正则表达式测试器

什么是正则表达式？

正则表达式（regex）是一种描述字符串集合的模式。它用于搜索、匹配、提取和替换文本。几乎每种编程语言、文本编辑器和命令行工具都以某种形式支持正则。

简单的正则如 [0-9]{3}-[0-9]{4} 可匹配 555-1234 这类电话号码片段。更复杂的模式可验证邮箱格式、解析日志文件、从 HTML 中提取 URL，或在数千个文件中查找并替换。学习正则很快就能带来回报，因为它是可跨语言和工具迁移的通用技能。

正则语法速查

字面字符匹配自身：abc 匹配字符串「abc」。点号 . 匹配除换行外的任意单个字符。反斜杠 \ 转义特殊字符：\. 匹配字面点号。

字符类定义集合：[aeiou] 匹配任意元音，[0-9] 匹配任意数字，[^0-9] 匹配任意非数字。速记类可节省输入：\d 表示数字，\w 表示单词字符（字母、数字、下划线），\s 表示空白。

锚点匹配位置而非字符：^ 匹配行首，$ 匹配行尾。\b 匹配单词边界——适用于匹配完整单词而避免部分匹配。

交替使用竖线：cat|dog 匹配「cat」或「dog」。用括号分组交替：(cat|dog) food 匹配「cat food」或「dog food」。

量词：匹配多少次

量词指定重复次数。* 表示零次或多次，+ 表示一次或多次，? 表示零次或一次。{n} 表示恰好 n 次，{n,} 表示 n 次或更多，{n,m} 表示 n 到 m 次之间。

默认情况下，量词是贪婪的——尽可能多地匹配。模式 ".*" 应用于 "hello" "world" 会匹配包含两个引号在内的整个字符串。加上 ? 使其变为惰性：".*?" 只匹配 "hello"。

贪婪与惰性的区别是最常见的正则 bug 来源之一。当模式匹配超出预期时，尝试切换为惰性量词，或使用否定字符类如 [^"]* 代替 .*。

捕获组与反向引用

括号创建捕获组，用于提取匹配的部分。模式 (\d{4})-(\d{2})-(\d{2}) 应用于「2024-01-15」时，组 1 捕获「2024」，组 2 捕获「01」，组 3 捕获「15」。

在替换字符串中，你可以引用捕获组：将 (\w+)@(\w+) 替换为 $1 at $2，会把「user@host」变成「user at host」。模式内部的反向引用使用 \1、\2 等：(\w+)\s+\1 匹配「the the」这类重复单词。

非捕获组 (?:...) 进行分组但不捕获。当你需要为交替或量词分组，但不需要提取匹配文本时使用它们。它们稍快一些，因为引擎无需存储匹配内容。

前瞻与后顾

前瞻与后顾（统称环视）断言当前位置之前或之后存在某模式，但不会将其包含在匹配中。

肯定前瞻 (?=...) 在前方模式存在时匹配：\d+(?= dollars) 匹配「100 dollars」中的「100」，但不匹配「100 euros」。否定前瞻 (?!...) 在前方模式不存在时匹配：\d+(?! dollars) 匹配「100 euros」中的「100」。

肯定后顾 (?<=...) 在后方模式存在时匹配：(?<=\$)\d+ 匹配「$50」中的「50」。否定后顾 (?<!...) 用于排除：(?<!\$)\d+ 匹配前面没有美元符号的「50」。

环视是零宽的——它们检查条件而不消耗字符。这使它们在复杂匹配规则中很强大，同时不改变被捕获或替换的内容。

常用正则模式

邮箱（基础）：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,} —— 匹配大多数常见邮箱格式。生产环境验证请使用语言自带的邮箱库，而非正则。

URL：https?://[^\s]+ —— 匹配 HTTP 和 HTTPS URL。严格的 URL 验证会使模式复杂得多。

IPv4 地址：\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b —— 匹配四个以点分隔的数字组。不会验证每个八位组是否在 0–255 范围内。

ISO 日期：\d{4}-\d{2}-\d{2} —— 匹配 YYYY-MM-DD 格式。不会验证月/日范围。

强密码检查：^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[^a-zA-Z\d]).{8,}$ —— 要求至少一个小写、一个大写、一个数字、一个特殊字符，且最少 8 个字符。使用多个前瞻。

正则性能：避免灾难性回溯

正则引擎会尝试每一种可能的匹配方式。某些模式会导致指数级回溯——引擎在失败前探索大量路径。这可能使你的应用卡死。

经典例子是 (a+)+ 应用于一串 a 后跟一个不匹配字符。引擎会尝试内外组之间拆分 a 的每一种方式，然后才断定无匹配。对于 25 个 a，这可能需要数十亿步。

避免灾难性回溯的方法：在引擎支持时使用原子组 (?>...) 或占有量词 a++，优先使用具体字符类而非 .*，避免 (a+)+ 这类嵌套量词，并用长且不匹配的输入测试模式。如果模式耗时超过几毫秒，很可能存在风险。