正则表达式

正则表达式（Regular Expression，regex）是你职业生涯里一定会遭遇的东西：日志过滤、数据验证、代码重构、文本提取，处处都有它的身影。但 2026 年的现实是：你不再需要从头手写正则，AI 可以根据你的描述生成候选；你真正需要的，是能读懂它、能验证它、能判断它是否合适。

这篇文章的目标不是让你成为正则专家，而是让你具备那两个核心能力：读懂一段正则在匹配什么，以及准确描述你要匹配什么。

1. 正则是什么，解决什么问题

正则表达式是一种文本模式描述工具。它回答的问题很简单：这段文字是否符合某种模式？

典型场景：

• 验证格式：用户输入的邮箱、手机号是否合法
• 提取信息：从一堆日志里提取时间戳、IP 地址、错误码
• 批量替换：把日期格式从 2026/06/04 统一改成 2026-06-04
• IDE 重构：用正则批量重命名函数或变量

正则不是万能的。处理 HTML、JSON、YAML、SQL 这类有嵌套结构的格式，正则会很快失控——应该用对应的解析器（parser），而不是正则。一个经典的教训是试图用正则解析 HTML，最终写出一个充满边界漏洞的怪物。

2. 三种基本操作

所有的正则表达式，本质上只是三种操作的组合：描述字符、描述重复、描述分组与选择。理解这三层，你就能读懂 90% 的正则。

描述字符

最基础的操作——说清楚你要匹配什么字符。

字面量直接写：a 匹配字母 a，3 匹配数字 3。

几个必须知道的特殊符号：

符号	匹配内容
.	任意单个字符（换行除外）
\d	任意数字，等价于 [0-9]
\w	字母、数字、下划线，等价于 [a-zA-Z0-9_]
\s	空白字符（空格、Tab、换行）
[abc]	a、b、c 中任意一个
[^abc]	除 a、b、c 之外的任意字符
[a-z]	a 到 z 的任意小写字母

锚点是定位符，不匹配字符本身，而是匹配位置：

符号	含义
^	行首
$	行尾
\b	单词边界（单词和非单词字符之间的位置）

^hello$ 表示整行就是 “hello”，不允许前后有其他内容。

描述重复

量词说明一个字符或模式出现多少次：

符号	含义
*	0 次或多次
+	1 次或多次
?	0 次或 1 次
{n}	恰好 n 次
{n,m}	n 到 m 次

\d{4}-\d{2}-\d{2} 就是”4 位数字 - 2 位数字 - 2 位数字”，匹配 2026-06-04 这样的日期格式。读起来并不难。

描述分组与选择

括号 () 把多个字符当作整体，可以对这个整体应用量词，也可以在替换时反向引用捕获的内容：

(ha)+    →  匹配 "ha"、"haha"、"hahaha"

[] 是字符集，匹配其中任意一个字符：

[aeiou]  →  匹配任意一个英文元音字母

| 是选择，相当于”或”：

cat|dog  →  匹配 "cat" 或 "dog"

3. 贪婪与惰性：最常踩的坑

量词默认是贪婪的：它会尽可能多地匹配字符，直到不得不停止。量词加上 ? 变成惰性：它尽可能少地匹配，遇到第一个能停下来的位置就停。

用 HTML 标签做例子，最直观：

文本：<b>粗体</b>普通<b>又粗</b>
 
贪婪：<b>(.*)</b>
→ 匹配到：粗体</b>普通<b>又粗
（从第一个 <b> 一路吃到最后一个 </b>）
 
惰性：<b>(.*?)</b>
→ 匹配到：粗体
（遇到第一个 </b> 就停下来）

实践规律：只要你在匹配”两个标记之间的内容”，几乎都需要惰性量词 .*?。贪婪匹配的默认行为很常让人困惑，AI 生成的正则如果结果不对，第一个要检查的就是这里。

4. AI 时代的使用姿态

过去学正则的路是：记语法 → 手写 → 调试 → 反复调试。这条路苦，而且记住的东西很快忘。

今天更合理的工作流：

描述需求（准确）→ AI 生成候选 → 用样例验证 → 收窄边界

你不需要记忆正则语法，但你需要能：

1. 读懂它：AI 给你一段正则，你能拆开看，知道每个部分在匹配什么，判断是否合理
2. 描述清楚：你能说清楚”我要匹配什么格式、允许哪些变体、排除哪些边界情况”，AI 才能给出准确的候选

描述不清楚是 AI 生成正则出错的主要原因，不是 AI 不够强——是你没说清楚”邮箱只能是公司邮箱”、“手机号不包含区号”、“URL 不包含括号内的链接”这类约束。

验证的基本动作：

• 准备正例：应该匹配的样本（检查是否能匹配）
• 准备反例：不应该匹配的样本（检查是否会误伤）
• 用 regex101.com 逐符号检查含义，贪婪/惰性切换一眼就能看到效果

什么时候不该用正则：

• 解析 HTML / XML → 用 DOM parser 或 BeautifulSoup
• 解析 JSON / YAML → 用对应的解析库
• 解析有嵌套结构的文本 → 用 parser，正则处理不了嵌套层级
• 需要”理解语义”而不只是”匹配格式” → 正则只识别模式，不理解含义

5. 够用的最小知识集

你需要记住的，其实只有这些：

字符描述：.（任意）、\d（数字）、\w（单词字符）、\s（空白）、[...]（字符集）、[^...]（排除集）

量词：*（0+）、+（1+）、?（0 或 1）、{n,m}（n 到 m 次），加 ? 变惰性

锚点：^（行首）、$（行尾）、\b（单词边界）

分组：(...) 捕获组、| 选择

最重要的实践规律：两个标记之间的内容用惰性 .*?，用 regex101 验证，准备正反例。

不需要记的：lookahead/lookbehind（前后瞻断言）、非捕获组 (?:...)、具名捕获组 (?P<name>...)、条件正则、atomic groups——这些遇到时查文档，或者让 AI 生成，能读懂即可。

理解正则的结构，目的不是让你手写一切，而是让你在 AI 给出候选方案时，能判断它对不对、能收窄描述让它改得更准、能在出错时定位到哪个部分需要调整。这是分工，不是放弃。