一、正则表达式简介

1. 什么是正则表达式？

正则表达式（Regular Expression，简称regex或regexp）是一种用于描述搜索模式的特殊字符序列。它可以用于查找、替换或验证文本中的特定模式。正则表达式广泛应用于字符串匹配和文本处理领域，如数据验证、信息抽取和文本编辑等。

2. 常见应用场景

正则表达式在日常编程中有着广泛的应用，例如：

• 验证用户输入（如邮箱地址、电话号码）
• 数据清洗和格式化
• 从日志文件中提取有用信息
• 搜索和替换文本

二、正则表达式的基础构成

1. 普通字符

普通字符是指没有特殊含义的字符，它们在正则表达式中直接表示自身。例如：

• a 匹配字符 'a'
• 1 匹配字符 '1'
• . 匹配字符 '.'

2. 元字符

元字符是有特殊意义的字符，用于构建复杂的模式。常见的元字符包括：

• .：匹配除换行符以外的任意单个字符。
• ^：匹配字符串的开始位置。
• $：匹配字符串的结束位置。
• *：匹配前面的元素零次或多次。
• +：匹配前面的元素一次或多次。
• ?：匹配前面的元素零次或一次。
• |：表示“或”，匹配左右两边的任意一个表达式。
• ()：用于分组，组合多个表达式。
• []：表示字符类，匹配方括号中的任意一个字符。

3. 字符类

字符类是用来定义一个字符集合，用方括号括起来。字符类中的每个字符都可以被匹配。常见的字符类有：

• [abc]：匹配 'a'、'b' 或 'c' 中的任意一个字符。
• [0-9]：匹配 '0' 到 '9' 之间的任意一个数字。
• [^abc]：匹配除 'a'、'b'、'c' 之外的任意字符。

4. 量词

量词用于指定前面的元素可以重复的次数。常见的量词包括：

• *：匹配前面的元素零次或多次。
• +：匹配前面的元素一次或多次。
• ?：匹配前面的元素零次或一次。
• {n}：匹配前面的元素恰好 n 次。
• {n,}：匹配前面的元素至少 n 次。
• {n,m}：匹配前面的元素至少 n 次，至多 m 次。

5. 边界匹配

边界匹配符用于指定匹配的开始或结束位置：

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• \b：匹配单词边界。
• \B：匹配非单词边界。

6. 分组和捕获

分组是将正则表达式的多个部分组合起来，使它们作为一个整体进行匹配。分组使用小括号 () 来表示。

• (abc)：将 'abc' 作为一个整体进行匹配。
• (\d{3})：将三位数字作为一个整体进行匹配。

分组还可以用于捕获匹配的内容，捕获的内容可以在后续使用。

7. 转义字符

由于某些字符在正则表达式中具有特殊含义，如果要匹配这些字符本身，需要使用反斜杠 \ 进行转义。例如：

• \.：匹配 . 字符，而不是作为任意字符的通配符。
• \*：匹配 * 字符，而不是作为量词。

三、正则表达式的高级特性

1. 非捕获组

在使用捕获组 () 时，正则表达式会保存匹配的内容，有时这并不是我们想要的。如果你只想分组但不捕获，可以使用非捕获组 (?:...)：

• (?:abc)：匹配 abc，但不会捕获该内容。

2. 回溯引用

回溯引用允许你在正则表达式中引用之前捕获的内容。可以通过反斜杠 \ 和数字来使用回溯引用：

• (abc)\1：匹配 abcabc，\1 引用第一个捕获组的内容。
• (.)\1：匹配两个连续的相同字符，如 aa、bb。

3. 正向先行断言 (Lookahead)

正向先行断言用于检查某个子字符串是否在另一个字符串的前面，但不包括在最终的匹配中。用法是 (?=...)：

• \d(?=px)：匹配跟在 px 前面的数字，但不包含 px。
• \w+(?=\s)：匹配后面跟着空白字符的单词，但不包括空白字符。

4. 负向先行断言 (Negative Lookahead)

负向先行断言用于确保某个子字符串不出现在另一个字符串的前面。用法是 (?!...)：

• \d(?!px)：匹配跟在非 px 前面的数字。
• \w+(?!s)：匹配后面不跟空白字符的单词。

5. 正向后发断言 (Lookbehind)

正向后发断言用于检查某个子字符串是否在另一个字符串的后面，但不包括在最终的匹配中。用法是 (?<=...)：

• (?<=\$)\d+：匹配跟在美元符号 $ 后面的数字，但不包括 $。
• (?<=\bword\s)\w+：匹配跟在单词 word 后面的单词，但不包括 word。

6. 负向后发断言 (Negative Lookbehind)

负向后发断言用于确保某个子字符串不出现在另一个字符串的后面。用法是 (?<!...)：

• (?<!\$)\d+：匹配不跟在美元符号 $ 后面的数字。
• (?<!\bword\s)\w+：匹配不跟在单词 word 后面的单词。

7. 贪婪与懒惰匹配

默认情况下，量词是贪婪的，会匹配尽可能多的字符。可以通过在量词后加 ? 使其变为懒惰模式，即尽可能少地匹配。

• .*：贪婪匹配，匹配尽可能多的字符。
• .*?：懒惰匹配，匹配尽可能少的字符。

8. 嵌入条件 (Conditionals)

某些正则表达式引擎支持条件匹配。语法是 (?(条件)真分支|假分支)：

• (?(1)abc|def)：如果第一个捕获组匹配成功，则匹配 abc，否则匹配 def。

9. 递归匹配

递归匹配用于匹配嵌套的模式，如匹配平衡的括号。并非所有正则表达式引擎都支持此功能，语法因引擎而异：

• (\((?:[^()]|(?R))*\))：在支持递归的引擎中，用于匹配平衡的括号。

10. 注释

在某些正则表达式引擎中，可以通过 (?x) 启用忽略空白和注释模式，从而使正则表达式更具可读性：

• (?x) \d+ \s* # 匹配一个或多个数字，然后是零个或多个空白。

11. 命名捕获组

命名捕获组允许你为捕获的子字符串命名，以便在后续处理中更方便地引用。语法为 (?<name>...)：

• (?<area_code>\d{3})：匹配三位数字，并将其命名为 area_code。

12. 条件判断 (Conditional Expressions)

在一些高级正则表达式引擎中，允许使用条件表达式来选择不同的模式进行匹配。语法为 (?(id/name)yes-pattern|no-pattern)：

• (?(1)abc|def)：如果捕获组 1 存在，则匹配 abc，否则匹配 def。

四、常见正则表达式

1. 邮箱地址验证:
   ^[\w\.-]+@[a-zA-Z\d\.-]+\.[a-zA-Z]{2,6}$

2. 手机号码验证（中国）:
   ^1[3-9]\d{9}$

3. IP地址验证（IPv4）:
   ^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$

4. 邮政编码验证（中国）:
   ^\d{6}$

5. 日期格式验证（YYYY-MM-DD）:
   ^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

6. URL验证:
   ^https?:\/\/[^\s/$.?#].[^\s]*$

7. 密码强度验证（至少8位，包括字母、数字、特殊字符）:
   ^(?=.*[A-Za-z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$

8. HTML标签匹配:
   <(\/?[\w\s]*)(\s*[^>]*)>

9. 匹配含有至少一个数字的字符串:
   \d+

10. 去除字符串首尾空白:
    ^\s+|\s+$