正则表达式怎么写?常用符号含义与实例速查

0 阅读

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。

正则表达式语法速查工具界面:按类别展示语法卡片并可点击复制
语法按卡片分类,用到哪个点哪个

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:

正则表达式语法速查正则表达式语法速查工具,快速查看元字符、数量词、分组、字符集和断言的含义并一键复制。立即使用

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。

查看更多
JSON解析报错怎么查?Unexpected token 排查JSON解析报错怎么查?Unexpected token 排查网站打不开显示403、502?按状态码分清是谁的问题网站打不开显示403、502?按状态码分清是谁的问题cron表达式怎么写?每5分钟、每天8点的定时任务写法cron表达式怎么写?每5分钟、每天8点的定时任务写法SSL证书还有多久到期?HTTPS证书检查清单SSL证书还有多久到期?HTTPS证书检查清单