@TOC
一，前言
嗨，我是firdawn，最近用 everything 搜索文件时，想要搜索以“git”开头的文件，但是如果直接在搜索框直接输入“git”，却会跳出“git”在文件任意位置的文件，干扰搜索，所以就复习了一下正则表达式的语法规则。本篇文章我将介绍正则表达式的概念，语法图表，还有练习用例。如果你想了解正则表达式的语法规则或是在regular expressions，练习正则表达式却缺少练习用例，本篇文章都可以为你提供一定的帮助。下面是本章的思维导图，那么让我们开始吧。
*[everything]: everything是voidtools开发的轻量化快速文件搜索工具。
二，概念
正则表达式（Regular Expression）是一种强大的文本处理工具，专门用来匹配，查找，替换文本字符串的语法规则，并且用一串特殊符号描述文本的模式。正则表达式的作用就是帮助我们匹配指定规则的字符串。 它的应用场景有：
- 从文本中查找手机号，邮箱，网址，IP地址。
- 判断手机号或者密码输入格式是否正确。
- 批量修改，清理文本，删除多余的空格，删除指定字符串等。
三，语法
正则表达式的语法由「普通字符」和「元字符」组成，元字符是具有特殊含义的符号
我们先看一个简单的正则表达式 abc? ，它就是由特殊字符 ? 和普通字符 abc 组成。表示搜索abc，其中的c出现0次或者1次，也就是可有可无，表示搜索 abc 或者 ab ，只要字符串中包括 abc 或者 ab ,搜索结果中就会被查找到。
3.1 普通字符
3.1.1 概念
普通字符是指没有特殊含义，仅代表自身字面量的字符。正则表达式搜索引擎遇到普通字符时，只会在目标文本中寻找完全相同的字符进行匹配。包括:
- 全部大小写字母和数字：
a-zA-Z0-9 - 大部分可见符号：
!@#%&-=;':",等
字符在绝大多数情况下，如果不属于元字符，那它就是普通字符。
3.1.2 使用规则
正则表达式搜索引擎遇到普通字符时，只会在目标文本中寻找完全相同的字符进行匹配。
3.2 元字符
3.2.1 概念
元字符是正则表达式里具备特殊语法功能的字符，不会匹配它自身符号，如果要匹配元字符自身，需要在前面添加转义字符 \ 用来它自身。元字符可以匹配规则，位置，数量，范围。元字符包括：
.\+*?[](){}|^$3.2.2 使用规则图表
| 元字符 | 使用规则 | 举例 | ||||||
|---|---|---|---|---|---|---|---|---|
| . | 匹配任意单个字符，默认不匹配换行符 \n |
正则表达式 a.b 匹配 axb a1b a#b ，不匹配 a\nb |
||||||
| \ | 两大功能：1. 放在元字符前：取消特殊含义，元字符转为普通字符；2. 放在字母前，构成转义序列 \d \w \s |
\. 匹配小数点， \d 匹配数字(0-9) |
||||||
| + | 前一个单元，重复1次或者多次 | 正则表达式ab+ 匹配 ab ab abb ，不会匹配 a |
||||||
| * | 前一个单元，重复0次或者多次 | 正则表达式ab* 匹配 a ab abb |
||||||
| ? | 两大功能：1.前一个单元重复0次或者1次（也就是可有可无）。2.放在 * / + ：表示开启非贪婪模式 |
正则表达式 ab? 匹配 a ab ，<.*?>匹配最小子集 |
||||||
| [ ] | 匹配括号内任意单个字符；如果开头写 ^ 代表取反，匹配非括号内的字符； - 表示字符范围 |
正则表达式 [0-9] 表示数字； [abc] 表示匹配 a 或者 b 或者 c ， [^0-9]表示非0到9的字符，也就是非数字 |
||||||
| ( ) | 两大功能：1.将括号内容作为整体，供元字符修饰；2.建立分组，方便后续引用 | (ab)+ 匹配 ab abab |
||||||
| { } | 限定前面单元的重复次数。正则表达式 {n} 表示重复n次， {n,} 表示重复n次及以上， {n,m} 表示重复n到m次 |
ab{3} 表示匹配 abbb ，ab{2,} 表示 abb abbb abbbb 这里b重复的次数要达到2次及以上， ab{2,3} 表示 abb abbb |
||||||
| \ | 表示"或"，匹配多个分支中的任意一个分支，并且 `\ | ` 的优先级最低 | `cat\ | dog表示cat`dog ； `ca(t\ |
d)og表示catog`cadog 中间选择t或者d； `I love (Java\ |
Python\ | C++)表示I love Java`I love Python I love C++ |
|
| ^ | 两大功能：1.匹配字符串起始位置。2.在 [] 内部开头出现表示取反 |
^hello 匹配以hello开头的字符串； [^0-9] 表示非0-9的字符，也就是非数字 |
||||||
| $ | 匹配字符串结束位置 | world$ 匹配以world结尾的字符串 |
3.2.3 语法规则扩展
3.2.3.1 预定义字符类
3.2.3.2 贪婪匹配与非贪婪匹配
贪婪匹配：正则表达式中元字符
*+{n,m}默认是贪婪匹配。正则表达式搜索引擎会尽可能匹配最长的符合条件的字符串，也就是满足条件的最大子集。
非贪婪匹配（惰性匹配）：正则表达式中元字符*+{n,m}的后面追加元字符?，开启非贪婪匹配。正则表达式搜索引擎会尽可能匹配最短的符合条件的字符串，也满足条件的最小子集。
使用场景1：HTML标签
练习文本：<div>苹果</div><div>香蕉</div>
| 模式 | 正则表达式 | 结果 |
|---|---|---|
| 贪婪 | <div>.*</div> |
<div>苹果</div><div>香蕉</div> |
| 非贪婪 | <div>.*?</div> |
<div>苹果</div> 或者 <div>香蕉</div> |
使用场景2：获取 a.*b 的最小子集
练习文本： a111b222b
| 模式 | 正则表达式 | 结果 |
|---|---|---|
| 贪婪 | a.*b |
a111b222b |
| 非贪婪 | a.*?b |
a111b |
使用场景3：获取 {m,n} 的最小子集
练习文本： abbyby
| 模式 | 正则表达式 | 结果 |
|---|---|---|
| 贪婪 | a.{2.5}y |
abbyby |
| 非贪婪 | a.{2.5}?y |
abby |
四，练习用例
新手练习推荐使用regular expressions，练习方便，右边侧栏还有正则表达式的语法规则介绍及网站准备的练习用例。博主本人也是用这个正则表达式网站练习的。
4.1 查找手机号
4.1.1手机号构成
- 11位数字
- 第1位：固定是1
- 第2位：运营商号段，范围为3-9
- 第3-11位：任意9位数字
4.1.2 练习文本
联系号码：13812345678 备用号12912345678（第二位是2，无效手机号） 老号码：19987654321 短号：135123456（只有10位） 长号：135123456789（一共12位） 带横杠：138-1234-5678 带空格：138 1234 5678 文本穿插：aa13755667788bb 多个号码放一起：13600112233,13900112233 非数字：13a45678901
4.1.3 正则表达式
^1[3-9]\d{9}$
解读：
^：表示匹配字符串的开始位置，确保正则表达式从文本的起始字符开始匹配。1：匹配一个固定的数字字符“1”，用于限定手机号码以“1”开头。[3-9]：匹配一个位于3到9之间的单个数字。该部分用于限定手机号码第二位为3至9，符合中国手机号码的规则（如13、14、15、16、17、18、19等号段）。\d{9}：\d 表示任意一个数字字符（0-9），{9} 表示前面的 \d 重复恰好9次。因此这部分总共匹配9个数字，与前两位共同构成完整的11位手机号码。$：表示匹配字符串的结束位置，确保整个输入内容完全由11位数字组成，不允许有额外字符或空格。
4.2 查找邮箱
4.2.1 邮箱构成
电子邮件地址通常由三部分组成：
- 本地部分（Local Part）：位于@符号之前，用于标识用户账户，可包含字母、数字、点（.）、下划线（_）、连字符（-）等字符，但不能以点开头或结尾，也不能连续出现两个点。
- @符号：分隔本地部分与域名部分的固定符号。
- 域名部分（Domain Part）：位于@符号之后，表示邮件服务器的域名，通常由字母、数字、点（.）和连字符（-）组成，且至少包含一个点，最后不能以点结尾。
4.2.2 练习文本
user@example.comtest.email@domain.orgadmin@sub.example.netuser+tag@company.co.ukinvalid..email@domain.com（连续两个点，无效）@example.com（缺少本地部分）user@.com（域名以点开头）user@domain（无顶级域）user.name@domain.com.cn12345@abc-def.xyz
4.2.3 正则表达式
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
解读：
^：匹配字符串的开始位置，确保从头开始匹配。[a-zA-Z0-9._%+-]+：匹配本地部分，允许字母、数字、点、下划线、百分号、加号和连字符，至少一个字符，可重复多次。@：匹配固定的@符号。[a-zA-Z0-9.-]+：匹配域名部分，允许字母、数字、点和连字符，至少一个字符。\.：匹配一个实际的点（需转义），用于分隔域名层级。[a-zA-Z]{2,}：匹配顶级域名，必须是两个或更多字母，如com、org、net、cn等。$：匹配字符串的结束位置，确保整个字符串完全符合规则，不允许多余内容。
4.3 查找IP地址
4.3.1 IP地址构成
IPv4地址由四个十进制数构成，每个数范围在0到255之间，用点（.）分隔。
- 每个段落值必须为0–255之间的整数。
- 不允许前导零（如010、001等视为非法）。
- 必须有且仅有三个点，将四个数字段分隔开。
- 不能包含非数字字符或空格。
4.3.2 练习文本
192.168.1.110.0.0.1172.16.254.1255.255.255.2550.0.0.0256.1.1.1（超出范围）192.168.01.1（前导零，无效）192.168.1（只有三个段）192.168.1.1.1（五个段）192.168.1.1（末尾有空格）192.168.1.-1（负数）192.168.1.abc（非数字）
4.3.3 正则表达式
^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$
解读：
^：匹配字符串起始位置。(?: ... )：非捕获组，用于分组但不保存匹配结果。(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)：匹配单个有效段落值，分为三种情况：25[0-5]：匹配250–255。2[0-4][0-9]：匹配200–249。[01]?[0-9][0-9]?：匹配0–199，支持前导零（如01、001等）——但结合整体逻辑，若要求严格无前导零，则需额外限制。
\.：匹配一个点，作为段间分隔符。{3}：前面的段落模式重复三次，对应前三个段。- 最后一个段使用相同的模式进行匹配。
$：匹配字符串结束，确保完整匹配，无多余字符。
注：该正则表达式允许前导零（如010），若需禁止前导零，应使用更严格的版本，例如：
^(?:(?:25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])\.){3}(?:25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])$
4.4 查找可执行文件
4.4.1 可执行文件构成
可执行文件通常具有以下特征：
- 文件名以特定扩展名结尾，常见包括：
.exe（Windows）、.app（macOS）、.bin（Linux/Unix）、.sh（Shell脚本）、.bat（批处理文件）等。 - 文件名中可包含字母、数字、下划线、连字符、点号等合法字符。
- 不允许包含空格或特殊符号（如
< > | & %等）。 - 路径可能包含目录结构，但此处仅关注文件名本身。
- 扩展名区分大小写，但在实际系统中常忽略大小写（如
.EXE也可接受）。
4.4.2 练习文本
program.exesetup.apprun.shinstall.batmyapp.bindata.exe.bak（带多个点，可能为备份文件）app.EXE（大写扩展名）script.shbad file.exe（含空格）test@.exe（含非法字符）1234567890（无扩展名）app-.exe（合法，允许连字符）_.exe（允许下划线开头）
4.4.3 正则表达式
^[a-zA-Z0-9._-]+(?:\.exe|\.app|\.sh|\.bat|\.bin|\.cmd|\.ps1|\.jar)$
解读：
^：匹配字符串起始位置。[a-zA-Z0-9._-]+：匹配文件名主体部分，允许字母、数字、点、下划线、连字符，至少一个字符。(?:\.exe|\.app|\.sh|\.bat|\.bin|\.cmd|\.ps1|\.jar)：非捕获组，匹配常见的可执行文件扩展名，支持大小写敏感匹配。- 包括
.exe,.app,.sh,.bat,.bin,.cmd,.ps1,.jar等。
- 包括
$：匹配字符串结束，确保完整匹配，无多余内容。
提示：若需忽略扩展名大小写，可使用修饰符
i（如在JavaScript中使用/.../i），或在正则中加入大小写变体，如：^[a-zA-Z0-9._-]+(?:\.exe|\.EXE|\.app|\.APP|\.sh|\.SH|\.bat|\.BAT|\.bin|\.BIN|\.cmd|\.CMD|\.ps1|\.PS1|\.jar|\.JAR)$
五，结语
好啦，今天的正则表达式介绍完毕了，正则表达式需要多练习才能熟练，一定要多练习喔，不然，小心像博主一样，很容易忘记的。
