正则表达式入门:一次讲清匹配、字符集与分组

举报
yd_296515785 发表于 2026/11/01 08:57:56 2026/11/01
【摘要】 正则表达式是一套用来描述“长什么样的文字”的小型语言。写一段规则,程序就能在一大段文字里把符合规则的部分找出来,常用来校验格式、搜索替换、提取关键信息。先别被符号吓到,它的核心只有三件事:匹配什么字符、出现几次、在哪里出现。先从最直白的开始:写什么就匹配什么。规则 cat 只匹配连续的三个字母 cat;点号 . 代表任意一个字符(换行除外),所以 c.t 能匹配 cat,也能匹配 cut、c...

正则表达式是一套用来描述“长什么样的文字”的小型语言。写一段规则,程序就能在一大段文字里把符合规则的部分找出来,常用来校验格式、搜索替换、提取关键信息。先别被符号吓到,它的核心只有三件事:匹配什么字符、出现几次、在哪里出现。

先从最直白的开始:写什么就匹配什么。规则 cat 只匹配连续的三个字母 cat;点号 . 代表任意一个字符(换行除外),所以 c.t 能匹配 cat,也能匹配 cut、cot。想匹配真正的点号,要写成 \.,反斜杠就是“别按特殊含义理解我”的转义。

第二件事是出现次数。* 是 0 次或多次,+ 是 1 次或多次,? 是 0 次或 1 次,{2,4} 是 2 到 4 次。比如 \d+ 匹配一串数字,\d{4} 恰好匹配 4 位数字,常用来找年份。默认是贪婪匹配,能多吃就多吃;想让它少吃,在量词后加 ?,如 .*?,做提取时这点很关键。

第三件事是位置和范围。方括号是字符集,[0-9] 等价于 \d,[a-z] 是小写字母,[^0-9] 是“不是数字”。^ 放在规则开头表示行首,$ 表示行尾,所以 ^\d{11}$ 才算“整个字符串恰好是 11 位数字”,少了锚点就可能只匹配到其中一段。

分组用圆括号,既能提取又能复用。(\d{4})-(\d{2}) 能把年月分开取出;(?:...) 是只分组不捕获,性能和可读性更好。竖线 | 是“或”,cat|dog 匹配 cat 或者 dog,注意它的优先级最低,必要时用括号括起来。

给新手的三条建议:第一,先在在线测试工具里用真实样本试,边改边看高亮,别凭感觉上线;第二,校验场景先定边界,是“包含”还是“整串就是”,锚点不能省;第三,别追求一句话写完所有情况,太长的正则没人能维护,拆成两步校验往往更清楚。

一句话总结:字符定范围、量词定次数、锚点定位置、分组做提取。把这四组符号练熟,日常的搜索、校验、清洗就够用了。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。