-456-7890']

2. ^ $ \b - 位置匹配

2.1 ^（匹配行首）

^hello 

匹配以 "hello" 开头的字符串：

• ✅ hello world
• ❌ world hello

2.2 $（匹配行尾）

world$ 

匹配以 "world" 结尾的字符串：

• ✅ hello world
• ❌ world hello

2.3 \b（单词边界）

\bcat\b 

匹配独立的 "cat"（前后不是字母或数字）：

• ✅ I have a cat.
• ❌ catalog（不是完整单词）

---

3. 量词 * + ? {}

3.1 *（匹配 0 次或多次）

ab* 

匹配 "a" 后面跟 0 个或多个 "b"：

• ✅ a
• ✅ ab
• ✅ abb

3.2 +（匹配 1 次或多次）

ab+ 

匹配 "a" 后面跟 1 个或多个 "b"：

• ❌ a
• ✅ ab
• ✅ abb

3.3 ?（匹配 0 或 1 次，可选）

colou?r  

匹配 "color" 或 "colour"（u 可选）：

• ✅ color
• ✅ colour

3.4 {n,m}（匹配 n 到 m 次）

\d{2,4} 

匹配 2 到 4 位数字：

• ✅ 12
• ✅ 123
• ✅ 1234
• ❌ 1（太短）
• ❌ 12345（太长）

---

4. 字符类 [] 和 取反 [^]

4.1 []（匹配括号内的任意字符）

gr[ae]y 

匹配 "gray" 或 "grey"。

4.2 [^]（匹配不在括号中的字符）

[^aeiou] 

匹配非元音字母：

• ✅ b
• ❌ a

---

5. 贪婪与非贪婪匹配

5.1 贪婪匹配（默认行为）

".*" 

匹配 最长 的字符串：

• 输入 He said, "Hello world!"：
  • 贪婪匹配："Hello world!"

5.2 非贪婪匹配（*? +? ??）

".*?" 

匹配 最短 的字符串：

• 输入 He said, "Hello world!"：
  • 非贪婪匹配："Hello"

---

6. 分组 () 与反向引用 \1

6.1 分组匹配

(\d{3})-(\d{3})-(\d{4}) 

匹配 电话号码，分组：

• \1：前三位
• \2：中间三位
• \3：最后四位

6.2 反向引用

(\w+)\s+\1 

匹配连续重复的单词：

• ✅ hello hello
• ❌ hello world

7. 前瞻 (?=...) 与 后顾 (?<=...)

7.1 正向前瞻（确保后面匹配但不包含）

\d+(?= dollars) 

匹配前面是数字，后面是 "dollars" 的数字：

• ✅ 100 dollars
• ❌ 100 yen

7.2 负向前瞻（确保后面不匹配）

\d+(?! dollars) 

匹配前面是数字，后面不是 "dollars"：

• ✅ 100 yen
• ❌ 100 dollars

7.3 正向后顾（确保前面匹配但不包含）

(?<=\$)\d+ 

匹配前面是 $ 的数字：

• ✅ $100
• ❌ 100

---

8. 实战应用

8.1 过滤手机号

1[3-9]\d{9} 

8.2 提取 HTML 标签内容

<(\w+)>(.*?) 

8.3 过滤邮箱

[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}