团队里新来的同事第一次改校验规则,盯着别人写的 ^1[3-9]\d{9}$ 看了两分钟,问我这是加密了吗。
正则不是密码,它是一门很小的语言,专门用来描述"什么样的字符串算合格"。看着乱,是因为符号密集,拆开看每个符号只管一件事。
四个构件,撑起九成用法
不用一上来就啃完整个语法表,先记住这四类:
- 字符类:
\d数字、\w字母数字下划线、\s空白。大写是取反,\D就是"不是数字"。 - 量词:
*零次或多次、+一次或多次、?零次或一次、{n,m}n 到 m 次。 - 位置:
^开头、$结尾、\b单词边界。 - 分组:
()把一段括起来当整体,[]表示"里面任意一个字符",|是或。
回到开头那串:^1[3-9]\d{9}$。翻译成人话——以 1 开头,第二位是 3 到 9 之间任意一个数字,后面跟九个数字,到此结束。就是 eleven 位手机号。
四个常用例子
去掉多余空格:\s+ 替换成一个空格。粘代码、粘表格经常用。
提取日期:(\d{4})-(\d{2})-(\d{2})。括号里的内容可以被单独取出来,年、月、日各一组。
匹配邮箱:^[\w.+-]+@[\w-]+\.[\w.]+$。够日常用,但严格按 RFC 标准写的正则有几百个字符,没人真那么写。
排除某段:(?!.*广告).*。这叫负向前瞻,意思是"后面不出现'广告'两个字的才匹配"。
贪婪是新手第一个坑
.* 默认是贪婪的,会尽量多吃。比如从 <b>粗</b><b>体</b> 里取内容,用 <b>(.*)</b>,取到的是 粗</b><b>体——它一路吃到了最后一个闭合标签。
加个问号变成 .*?,就是"尽量少吃",一次只取一个。这个问号不是可有可无的装饰,改动一个字,结果完全不同。
换语言就失效,这是第二坑
同一段正则,在 JavaScript、Python、PHP、Java 里的行为可能不一样:
- 后行断言
(?<=)在 JavaScript 里要较新的引擎才支持。 - 命名分组,Python 用
(?P<name>),JavaScript 用(?<name>)。 - Unicode 字符的
\w范围各家默认值不同,处理中文尤其容易翻车。
所以从网上抄的正则,一定要在当前语言里跑一遍测试再上线。
推荐工具
语法卡片按类别排好,用到哪个点哪个,点一下复制:
写完之后
正则上线前建议做两件事:一是拿真实数据跑,二是准备几条"应该被拒绝"的样本。只测通过的情况,等于没测。
需要处理 JSON 结果的,用JSON格式化看结构;要校验时间格式的,Cron表达式解析器能帮你确认定时规则对不对;处理编码问题看Base64编码解码。
最后一句:正则写出来三天后自己也看不懂,是常态。加一行注释说明它校验什么,比写得短更重要。