正则表达式是文本处理的强大工具。本文探讨正则表达式的语法和实际应用。
基础语法
字符匹配
// 字面字符
/hello/ // 匹配 "hello"
/123/ // 匹配 "123"
// 特殊字符需转义
/\./ // 匹配 "."
/\$/ // 匹配 "$"
/\*/ // 匹配 "*"
// 点号匹配任意单字符
/h.llo/ // 匹配 "hello", "hallo", "h1llo" 等字符类
// 字符集合
/[abc]/ // 匹配 a, b 或 c
/[a-z]/ // 匹配任意小写字母
/[A-Z]/ // 匹配任意大写字母
/[0-9]/ // 匹配任意数字
/[a-zA-Z]/ // 匹配任意字母
// 否定字符集
/[^abc]/ // 匹配除 a, b, c 外的任意字符
/[^0-9]/ // 匹配非数字字符
// 预定义字符类
/\d/ // 数字，等同于 [0-9]
/\D/ // 非数字，等同于 [^0-9]
/\w/ // 单词字符，等同于 [a-zA-Z0-9_]
/\W/ // 非单词字符
/\s/ // 空白字符（空格、制表符、换行等）
/\S/ // 非空白字符量词
// 精确数量
/a{3}/ // 匹配 "aaa"
/a{2,4}/ // 匹配 "aa", "aaa", "aaaa"
/a{2,}/ // 匹配 2 个或更多 a
// 常用量词
/a*/ // 0 个或多个 a
/a+/ // 1 个或多个 a
/a?/ // 0 个或 1 个 a
// 贪婪 vs 非贪婪
/a+/ // 贪婪，尽可能多匹配
/a+?/ // 非贪婪，尽可能少匹配
// 示例
const text = '<div>content</div>';
text.match(/<.+>/); // ["<div>content</div>"] 贪婪
text.match(/<.+?>/); // ["<div>"] 非贪婪锚点
// 位置锚点
/^hello/ // 以 hello 开头
/world$/ // 以 world 结尾
/^hello$/ // 精确匹配 hello
// 单词边界
/\bword\b/ // 匹配独立单词 "word"
/\Bword/ // 匹配非单词边界的 word
// 示例
'hello world'.match(/\bworld\b/); // ["world"]
'helloworld'.match(/\bworld\b/); // null分组与引用
捕获组
// 基本分组
/(ab)+/ // 匹配 "ab", "abab", "ababab" 等
// 捕获组引用
const regex = /(\w+)\s(\w+)/;
const match = 'hello world'.match(regex);
// match[0] = "hello world"
// match[1] = "hello"
// match[2] = "world"
// 替换中使用
'hello world'.replace(/(\w+)\s(\w+)/, '$2 $1');
// "world hello"命名捕获组
// ES2018 命名组
const regex = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
const match = '2025-01-28'.match(regex);
console.log(match.groups.year); // "2025"
console.log(match.groups.month); // "01"
console.log(match.groups.day); // "28"
// 替换中使用命名引用
'2025-01-28'.replace(
/(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/,
'$<day>/$<month>/$<year>'
);
// "28/01/2025"非捕获组
// 不捕获的分组
/(?:ab)+/ // 匹配但不捕获
// 对比
'ababab'.match(/(ab)+/); // ["ababab", "ab"]
'ababab'.match(/(?:ab)+/); // ["ababab"]反向引用
// 引用前面的捕获组
/(\w+)\s\1/ // 匹配重复单词
'hello hello'.match(/(\w+)\s\1/); // ["hello hello", "hello"]
'hello world'.match(/(\w+)\s\1/); // null
// 匹配引号内容
/(['"]).*?\1/ // 匹配单引号或双引号包裹的内容断言
前瞻断言
// 正向前瞻：后面是
/foo(?=bar)/ // 匹配后面跟着 bar 的 foo
'foobar'.match(/foo(?=bar)/); // ["foo"]
'foobaz'.match(/foo(?=bar)/); // null
// 负向前瞻：后面不是
/foo(?!bar)/ // 匹配后面不跟着 bar 的 foo
'foobaz'.match(/foo(?!bar)/); // ["foo"]
'foobar'.match(/foo(?!bar)/); // null后顾断言
// 正向后顾：前面是
/(?<=\$)\d+/ // 匹配前面是 $ 的数字
'$100'.match(/(?<=\$)\d+/); // ["100"]
'€100'.match(/(?<=\$)\d+/); // null
// 负向后顾：前面不是
/(?<!\$)\d+/ // 匹配前面不是 $ 的数字
'€100'.match(/(?<!\$)\d+/); // ["100"]标志
常用标志
// g - 全局匹配
'hello hello'.match(/hello/); // ["hello"]
'hello hello'.match(/hello/g); // ["hello", "hello"]
// i - 忽略大小写
'Hello'.match(/hello/); // null
'Hello'.match(/hello/i); // ["Hello"]
// m - 多行模式
const text = 'line1\nline2';
text.match(/^line/gm); // ["line", "line"]
// s - 点号匹配换行
'a\nb'.match(/a.b/); // null
'a\nb'.match(/a.b/s); // ["a\nb"]
// u - Unicode 模式
'😀'.match(/./); // ["\ud83d"]
'😀'.match(/./u); // ["😀"]常用正则模式
验证模式
// 邮箱
const emailRegex = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/;
// URL
const urlRegex = /^https?:\/\/[^\s/$.?#].[^\s]*$/i;
// 手机号（中国）
const phoneRegex = /^1[3-9]\d{9}$/;
// 身份证号
const idCardRegex = /^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$/;
// 密码强度（至少8位，包含大小写字母和数字）
const passwordRegex = /^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$/;
// IPv4 地址
const ipv4Regex = /^(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)$/;提取模式
// 提取数字
const extractNumbers = (str: string) => str.match(/\d+/g) || [];
// 提取 URL
const extractUrls = (str: string) =>
str.match(/https?:\/\/[^\s]+/g) || [];
// 提取标签
const extractTags = (str: string) =>
str.match(/#\w+/g) || [];
// 提取 HTML 标签内容
const extractTagContent = (html: string, tag: string) => {
const regex = new RegExp(`<${tag}[^>]*>(.*?)</${tag}>`, 'gi');
return [...html.matchAll(regex)].map(m => m[1]);
};替换模式
// 驼峰转短横线
const camelToKebab = (str: string) =>
str.replace(/([a-z])([A-Z])/g, '$1-$2').toLowerCase();
// 短横线转驼峰
const kebabToCamel = (str: string) =>
str.replace(/-([a-z])/g, (_, c) => c.toUpperCase());
// 首字母大写
const capitalize = (str: string) =>
str.replace(/\b\w/g, c => c.toUpperCase());
// 移除 HTML 标签
const stripHtml = (html: string) =>
html.replace(/<[^>]*>/g, '');
// 格式化数字（添加千分位）
const formatNumber = (num: number) =>
num.toString().replace(/\B(?=(\d{3})+(?!\d))/g, ',');JavaScript RegExp 方法
测试和匹配
const regex = /hello/gi;
const str = 'Hello World, hello!';
// test() - 返回布尔值
regex.test(str); // true
// match() - 返回匹配数组
str.match(regex); // ["Hello", "hello"]
// matchAll() - 返回迭代器（需要 g 标志）
const matches = [...str.matchAll(/hello/gi)];
matches[0].index; // 0
matches[1].index; // 13
// search() - 返回索引
str.search(/hello/i); // 0
// replace() - 替换
str.replace(/hello/gi, 'hi'); // "hi World, hi!"
// replaceAll() - 全部替换
str.replaceAll(/hello/gi, 'hi'); // "hi World, hi!"
// split() - 分割
'a,b;c d'.split(/[,;\s]/); // ["a", "b", "c", "d"]RegExp 对象
// 构造函数（可动态创建）
const pattern = 'hello';
const regex = new RegExp(pattern, 'gi');
// 属性
regex.source; // "hello"
regex.flags; // "gi"
regex.global; // true
regex.ignoreCase; // true
regex.lastIndex; // 0（用于 exec）
// exec() - 逐个匹配
const str = 'hello hello';
const re = /hello/g;
re.exec(str); // ["hello"], lastIndex = 5
re.exec(str); // ["hello"], lastIndex = 11
re.exec(str); // null, lastIndex = 0性能优化
避免灾难性回溯
// 危险模式（指数级回溯）
/^(a+)+$/ // 对于 "aaaaaaaaaaaaaaX" 会非常慢
// 安全替代
/^a+$/ // 简化模式
// 原子组模拟（使用前瞻）
/^(?=(a+))\1$/ // 减少回溯优化建议
正则表达式优化：
┌─────────────────────────────────────────────────────┐
│ │
│ 编写建议 │
│ ├── 尽可能具体化 │
│ ├── 避免嵌套量词 │
│ ├── 使用非捕获组 (?:...) │
│ └── 锚定开始和结束 │
│ │
│ 性能考虑 │
│ ├── 预编译复用正则 │
│ ├── 避免在循环中创建 │
│ ├── 简单匹配用字符串方法 │
│ └── 测试边界情况 │
│ │
│ 可读性 │
│ ├── 使用命名捕获组 │
│ ├── 添加注释说明 │
│ ├── 拆分复杂正则 │
│ └── 使用 x 标志（支持时） │
│ │
└─────────────────────────────────────────────────────┘最佳实践总结
| 符号 | 含义 |
|---|---|
. | 任意单字符 |
* | 0 或多个 |
+ | 1 或多个 |
? | 0 或 1 个 |
^ | 开头 |
$ | 结尾 |
\d | 数字 |
\w | 单词字符 |
\s | 空白字符 |
正则表达式是程序员的瑞士军刀。