你是否曾在编程论坛上看到一串密密麻麻的符号如 /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/，感到既神秘又敬畏？那就是正则表达式（Regular Expression，简称 Regex）。尽管它初看起来如同密码，却是每一位开发者、数据分析师、内容编辑都应该至少深入理解一次的强大工具。本文将带你从历史背景、核心概念、常用模式，一直讲到实战应用，让你从"看不懂"进阶到"能写能用"。
一、正则表达式简史与核心概念
正则表达式从何而来?
在 1950 年代，数学家 Stephen Kleene 在形式语言理论的研究中引入了"正规语言"（Regular Language）的概念。到了 1970 年代，Unix 工具 sed 和 grep 首次将正则表达式应用于实际的文字搜寻与替换，至此，Regex 便成为了 Unix 文化的一部分。如今，无论是 Perl、Python、JavaScript、PHP、Java 还是 C++，几乎所有主流程序语言都内建或支持正则表达式，成为了跨领域的通用技能。
什么是正则表达式?
简单来说，正则表达式是一种用符号定义文字模式的方式。它不是一门语言本身，而是一种模式描述法。给定一段文本和一个正则表达式，引擎会告诉你:"这段文本中哪些部分符合这个模式?"或"用这个模式替换成那个模式"。
例如，如果你想找出一篇文章中所有"单独成行的数字"（例如年份、编号），用正则表达式就能简洁地表达——比起写一堆 if-else 和 for 循环，Regex 通常是更优雅的选择。
二、基础语法：逐个符号的深度讲解
字符集与量词
正则表达式的核心是字符集和量词的组合。以下是最常用的几种：
字符集
.：匹配任意单个字符（除了换行符，某些引擎可设定包含换行）[abc]：字符类，匹配 a、b 或 c 中的任一个[a-z]：范围，匹配小写字母 a 到 z[^abc]：否定字符类，匹配除了 a、b、c 之外的任何字符\d：匹配任意数字（等同[0-9]）\D：匹配非数字字符\w：匹配单词字符（字母、数字、下划线，等同[a-zA-Z0-9_]）\W：匹配非单词字符\s：匹配任意空白字符（空格、制表符、换行符）\S：匹配非空白字符
量词
*：0 个或多个（贪心量词）+：1 个或多个（贪心量词）?：0 个或 1 个（可选）{n}：恰好 n 个{n,}：至少 n 个{n,m}：至少 n 个，至多 m 个*?、+?、??：非贪心版本（懒惰量词）
锚点
^：行起始位置$：行结束位置\b：单词边界（字符与非字符之间的位置）\B：非单词边界
逃脱特殊字符
某些符号在 Regex 中有特殊含义（如 .、*、+、?、[、]、(、) 等）。若想匹配字面上的这些符号，需要在前面加上反斜线 \ 进行逃脱。例如，要匹配句号 . 的字面意义，应写成 \.。
三、常用模式实例：从简到繁
电邮地址验证
一个简化但实用的电邮正则表达式：
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$解读：
^与$：确保模式从头匹配到尾[a-zA-Z0-9._%+-]+：帐号部分，一个或多个合法字符@：字面的 @ 符号[a-zA-Z0-9.-]+：域名的主要部分\.：字面的点[a-zA-Z]{2,}$：至少 2 个字母的顶级域名（.com、.tw、.org 等）
电话号码格式
匹配台湾手机号码（09xx-xxxx-xxxx 格式）：
^09\d{2}-\d{4}-\d{4}$IP 地址（IPv4）
匹配任意有效的 IPv4 位址：
^(\d{1,3}\.){3}\d{1,3}$注意：这个简化版本不会检查每个八位组是否在 0-255 范围内，完整版本会更复杂。
日期格式（YYYY-MM-DD）
^\d{4}-\d{2}-\d{2}$URL 验证
一个基本的 URL 正则表达式：
^https?://[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(/.*)?$四、进阶技巧：捕获与回溯参考
捕获群组
圆括号不只用来分组，它还定义了捕获群组，可以在匹配后存取并重复使用。例如：
(\d{4})-(\d{2})-(\d{2})匹配日期时，会捕获三个群组：第 1 组是年份、第 2 组是月份、第 3 组是日期。在替换操作中，可以用 $1、$2、$3 引用这些群组。
非捕获群组
有时你只想分组但不需要捕获，可以使用 (?:...) 语法：
(?:cat|dog) ate这会匹配 "cat ate" 或 "dog ate"，但不会占用捕获槽位。
向前查看与向后查看
有时需要匹配"前面或后面是某某"的位置，而不消耗那些字符。例如，匹配"后面跟着 'ing'"的单词：
\w+(?=ing)或者匹配"前面是 'price: '"的数字：
(?<=price: )\d+五、常见误区与性能陷阱
贪心量词 vs 懒惰量词
预设情况下，量词如 * 和 + 是"贪心"的，它们会匹配尽可能多的字符。考虑以下例子：
const regex = /<.*>/;
const text = '<div>content</div>';
预期是匹配 <div>，但贪心的 .* 实际上会匹配 <div>content</div>——整个字串！若要修正，改用懒惰量词 .*? 即可。
特殊字符忘记逃脱
许多初学者在撰写 Regex 时忘记逃脱句号、括号等特殊字符，导致模式不符预期。记住：若要匹配字面的特殊字符，务必加上 \。
效能灾难：重复的量词与回溯
某些欠佳设计的正则表达式会导致"灾难性回溯"（Catastrophic Backtracking），使得引擎花费指数级时间去尝试各种匹配组合。例如：
(a+)+b若输入是一长串 'a' 但没有 'b'，引擎会在每一步都尝试回溯，导致性能剧降。避免这类模式的秘诀是：尽量限制量词的范围，使用非贪心量词，或者明确加上边界条件。
六、实务应用范例
验证电话号码
在 Web 表单中验证用户输入的电话号码：
function validatePhone(phoneNumber) {
const regex = /^09\d{2}-\d{4}-\d{4}$/;
return regex.test(phoneNumber);
}
console.log(validatePhone("0912-3456-7890")); // true
console.log(validatePhone("12345")); // false
从文本中提取电子邮件
const text = "联系我：[email protected] 或 [email protected]";
const emailRegex = /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g;
const emails = text.match(emailRegex);
console.log(emails); // ["[email protected]", "[email protected]"]
替换与格式化
将日期格式从 YYYY-MM-DD 改为 DD/MM/YYYY：
const date = "2026-03-18";
const reformatted = date.replace(/(\d{4})-(\d{2})-(\d{2})/, "$3/$2/$1");
console.log(reformatted); // "18/03/2026"
去除 HTML 标签
虽然用 Regex 去除 HTML 标签不是最佳实践（应该用 HTML 解析器），但简单示例如下：
const html = "<p>这是一段 <strong>重要</strong> 文字。</p>";
const plainText = html.replace(/<[^>]+>/g, "");
console.log(plainText); // "这是一段 重要 文字。"
七、工具与线上资源
掌握 Regex 最好的方式就是不断练习。使用正则表达式生成器工具可以实时测试你的模式，看看它如何匹配各种输入。同时，也推荐查阅以下资源：
- MDN Web Docs：JavaScript RegExp 的详细文件
- Regex101.com：线上 Regex 测试工具，支持多种语言与风格
- RegexPal：另一个优秀的线上测试平台
- Regex Cheat Sheet：快速速查表
此外，不同的程序语言和工具可能在 Regex 实现上有细微差异。例如，Java 和 JavaScript 的量词语法相同，但 Perl 支持一些更高级的特性。在实际应用中，熟悉你所用语言的 Regex 方言很重要。
八、总结与进阶方向
正则表达式是一项初看复杂、但一旦掌握就能大幅提升开发效率的技能。核心要点是：
- 理解字符集、量词、锚点的组合逻辑
- 透过实际例子（电邮、电话、日期等）建立直觉
- 留意性能陷阱，特别是贪心量词与回溯问题
- 在实务中频繁测试与迭代，不要过度最佳化
若要进一步深化，可探索 PCRE（Perl Compatible Regular Expressions）、命名捕获群组、更复杂的向前／向后查看，甚至撰写自己的 Regex 引擎以理解其内部运作。但对大多数日常编程任务而言，本文涵盖的内容已足敷应用。
现在，打开正则表达式生成器工具，试着编写几个模式来匹配你自己的数据集吧。实践是最好的老师。