*正规表达式（Regular Expression）**：在计算机科学中，正规表达式是一种用于匹配字符串中字符组合的模式-CSDN博客

本文链接：https://blog.csdn.net/blog_programb/article/details/148706124

“正规式”这个词可能有多种含义，具体取决于上下文。以下是一些可能的解释：

1. 在数学或逻辑领域

正规表达式（Regular Expression）：在计算机科学中，正规表达式是一种用于匹配字符串中字符组合的模式。它使用特定的字符和语法来定义字符串的规则，常用于文本搜索、验证输入格式（如电子邮件地址、电话号码等）等场景。例如：
- ^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$ 是一个用于匹配电子邮件地址的正规表达式。
- ^\d{3}-\d{2}-\d{4}$ 是一个用于匹配美国社会安全号码（格式为 123-45-6789）的正规表达式。

2. 在商业或法律领域

正规化（Regularization）：可能指的是使事物符合规范或标准的过程。例如：
- 在商业中，企业可能需要通过正规化流程来确保其运营符合法律法规的要求。
- 在法律上，正规化可能涉及将非正式的协议或行为转变为正式的法律文件或程序。

3. 在语言学领域

正规语言（Regular Language）：在形式语言理论中，正规语言是由正规表达式定义的语言。它是一种简单的语言模型，通常用于描述有限状态自动机（Finite State Automaton）可以识别的语言。

正规式，也称为正则表达式（Regular Expression，常缩写为 regex、regexp 或 RE），是一种用于描述、匹配和处理字符串模式的形式化语言。它在文本处理、数据验证、信息提取等领域有着广泛应用，可通过特定的语法规则定义字符串的模式，从而实现对目标字符串的高效操作。以下将从多个方面对其进行详细介绍：

一、基本概念与作用

定义：是由字符和特殊符号组成的表达式，用于描述符合某种模式的字符串集合。
核心作用：
- 模式匹配：判断一个字符串是否符合特定模式（如验证邮箱、手机号格式）。
- 文本检索：在文本中查找符合模式的子串（如在日志中提取IP地址）。
- 字符串替换：基于模式替换文本中的部分内容（如批量修改文件名）。
- 数据清洗与提取：从非结构化数据中提取结构化信息（如解析HTML中的URL）。

二、基本语法与符号

正则表达式的语法因不同编程语言或工具（如Python、Java、JavaScript、grep等）略有差异，但核心符号体系一致。以下是常见的基础语法：

1. 普通字符

直接匹配自身，如 a 匹配字符串中的 a，123 匹配 123。

2. 特殊字符（元字符）

符号	含义	示例
`.`	匹配任意单个字符（除换行符`\n`外）	`a.c` 可匹配 `abc`、`a1c`、`a@c`
`^`	匹配字符串开头	`^abc` 仅匹配以 `abc` 开头的字符串
`$`	匹配字符串结尾	`abc$` 仅匹配以 `abc` 结尾的字符串
`*`	匹配前一个元素零次或多次	`a*b` 可匹配 `b`（`a`出现0次）、`ab`、`aab`等
`+`	匹配前一个元素一次或多次	`a+b` 至少匹配1次 `a`，如 `ab`、`aab`
`?`	匹配前一个元素零次或一次	`a?b` 可匹配 `b` 或 `ab`
`{n}`	匹配前一个元素恰好n次	`a{2}b` 匹配 `aab`
`{n,}`	匹配前一个元素至少n次	`a{2,}b` 匹配 `aab`、`aaab`等
`{n,m}`	匹配前一个元素n到m次	`a{1,3}b` 匹配 `ab`、`aab`、`aaab`
`[ ]`	字符集，匹配其中任意一个字符	`[abc]` 匹配 `a`、`b`或`c`；`[a-z]` 匹配小写字母
`[^ ]`	取反字符集，匹配不在其中的字符	`[^abc]` 匹配除`a`、`b`、`c`外的任意字符
`\`	转义字符，使元字符失去特殊含义	`\.` 匹配`.`，`\` 匹配``

3. 预定义字符类

符号	等价于	含义
`\d`	`[0-9]`	匹配数字
`\D`	`[^0-9]`	匹配非数字
`\w`	`[a-zA-Z0-9_]`	匹配字母、数字、下划线
`\W`	`[^a-zA-Z0-9_]`	匹配非字母、数字、下划线
`\s`	`[ \t\n\r\f\v]`	匹配空白字符（空格、制表符等）
`\S`	`[^ \t\n\r\f\v]`	匹配非空白字符

4. 分组与引用

分组：用 () 将多个元素组合为一个整体，方便后续操作（如限定次数、反向引用）。
示例：(ab)+ 匹配 ab、abab、ababab等。
反向引用：用 \n（n为数字）引用分组中的内容。
示例：(abc)\1 匹配 abcabc（\1 引用第1个分组abc）。

三、常用场景与示例

1. 数据验证

邮箱格式：^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
解释：用户名部分（字母、数字、特殊符号）+ @ + 域名部分 + 后缀（至少2位字母）。
手机号（中国大陆）：^1[3-9]\d{9}$
解释：以1开头，第二位为3-9，后续9位数字。

2. 文本提取

从HTML中提取URL：https?://[^\s]+
解释：匹配http或https开头，后跟非空白字符的URL。

3. 字符串替换

将文本中的数字替换为#：
原字符串：abc123def456
正则：\d+
替换后：abc###def###

4. 模式匹配

匹配日期（YYYY-MM-DD）：^\d{4}-\d{2}-\d{2}$
解释：4位年份-2位月份-2位日期（不包含逻辑验证，仅格式匹配）。

四、正则表达式的执行逻辑

贪婪匹配与懒惰匹配：
- 贪婪匹配：元字符*、+、?、{n,m}默认采用贪婪模式，尽可能多地匹配字符。
  示例：字符串aabbaacc，正则a.*b 会匹配aabba（尽可能长）。
- 懒惰匹配：在元字符后加?，尽可能少地匹配字符。
  示例：正则a.*?b 会匹配aab（最短匹配）。
从左到右匹配：按正则表达式的书写顺序逐个字符尝试匹配，遇到分支时优先匹配左侧模式。

五、不同语言中的实现

正则表达式在不同编程语言中通过内置库或函数支持，以下是常见语言的使用示例：

Python：使用re模块

import re
text = "Email: user@example.com"
match = re.search(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}", text)
if match:
    print("找到邮箱:", match.group())

JavaScript：通过RegExp对象或字面量/pattern/flags

const text = "Phone: 13812345678";
const regex = /^1[3-9]\d{9}$/;
if (regex.test(text)) {
    console.log("是有效手机号");
}

Java：使用java.util.regex包

import java.util.regex.*;
String text = "Date: 2025-06-17";
Pattern pattern = Pattern.compile("^\\d{4}-\\d{2}-\\d{2}$");
Matcher matcher = pattern.matcher(text);
if (matcher.matches()) {
    System.out.println("日期格式正确");
}