精华社 · 藏经阁

外观

正则表达式食谱

约 1307 字

正则这工具，用的频率不高，但每次用都省大时间：一次校验、一次批量替换、 一次日志解析，手写循环能写半小时，它一行搞定。问题是语法容易忘， 这篇当菜谱，用到什么查什么。

一、最小可用语法

.        任意一个字符（换行符除外，加 s 标志后包括）
\d       数字 0-9
\w       字母、数字、下划线
\s       空白（空格、Tab、换行）
\D \W \S 上面三个的「不是」

[abc]    a、b、c 中的任意一个
[^abc]   除了它们仨
[a-z0-9] 区间组合

*        前面的东西重复 0 次或多次
+        重复 1 次或多次
?        重复 0 次或 1 次
{3}      正好 3 次
{3,}     至少 3 次
{3,5}    3 到 5 次

^        开头（方括号里是「非」的意思）
$        结尾
|        或：cat|dog
( )      分组，还能把匹配到的部分「捕获」出来

常用模式速查表

图：最常用的几类模式，忘了就回来查

二、常用模式速查

手机号（中国大陆，简单版）：

/^1[3-9]\d{9}$/

严格版号段一大堆，业务上「能拦住乱填的」就行，别追求完美。

邮箱：

/^[\w.-]+@[\w-]+(\.[\w-]+)+$/

这个不追求 RFC 完备（那个正规军表达式长得离谱），够挡住 99% 的错填。

URL：

/^(https?):\/\/[\w.-]+(:\d+)?(\/[^\s]*)?$/

IPv4（宽松）：

/^(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})$/

它不校验 0-255 的范围（999.999.999.999 也能过），要严格校验范围的话， 后面提。

日期（YYYY-MM-DD）：

/^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$/

月份限制 01-12，日期 01-31。2 月 30 号这种它不管，真要校验日期合法性， 交给 new Date() 更靠谱。

去掉 HTML 标签（粗暴版）：

str.replace(/<[^>]+>/g, '')

再次强调粗暴版，解析 HTML 请用正经解析器。

三、分组与捕获

圆括号不只是分组，还能把匹配到的片段拿出来：

const m = '2026-10-21'.match(/^(\d{4})-(\d{2})-(\d{2})$/)
// m[1] = '2026', m[2] = '10', m[3] = '21'

JS 里用解构更爽：

const [, year, month, day] = '2026-10-21'.match(/^(\d{4})-(\d{2})-(\d{2})$/)

替换时可以用 $1、$2 引用捕获组。把日期格式从 2026-10-21 改成 21/10/2026：

'2026-10-21'.replace(/^(\d{4})-(\d{2})-(\d{2})$/, '$3/$2/$1')
// '21/10/2026'

不需要捕获的分组加 (?:...)，叫非捕获组，只分组不占编号：

/(?:ab)+(c)/   // 只有 c 是 $1

命名捕获组（ES2018+），可读性更好：

const m = /^(?<year>\d{4})-(?<month>\d{2})$/.exec('2026-10')
// m.groups.year === '2026'

四、标志位

/pattern/g    // global：全局匹配，不只找第一个
/pattern/i    // ignoreCase：忽略大小写
/pattern/m    // multiline：^ $ 匹配每一行的开头结尾，不只是整串
/pattern/s    // dotAll：. 也能匹配换行符
/pattern/u    // unicode：正确处理 emoji、生僻字
/pattern/y    // sticky：从上次匹配结束的位置开始找

两个高频翻车点：

  1. 忘了 /g：replace 只替换第一个，排查半天；
  2. test 配合 /g 会「记忆」位置：/a/g.test('aa') 第一次 true， 第二次 false，因为 lastIndex 前进了。所以 test 别带 /g。

五、性能：灾难性回溯

这是正则最著名的坑。看这个「看起来人畜无害」的模式：

/^(a+)+$/

拿它匹配一串 a 后面跟一个 b 的字符串，比如 'aaaaaaaaaaaaaaaaaaaaab'。 回立刻卡死。为什么：(a+)+ 匹配同一串 a 有无穷多种拆法， 回溯时要穷举这些拆法，数量随长度指数爆炸。

规避原则：

  • 别写嵌套量词（(x+)+、(x*)*、(x+)* 这类）；
  • 两组量词之间加「锚定物」，比如 (a+)+b 改写成 a+b；
  • 复杂校验拆成几步，正则干一部分，代码逻辑干一部分；
  • 在线测试正则，用不支持回溯炸弹的测试数据，别在生产代码里试。

六、调试工具

  • regex101.com：业界公认最好用，逐字符解释匹配过程， 支持多种方言（JS/Python/PCRE）；
  • regexr.com：交互更现代，社区示例多；
  • VS Code 搜 regex101 扩展，编辑器内直接测。

拿不准的模式先上 regex101 跑一遍再上线，比在生产日志里试安全得多。

七、一份「人话翻译」练习

最后留个练习，把这段「人话」翻成正则： 匹配一段 IPv4，且每段 0-255：

0-199   ：[01]?\d?\d（宽松点也行，别太纠结）
200-249：2[0-4]\d
250-255：25[0-5]

组合起来：

/^((25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(25[0-5]|2[0-4]\d|[01]?\d?\d)$/

能看懂这个，日常正则就毕业了。看不懂没关系，把前面速查表用熟， 遇到具体场景现查，程序员不是背正则的机器。

小结

正则的正确用法是：常用模式背十几条，复杂场景现场查，性能红线不碰 嵌套量词。它是个省时间的工具，别把它当成炫技的舞台 —— 能一条正则解决别写三十行，但该用代码逻辑的地方也别硬套正则。