前言

正则表达式 （Regular Expression） 是一种强大的文本模式描述语言，可以通过简洁的符号组合描述复杂的字符串匹配规则。被广泛应用于数据验证、文本提取、日志分析等领域，在我们日常工作中发挥着重要的作用。

软件行业从业，是否掌握正则表达式的使用，往往是区分菜鸟和老手的重要标识。 本文我们结合一些具体案例，详细梳理下正则表达式的应用，早日告别新手村！

正则表达式核心语法

学习正则表达式， 这里推荐一个非常直观的线上验证平台， https://regex101.com , 对于我们练习和掌握正则语法非常有帮助。

普通字符和特殊字符

正则表达式作为一个匹配规则。当然首先可以匹配各种普通字符。主要指各种中英文单词、字母、数字。此外正则表达式还会预留很多特殊字符，如 * ? + . () [] $ ^ \ | 等，代表一些特别的匹配规则，而如果这些特殊字符我们需要看作普通字符进行匹配时，则需要使用 \ 符号进行转义，因此 \ 也称转义符。比如 \? 就会匹配目标文本中的 ? 字符， \\ 则会匹配目标文本中的 \ 字符

量词符（quantifiers）

量词符是用于控制匹配次数的符号：

• * 零次或多次（如 a* 可匹配 “”, “a”, “aa”）
• + 一次或多次（a+ 必须至少有一个a）
• ? 零次或一次（a? 可匹配 "" 或 a）
• {n} 精确匹配n次（{4} 匹配4次）
• {m,n} 匹配m到n次（含边界）
• {m,} 匹配m到多次
• {,n} 匹配零次到n次

另外，在正则表达式中，还有两种匹配模式

• 贪婪模式：这是默认模式，也就会在目标文本中，尽可能最长地去匹配符合规则的字符
• 惰性模式：而如果在量词后加?则标记以惰性模式进行匹配，也就是尽可能少地去匹配符合规则的字符

举例来说：

浮云长长长长长长长消

这个上联中有 7 个 长 字，正则表达式 长{2,3} 默认按贪婪模式匹配，会匹配到 2 次 长长长， 而加上 长{2,3}? 则会按尽量少的字符匹配，匹配到 3 次 长长

元字符（Metacharacters）

除量词符外，还有一类元字符，被预留构成正则表达式的基础特殊符号：

• \d 匹配数字（等价于 [0-9]）
• \D 匹配非数字
• \w 匹配单词，包括字母、数字和下划线（等价于 [A-Za-z0-9_]）
• \W 匹配非单词
• \s 匹配空白符（空格/制表符/换行符）
• \S 匹配非空白
• . 匹配任意单个字符（默认不匹配换行符）
• | 表示逻辑"或"

位置限定符（Position Anchors）

用于精准定位匹配位置：

• \b 匹配单词边界（如 \bcat\b 匹配完整单词）
• \B 匹配非单词边界
• ^ 匹配目标文本开头，多行模式下也匹配行首
• $ 匹配目标文本结尾，多行模式下也匹配行尾

举例来说: 在tester is good at testing 中，用 ^test 就只会匹配到行首的 test， 但testing 中的test 就不会匹配到， 而如果 test\b，同样匹配不到任何结果，因为这段文本中 test都不是单独的单词，test 后不存在单词边界

字符类（Character Classes）

字符类用于批量匹配特定字符集合：

• [abc] 匹配a/b/c中的任意字符
• [^abc] 匹配不在集合中的字符
• 范围表示法：[a-z]（小写字母）、[A-Z]（大写字母）、[0-9]（数字）

下例中 [b-f]， 就只匹配了目标字串中的 d,e

分组（Groups）

分组是正则表达式中重要的技巧，用于对匹配规则进行分组，便于在后续的文本处理中提取匹配到的内容。 分组通过在表达式中将模式用 () 框定来表示。

比如指定一个字串

1

this is a "testtest" string to demo regex group! 

分组及其引用

分组默认从 1 开始计数，也就是多个分组时，可以按顺序以 \1 \2 来反向引用分组

这个例子，我们 通过 (is)(\s)\1\2 指定了两个分组，组1 匹配 “is”， 组2匹配空白字符（这里是空格) ，然后用\1\2 分别引用这两个组，最终其实就匹配了 "is"+空格 连续出现了两次的情况

指定分组不进行引用

如果我们进行分组时，某个分组我们并不想在后续引用，那么可以使用 (?:pattern) 来进行标记，指定当前分组在后续不会进行引用。 这时分组默认的提取序号中，就会忽略这一组不进行编号 。

上例中，如果我们指定其中第二个分组不进行引用

1

(is)(?:\s)\1\2 

这时其实上例中的正则表达式就出现语法错误，无法完成匹配，因为这时第二个分组被忽略，而 \2 进行引用，这时就会因为不存在出现模式错误

对分组进行注释

一些复杂的正则表达式，我们还可以在分组添加注释，起到对正则表达式进行说明的作用 (?#comment)(other group)

分组命名

除了默认用数字序号来引用分组，也可以通过给分组进行命名的方式： (?P<name>pattern) 进行命名。 然后用(?P=<name>)进行引用

综合上面的说明，使用如下正则说明

1

(?#这是一个嵌套分组示例)(?P<demo>t(?:\w*)t)(?P=demo)

断言（Assertions）

断言主要用于判断，用来匹配符合模式的字符所在位置。因为它主要用判断位置，不会消费字符，所以一般也叫 零宽断言

断言可分为4类，还是用上例中的文本举例

1

this is a "testtest" string to demo regex group! 

正向肯定断言

判断匹配位置之后的字符符合模式， 通过(?=pattern) 来进行断言

示例：

正向否定断言

判断匹配位置之后的字符不符合给定模式， 通过(?!pattern) 来进行断言

示例：

反向肯定断言和反向否定断言

和正向相对，反向断言匹配的是预期位置之前的字符是否符合模式，也有肯定和否定之分。在 ?后再添加一个<表示反向， 即(?<=pattern) 和 (?<!pattern)

匹配模式

除了上述正则表达式的主要匹配规则外，正则表达式还有一些匹配模式。是用 \ 加上一些特殊的字母代表不同的模式

• \g 表示全局匹配，也就是会在给定的文本中匹配所有符合条件的字串，如果不指定，则仅匹配出现的第一个符合模式的字串
• \m 多行模式，主要是指定 ^ $是否匹配行首行尾
• \i 匹配时忽略大小写
• \x 匹配时是否忽略我们模式文本中的空白，在编写比较复杂规则时较为有用
• \s 指定 . 匹配字符时包含换行符
• \u 匹配unicode字符，如中文
• \a 仅匹配ascii字符

实用案例

针对下面这段文本：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

用户注册信息如下：
联系电话：+86 138-0013-8000（北京） / 400-800-8888（全国客服）
电子邮箱：support@example.com / service@sub.domain.org.cn / user.name+tag+sorting@example.co.uk
网站链接：
https://www.example.com/page1.html?query=123&sort=desc#section2
http://sub.example.co.jp:8080/admin/dashboard
ftp://ftp.example.org/upload.zip
产品序列号：SKU-20240309-001234（生产日期：2024-03-09）
INV-2023-Winter-Sale-0456（有效期至：2024-01-31）
活动时间：2024年第一季度（2024-01-01 至 2024-03-31）
特殊字符测试：!@#$%^&*()_+-=[]{}|;':",./<>?`~
测试用密码：Password123!@#（正确） / password123（错误） / Passw0rd!（错误）
日志条目：ERROR[2024-03-09T15:40:22+08:00] 用户登录失败
IP地址记录：
192.168.1.1 / 203.0.113.255 / ::1 / IPv6-Test-Address::FFFFF:1234

匹配完整URL（含协议、域名、端口、路径）

1

^(https?:\/\/)([\w\-\.]+\.[a-z]{2,6})(:[0-9]{1,5})?(\/\S*)?$

匹配结果：

提取电话号码

1

\b(\+?\d{2,3})[-\s]+?(?:\d{3,4}[- ]?)+

说明：首先\b匹配单词边界，用分组提取国家码（2-3位，兼容有+情况），跟-或空格，惰性模式，再匹配3-4个数字和-连续多次出现的情况

匹配结果：

• +86 138-0013-8000
• 400-800-8888

验证电子邮箱地址

1

[-.\w]+@[-.\w]+\.[-.\w]+\b

匹配结果：

• support@example.com
• service@sub.domain.org.cn
• sorting@example.co.uk

捕获产品序列号（包含日期和唯一编码）

1

SKU-\d{8}-\d{6}|INV-\d{4}[-A-Za-z]+-\d{4}

匹配结果：

• SKU-20240309-001234
• INV-2023-Winter-Sale-0456

匹配中文

1

[\u4e00-\u9fa5]

解析日志条目中的时间戳

1

ERROR\[(\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}[+-]\d{2}:\d{2})\]

分组提取结果： 2024-03-09T15:40:22+08:00

提取IP地址

1

(?:\d{1,3}\.){3}\d{1,3}|(?:(?:[A-Fa-f0-9]{1,4}:){7}[A-Fa-f0-9]{1,4})

匹配结果：

• 192.168.1.1
• 203.0.113.255

结语

以上就是针对正则表达式的相关总结和部分案例演示。更多关于测试技能系统提升的学习可关注我的课程，回复 大纲 获取详细目录。