正则表达式

正则表达式描述文本模式，适合查找、提取、替换和格式校验。不同工具使用的引擎并不完全相同：JavaScript、Python、PCRE2、RE2、POSIX ERE 和 findstr 的语法与能力都有差异。复杂模式必须在目标工具中测试。

核心语法

模式	含义	示例
.	除换行外的任意字符，具体行为受模式选项影响	a.c
^ / $	输入或行的开始 / 结束	^ERROR:
[abc]	字符集合中的一个字符	[0-9]
[^abc]	不在集合中的一个字符	[^,]+
\d / \s / \w	数字、空白、单词字符；Unicode 范围依引擎和选项而定	\d{4}
* / + / ?	前一单元重复 0 次以上、1 次以上、0 或 1 次	ab+c
{m,n}	前一单元重复 m 到 n 次	\d{2,4}
(...)	捕获组	`(cat	dog)`
(?:...)	非捕获组，部分引擎不支持	(?:https?)://
`A	B`	匹配 A 或 B	`yes	no`
\b	单词边界，不消耗字符	\bcat\b
\.	匹配字面量点号	example\.com

字符类、反向引用、环视和 Unicode 属性是最容易出现引擎差异的区域。跨平台脚本优先使用简单模式，并在文档中说明目标引擎。

贪婪与惰性

量词默认尽可能多地匹配。追加 ? 通常变为惰性量词，在满足后续模式的前提下尽可能少匹配。

输入：<b>one</b><b>two</b>
<b>.*</b>    -> 整段
<b>.*?</b>   -> 第一个标签块

惰性量词不是“更安全”的通用替代。结构明确时，排除结束符通常更清楚，例如 <b>[^<]*</b>。

查找、提取与替换

^(?<level>INFO|WARN|ERROR)\s+(?<message>.+)$

该模式把日志级别和消息分组提取。命名组语法依引擎而异；JavaScript 和部分 PCRE 风格引擎支持 (?<name>...)，Python 常用 (?P<name>...)。

替换语法也由工具决定。VS Code 和 JavaScript 常用 $1 引用第一个捕获组，部分命令行工具使用 \1。先查看目标工具文档，不要只验证查找模式。

常见陷阱

1. 只验证局部：校验完整输入时通常需要 ^...$，某些引擎可使用更严格的输入边界。
2. 转义两次：正则写在编程语言字符串中时，反斜杠还要经过字符串解析，例如 JavaScript 字符串中的 "\\d+"。
3. 回溯失控：嵌套、含糊量词可能导致极慢匹配。对外部输入限制长度，并避免 (.*)+ 一类结构。
4. 把解析器问题交给正则：嵌套 JSON、XML 和编程语言语法应使用对应解析器。
5. 忽略换行和 Unicode：点号、边界、大小写和字符类行为受引擎选项影响。

测试方法

至少覆盖：正常输入、空输入、边界长度、相似但不应匹配的输入、换行、非 ASCII 文本和超长恶意输入。先写出输入与期望结果，再优化模式；可读性比少几个字符更重要。

---

来源：CSDN 原文，首次发布于 2025-04-27。