正则表达式基础

字面字符与字符类

大多数字符匹配其自身：模式 cat 会找到文本“cat”。有些字符具有特殊含义，例如 . * + ? ( ) [ ] { } ^ $ | \。要按字面匹配其中某个字符，请用反斜杠转义，例如用 \. 匹配句点。

字符类匹配集合中的一个字符。[abc] 匹配 a、b 或 c；[a-z] 匹配一个小写 ASCII 字母；[^0-9] 匹配任何非数字字符。常用的简写有 \d（数字）、\w（字母、数字或下划线）、\s（空白字符），以及它们的反义 \D、\W 和 \S。点 . 匹配除换行以外的任意字符。

在 JavaScript 中，\w 和 \d 只涵盖 ASCII 字符。要匹配任何语言的字母，请配合 u 标志使用 \p{L} 等 Unicode 属性。

量词与锚点

量词指定前一项可以重复的次数：

锚点匹配的是位置而不是字符。^ 表示输入的开头，$ 表示输入的结尾（使用 m 标志时为每一行的开头和结尾）。\b 是单词边界，因此 \bcat\b 能找到“cat”，但不会匹配“concatenate”。验证整个值时，请锚定两端：^\d{5}$ 只接受恰好五位数字，不接受其他内容。

分组与捕获

圆括号将模式的一部分分组，使量词或选择作用于整组：(ab)+ 重复“ab”，(jpg|png) 匹配两个单词之一。普通分组还会捕获匹配的文本，您可以在替换中以 $1、$2 等形式重复使用。

(?<year>\d{4}) 这样的命名组让模式更易读，并可通过 $<year> 引用。如果只需要分组，可以使用非捕获组 (?:...)，避免产生用不到的捕获。LeedyBox 正则表达式测试会列出每个匹配及其捕获组，并预览替换结果。

标志

标志会改变整个模式的行为。常用的 JavaScript 标志有：

• g（global）：查找所有匹配，而不只是第一个。
• i（ignore case）：将大写和小写视为相同。
• m（multiline）：^ 和 $ 在每个换行处匹配。
• s（dotAll）：. 也匹配换行。
• u（unicode）：启用支持 Unicode 的匹配和 \p{...} 类。

JavaScript 还有 y（sticky）和 d（匹配索引），测试工具也都支持。

贪婪与惰性，以及灾难性回溯

量词默认是贪婪的：它们尽可能多地匹配，如果模式的其余部分匹配失败，再逐个退还字符。对于文本 <b>bold</b>，模式 <.+> 会匹配整个字符串。加上 ? 会让量词变为惰性，因此 <.+?> 只匹配 <b>。<[^>]+> 这样的否定字符类通常更清晰，也更快。

包括 JavaScript 在内的大多数正则引擎都使用回溯。(a+)+$ 这样的嵌套量词或相互重叠的选择分支，可能会在匹配失败时让引擎尝试海量的组合，从而使页面或服务器卡死。这被称为灾难性回溯；面对不可信的输入时，它可能被用于拒绝服务攻击（ReDoS）。请避免对同一组字符嵌套量词，优先使用具体的字符类而不是 .*，并用不匹配的长输入测试模式。

不同的正则方言

正则表达式没有统一的标准。JavaScript、Python、Java、.NET、PCRE（PHP 所用）、Go 以及各种数据库支持的语法都略有不同。后行断言、占有量词、命名组语法、Unicode 类和替换语法各不相同。例如，Go 的 RE2 引擎不支持环视和反向引用。

LeedyBox 正则表达式测试使用您浏览器的 JavaScript 引擎。在这里可用的模式在其他语言中可能需要修改，因此请在实际运行的环境中再次测试。

常见问题