正则表达式入门：从字符类到分组与常用模式

正则表达式是一套用来描述字符串规则的工具。它不依赖某一种编程语言，几乎所有主流语言都内置了对它的支持。学会它之后，很多原本需要写几十行判断逻辑的字符串处理工作，一行模式就能完成。本文从字符类出发，逐步讲到量词、锚点、分组，再给出几个可以直接套用的常用模式。

一、字符类：先说明能匹配什么

字符类用一对方括号表示，意思是方括号里列出的任意一个字符都算匹配成功。

[abc]      匹配 a、b、c 中的任意一个
[a-z]      匹配任意一个小写字母
[A-Z]      匹配任意一个大写字母
[0-9]      匹配任意一个数字
[^abc]     匹配除 a、b、c 之外的任意一个字符
[a-zA-Z]   匹配任意一个英文字母

方括号里的连字符表示范围，脱字符放在最前面表示取反。除了手写范围，还可以直接使用几个常见的简写：

\d    数字，等价于 [0-9]
\D    非数字
\w    字母、数字或下划线
\W    不是字母、数字或下划线的字符
\s    空白字符，包括空格、制表符和换行
\S    非空白字符
.     除换行之外的任意一个字符

初学者常犯的错误，是把点号当成普通字符。点号本身是通配符，如果要匹配真正的点，需要写成转义形式。同样，方括号、圆括号、星号、加号、问号这些符号在正则里都有特殊含义，需要匹配它们本身时，前面要加反斜杠。

二、量词：说明出现多少次

只写一个字符类，一次只能匹配一个字符。量词的作用，就是说明前面的元素可以出现多少次。

*       出现零次或多次
+       出现一次或多次
?       出现零次或一次
{n}     恰好出现 n 次
{n,}    至少出现 n 次
{n,m}   出现 n 到 m 次

举几个例子：

\d+        一个或多个数字
[a-z]{3}   恰好三个小写字母
\w{6,16}  6 到 16 位的字母、数字或下划线
colou?r   既能匹配 color，也能匹配 colour

量词默认是贪婪的，也就是在满足整体匹配的前提下，尽量多地匹配。例如用 .* 去匹配一段文字，它会一直吃到最后一个可能的位置。如果想让它少匹配一点，可以在量词后面再加一个问号，写成懒惰量词，例如 .*?。在处理成对出现的符号时，懒惰量词往往更符合直觉。

三、锚点：说明位置在哪里

字符类和量词解决的是匹配什么、匹配多少次，锚点解决的是在什么位置匹配。锚点本身不消耗字符，只对位置提出要求。

^     字符串的开头
$     字符串的结尾
\b    单词边界
\B    非单词边界

^\d+$ 表示整个字符串必须全部由数字组成，开头和结尾的锚点把范围锁死，中间就不会混进其他字符。去掉锚点之后，\d+ 只要求字符串里有一段数字就算匹配，这在做整体校验时很容易放过不合格的输入。做输入校验时，锚点几乎是必不可少的。

四、分组与选择：把规则组合起来

圆括号的作用是分组。被括号包起来的部分会被当成一个整体，量词可以直接作用在整个分组上，分组内部的匹配结果还可以被捕获下来，在替换时重复使用。

(ab)+      连续出现一次或多次的 ab
(ha){2}    恰好出现两次的 ha

竖线表示选择，意思是左右两边任意一边成立即可。

cat|dog    匹配 cat 或者 dog
(2025|2026)  匹配其中的一个年份数字

需要注意选择的作用范围。ab|cd 匹配的是 ab 或者 cd，而不是 a 加上 b 或 c 再加上 d。如果想把选择限制在更小的范围里，要用括号把它包起来，例如 a(b|c)d。

如果只需要分组，不需要捕获结果，可以使用非捕获分组 (?:...)。它在逻辑上和普通分组一样，只是不保存匹配结果，写长表达式时可以减少干扰。

(?:ab)+    分组但不捕获
(\d+)-(\d+)  两个分组分别捕获两段数字

捕获分组在替换时很有用。很多编辑器和编程语言都支持用类似第一组、第二组的方式引用前面匹配到的内容，例如把一对数字调换顺序，或者给一段文字统一加上标记。

五、几个可以直接套用的常用模式

下面是日常开发中出现频率很高的几类模式。直接拿去用之前，先结合自己的业务规则确认细节，例如长度、允许的字符、是否区分大小写。

纯数字：        ^\d+$
用户名：        ^[a-zA-Z][a-zA-Z0-9_]{5,15}$
年份加月份：    ^\d{4}-(0[1-9]|1[0-2])$
日期：          ^\d{4}-\d{2}-\d{2}$
手机号：        ^1[3-9]\d{9}$
去除首尾空白：  ^\s+|\s+$
连续空白压缩：  \s+

以用户名为例：第一位必须是字母，后面可以是字母、数字或下划线，总长度控制在 6 到 16 位。把这个规则拆开看，就是锚点加字符类加量词的组合，理解了前面几节，读懂它并不难。

六、写正则的三个习惯

第一，从最小的例子开始。先写一个能匹配最简单输入的模式，确认没问题再逐步加上边界条件。一次写完再调试，往往不知道是哪一段出了问题。

第二，给模式加上锚点。校验类场景要明确整段字符串是否符合规则，搜索类场景才适合去掉锚点，只找其中一段。

第三，用真实数据验证。准备几组应该通过的输入和几组应该拒绝的输入，逐一跑一遍。特别是边界值，例如空字符串、刚好达到长度上限的输入、包含空格或特殊符号的输入，最容易暴露问题。

结语

正则表达式的核心并不复杂：字符类决定能匹配什么，量词决定出现多少次，锚点决定在什么位置匹配，分组和选择负责把这些小规则组合成大规则。掌握这四层，再对照常用模式多练几次，日常的字符串校验、提取和替换工作就会轻松很多。