每年Stack Overflow上有超過(guò)1200萬(wàn)個(gè)正則相關(guān)問(wèn)題，但87%的開(kāi)發(fā)者承認(rèn)：他們至今靠復(fù)制粘貼活著。

這不是智商問(wèn)題。正則表達(dá)式（Regular Expression，一種文本模式匹配規(guī)則）的設(shè)計(jì)初衷就是"寫(xiě)一次，讀永遠(yuǎn)"——1970年代貝爾實(shí)驗(yàn)室的程序員Ken Thompson把它塞進(jìn)Unix工具箱時(shí)，大概沒(méi)料到50年后還有人對(duì)著[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}發(fā)呆。

今天這份清單，從字符類到貪婪陷阱，每個(gè)例子都能直接丟進(jìn)生產(chǎn)環(huán)境。建議收藏，下次面試前翻一遍。

字符類：比你想的更野

方括號(hào)[]是正則的入門(mén)磚，但大多數(shù)人只用到[0-9]這種基礎(chǔ)款。

真正省事的寫(xiě)法藏在反斜杠里：\d等于[0-9]，\w等于[a-zA-Z0-9_]，\s匹配所有空白字符（空格、制表符、換行）。

Java玩家有個(gè)隱藏技能：[a-z&&[^aeiou]]這種"交集"語(yǔ)法能直接篩出小寫(xiě)輔音字母。其他語(yǔ)言？老老實(shí)實(shí)寫(xiě)[bcdfghjklmnpqrstvwxyz]吧。

一個(gè)實(shí)戰(zhàn)場(chǎng)景：提取駝峰命名里的每個(gè)單詞。[A-Z][a-z]+匹配"HelloWorld"會(huì)抓到"Hello"和"World"——大寫(xiě)字母開(kāi)頭，后面跟至少一個(gè)小寫(xiě)字母。加號(hào)+的意思是"前面的東西出現(xiàn)1次或更多"。

電話號(hào)碼提取更典型：[0-9]{3}-[0-9]{4}里的{3}是精確計(jì)數(shù)，匹配"555-1234"這種格式。花括號(hào)是正則里最容易被忽略的量化工具，很多人只會(huì)用星號(hào)加號(hào)。

貪婪陷阱：90%的bug來(lái)源

正則引擎默認(rèn)"能吃多少吃多少"。

看這組對(duì)比：模式<.+>遇到輸入bold，會(huì)一口吞下bold——從第一個(gè)<一直匹配到最后一個(gè)>。

加個(gè)問(wèn)號(hào)?變成<.+?>，引擎立刻變乖：只匹配到第一個(gè)>就停，結(jié)果拆成和兩個(gè)獨(dú)立標(biāo)簽。

這個(gè)?叫"懶惰量詞"，和前面的可選含義完全不同。正則的上下文依賴性就是這么煩人——同一個(gè)符號(hào)在不同位置功能大變。

完整量詞表建議刻進(jìn)肌肉記憶：

星號(hào)*：0次或多次（貪婪）
加號(hào)+：1次或多次（貪婪）
問(wèn)號(hào)?：0次或1次（貪婪）
{n}：精確n次
{n,}：至少n次
{n,m}：n到m次

每個(gè)后面都能跟?變懶惰模式。處理HTML、JSON、日志文件時(shí)，懶惰量詞能救命——當(dāng)然，正經(jīng)解析這些格式應(yīng)該用專用庫(kù)，正則只是應(yīng)急。

生產(chǎn)環(huán)境直接復(fù)制的模式

郵箱驗(yàn)證：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

這個(gè)版本覆蓋了99%的合規(guī)郵箱，但別拿它當(dāng)唯一校驗(yàn)——RFC 5322規(guī)定的合法郵箱格式復(fù)雜到能寫(xiě)本書(shū)，實(shí)際注冊(cè)流程還得發(fā)驗(yàn)證郵件。

URL提?。?code>https?://[^\s]+

s?讓s變成可選，匹配http和https；[^\s]是"非空白字符"的簡(jiǎn)寫(xiě)，一直抓到空格為止。

國(guó)內(nèi)手機(jī)號(hào)：1[3-9]\d{9}

第二位限定3-9排除虛擬號(hào)段，\d{9}補(bǔ)足剩余9位。比網(wǎng)上流傳的各種冗長(zhǎng)版本干凈得多。

日志時(shí)間戳：\d{4}-\d{2}-\d{2}

ISO 8601基礎(chǔ)日期格式，年月日各就各位。需要兼容時(shí)間的話擴(kuò)展為\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}。

調(diào)試比寫(xiě)更重要

DevPlaybook的regex playground有個(gè)功能被低估了：實(shí)時(shí)高亮+分組可視化。

寫(xiě)復(fù)雜模式時(shí)，把匹配結(jié)果按捕獲組著色，能立刻發(fā)現(xiàn)哪段邏輯在吞字符。比盯著黑底白字的測(cè)試輸出高效十倍。

另一個(gè)冷知識(shí)：多數(shù)語(yǔ)言支持(?#注釋)語(yǔ)法。生產(chǎn)代碼里的正則建議寫(xiě)成

(?#協(xié)議)https?://(?#域名)[^\s]+

三個(gè)月后回來(lái)看，你會(huì)感謝自己。

最后留一道題：模式(\d)\1+能匹配什么？提示和"捕獲組"有關(guān)，答案藏在大多數(shù)教程的附錄里——而附錄，恰恰是高手和新手的分水嶺。