正则表达式

简单来说，正则表达式就是一套用“符号”代替“文字”来描述字符串的规则公式。可用于：查找、替换、提取、验证文本。

一、基本组成：

• 普通字符：直接匹配自身，如：a、1、中。
• 元字符：有特殊含义的符号。如：. * + ? ^ $ [ ] { } ( ) \ |

二、常用元字符：

三、预定义字符类（简写）

• \d——数字，等价于[0-9]
• \D——非数字
• \w——单词字符，等价于[A-Za-z0-9_]
• \W——非单词字符
• \s——空白字符（空格、制表符、换行等）
• \S——非空白字符
• .——任意字符（默认不包含换行）

四、量词的贪婪与懒惰

默认量词是贪婪的，会尽可能多的匹配。在量词后加?可变为懒惰（尽可能少匹配）

• a.*b贪婪：在“aabab”中匹配整个aabab
• a.*?b懒惰：匹配到第一个“aab”和“ab”

五、边界断言

• \b 单词边界 如：\bcat\b 匹配独立的"cat"
• \B 非单词边界
• ^/$ 一行的开始与结束（多行模式下作用到每行）

六、零宽断言（环视）

不消耗字符。只判断位置前后是否满足条件：

• (?=pattern)——正向前瞻，后面是pattern
• (?!pattern)——负向前瞻，后面不是pattern
• (?<=pattern)——正向后瞻，前面是pattern
• (?<!pattern)——负向后瞻，前面不是pattern

七、常用修饰符（标志）

• i——忽略大小写
• g——全局匹配（找到所有匹配，而非在第一个匹配后停止）
• m——多行模式，^和$匹配每一行的开始/结束
• s——允许，匹配换行符（单行模式）

手机号：

• 写法：^1[3-9]\d{9}$
• 为什么这么写：
• ^和$
• • 强制匹配整个字符串。如果不加，“abc13800138000xyz”也会匹配成功，这会在验证表单时误判。用锚点就是告诉程序：这个字符串只能是手机号，前后不能有多余字符。
• 1
• • 1是手机号固定的开头，运营商规则。
• [3-9]
• • 第二位数字目前只有3-9（如：13x、15x、18x等）不存在0、1、2开头的手机号，用[3-9]而不是\d可以第一时间过滤明显错误的手机号。
• \d{9}
• • 除去前两位数，后面还剩下9位数字。写成\d{9}比写9个\d简洁。和11位手机号吻合。

先锚定边界，再逐段根据业务规则限定字符。

邮箱：mu@smmna.cn

• 写法：[\w.-]+@[\w-]+(\.[\w-]+)+
• 为什么这么写：
• [\w.-]+ 用户名部分
• • \w覆盖了字母、下划线、数字，很多邮箱还允许 . 和短横 - ,所以放进字符类里。+表示至少一个字符。
• @分隔符
• • 邮箱固定必须有一个@
• [\w-]+ 主域名
• • 域名允许字母数字和短横，不允许下划线和点（点用于分割子域），所以写成[\w-]+
• (\.[\w-]+)+ 域名后缀和子域
• • 如：example.com里的.com，或mail.example.com.cn的多级域名。
  • 把\.和[\w-]+包成一组，在用量词+表示可以出现一次或多次（至少一个后缀）。这样就能匹配.com、.co.uk等。
  • 注意：.号必须转义为\. ，因为.是元字符。
• 结构化拆解的思路：根据部分允许的字符集，分段写，再拼起来。

日期格式：YYYY-MM-DD

• 写法：^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$
• --
• 为什么这么写：
• 年份：^\d{4}
• • 简单假设4位数字
• 月份：(0[1-9]|1[0-2])
• • 我们不能直接用\d{2}，否则会出现00、13这种无效月份。
  • 使用分组(...|...)指定两种合法情况
  • • 0[1-9]：01~09
    • • 0
      • 1-9
    • 1[0-2]：10~12
    • • 1
      • 10-12
    • 用|将二者“或”起来。
• 日期：(0[1-9]|[12]\d|3[01])
• • 同样的思路，限制日期的范围。
  • 0[1-9]：01~09
  • [12]\d：10~29
  • 3[01]:30、31
  • 现在的这种写法并不校验2月30日这类逻辑错误（一般需要编程判断），但已在字符层做最大限制。
• 这是值域约束的思路：当字符位置有限制时，用字符类和分支列出合法范围，避免接受非法值。

强密码：（至少包含大小写、数字、特殊字符）

常见写法：(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*])^.{8,}$

为什么这么写：

• 使用了多个正向前瞻(?=...)
• 前瞻从当前位置（字符串开头）开始向后检查，但不消耗字符。多个前瞻可以并列，同时检查不同条件。
• (?=.*[a-z])：至少有一个小写字母
• (?=.*[A-Z])：至少有一个大写字母
• (?=.*\d)：至少有一个数字
• (?=.*[!@#$%^&*])：至少有一个特殊字符
• • 每个?=...里面的.*表示“任意字符出现任意次，知道遇到指定字符”，从而检测是否存在。
• 最后^.{8,}$
• • 在所有条件检查完后，再正式匹配整个字符串，且长度至少为8位，如果不加这个，前瞻完成就会匹配空字符串。
• 这是多重判断的经验用法：零宽断言不消耗字符，可堆叠条件，最后再用普通模式整体匹配。

提取网址：

写法：https?://[^\s/$.?#].[^\s]*

为什么这么写：

• https?
• • 匹配http或https，?表示s可有可无。
• ://固定分隔符
• [^\s/$.?#]
• • 用排除型字符类定义“第一个不能是空白、/、$、？、#等”的字符，避免匹配到http://后面直接跟路径分隔符的情况。原理：域名起始不能是这些符号。
• [^\s]*
• • 后面跟任意个非空白字符，覆盖路径、参数、片段，直到遇见空白结束。
  • 这样就能从文本中准确切出完整的URL，且不会被空白截断。