正则表达式入门：10 个日常工作最常用的模式

很多人对正则表达式的第一印象是”一行看不懂的天书”：一堆斜杠、方括号、花括号挤在一起，复制过来能用就行，出了 bug 却不知道从哪改起。其实正则的核心概念就那么几个——字符类、量词、分组、锚点，掌握之后你会发现日常 80% 的匹配需求只需要很短的模式就能解决。这篇文章不讲大而全的语法手册，而是挑出实际工作里最高频的 10 个模式，逐个符号拆开解释，读完你就能自己写、自己改，而不是只能抄。

正则到底是什么

正则表达式（Regular Expression，常简写 regex）是一种描述”字符串长什么样”的小型语言。你给它一个模式，它就能在一段文本里回答两类问题：这段文本符不符合这个格式（校验），以及把符合这个格式的部分找出来（提取）。几乎所有主流语言都内置了正则引擎，编辑器、命令行的 grep、日志分析工具也都支持它。

看一个最小的例子：\d{3}-\d{4} 能匹配 010-1234 这样的字符串。其中 \d 表示”任意一个数字”，{3} 表示”前面的东西重复 3 次”，- 就是字面意义的短横线。正则的所有模式都是这样由小零件拼起来的，看懂零件，就看懂了整体。

模式 1：邮箱地址

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

逐段拆解：^ 和 $ 是锚点，分别表示”字符串开头”和”结尾”，加上它们表示整段文本必须完全符合模式，而不是只包含一段邮箱。[a-zA-Z0-9._%+-] 是一个字符类，方括号里列出的字符任意出现其中一个就算匹配；后面的 + 表示”至少一次”。中间的 @ 是字面字符。\. 中的反斜杠用来转义——点号在正则里本来表示”任意字符”，转义后才表示真正的英文句点。{2,} 表示顶级域名至少两个字母。

需要说明的是，完全符合 RFC 5322 规范的邮箱正则有上千个字符，没人真的那么写。上面这个模式覆盖了正常业务里 99% 的邮箱，做表单校验足够用。如果你只是想快速验证一个邮箱格式而不想写代码，也可以直接用在线的邮箱校验工具。

模式 2：URL

https?://[\w-]+(\.[\w-]+)+[\w\-.,@?^=%&:/~+#]*

s? 里的问号表示前一个字符出现 0 次或 1 次，所以 http 和 https 都能匹配。\w 等价于 [a-zA-Z0-9_]，即字母、数字和下划线。(\.[\w-]+)+ 是一个分组，匹配 .com、.example.co 这类以点号分隔的域名段，整个分组用 + 表示至少出现一次。最后一段方括号里罗列了 URL 路径和查询串里常见的合法字符，用 * 表示可以出现任意多次（包括零次）。

这个模式适合从文本里提取 URL。如果你要做严格的 URL 合法性校验，建议在代码里用语言自带的 URL 解析器，正则只做粗筛。

模式 3：手机号（中国大陆）

^1[3-9]\d{9}$

这是国内表单里最常用的模式之一，而且很好读：手机号以 1 开头，第二位是 3 到 9 之间的数字，后面再跟 9 个数字，总共 11 位。[3-9] 这种短横线连接的范围写法是字符类的核心技巧，a-z、0-9 同理。

如果你的系统面向国际用户，手机号就没有通用正则可言了——各国位数和规则差异巨大，这时应该用专门的号码解析库而不是正则。

模式 4：日期 YYYY-MM-DD

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

这个模式值得细看，因为它展示了分组加竖线的写法。圆括号 (...) 把多个选项括成一组，竖线 | 表示”或”。月份部分 (0[1-9]|1[0-2]) 只允许 01–09 和 10–12，排除了 00、13 这样的非法值；日期部分同理，允许 01–31。

注意这个正则只能保证格式合法，不能保证日期真实存在——2026-02-31 依然能匹配，因为 2 月没有 31 天。要校验真实日期，必须结合代码逻辑。这正是”正则做格式校验、程序做语义校验”这条原则的典型例子。

模式 5：提取数字（含小数和负数）

-?\d+(\.\d+)?

开头的 -? 表示可选的负号。\d+ 匹配整数部分，(\.\d+)? 整体是可选的小数部分：分组里的 \. 是小数点，\d+ 是小数位数，外层问号表示”小数部分可以没有”。所以它能同时匹配 42、-7 和 3.14。

这是日志分析和数据清洗里用得最多的模式之一：配合全局匹配标志（JavaScript 里的 g 标志），可以一次把一段文本里的所有数字全部抓出来。

模式 6：去除首尾空白

^\s+|\s+$

\s 表示任意空白字符，包括空格、制表符、换行。这个模式配合替换操作使用：把匹配到的内容替换成空字符串，效果等同于各语言的 trim()。中间的 | 让两个分支分别吃掉开头和结尾的空白，一次替换全搞定。

如果还想把文本中间的多个连续空格压缩成一个，可以再加一步，把 \s{2,} 替换成单个空格——{2,} 表示”至少两次”。

模式 7：匹配引号内的字符串

"([^"\\]|\\.)*"

处理 CSV、解析简单配置时经常需要把双引号包住的内容提取出来。这个模式的骨架是 "..."，难点在中间：[^"\\] 用否定字符类匹配”既不是引号也不是反斜杠的字符”，\\. 则匹配转义序列（比如 \"、\\），两者用竖线组成一个分组，再整体重复任意次。这样即使字符串内部有 \" 也不会让匹配提前结束。

模式 8：IPv4 地址

\b((25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)\.){3}(25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)\b

这个模式看起来吓人，结构其实很简单：它把”一个合法的 0–255 数字段”写成了 (25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d) 这个分支组——250 到 255、200 到 249、100 到 199、其余 0 到 99，四种情况合起来恰好覆盖 0–255，排除了 999.1.1.1 这类假地址。前三段后面各跟一个点号，用 {3} 重复，最后一段不带点号。\b 是单词边界，防止从更长的数字串中间切出一段来匹配。

日常排障时如果只想要个粗略模式，\b(?:\d{1,3}\.){3}\d{1,3}\b 也够用——上面这个严格版适合写进校验逻辑。

模式 9：匹配中文

[一-龥]+

方括号里用 Unicode 码位范围 [一-龥]（即 \u4e00 到 \u9fff）覆盖了绝大多数常用汉字，配合 + 可以匹配连续的中文字符串。在 JavaScript 里也可以写成 [\u4e00-\u9fff]+，两种写法等价。常见用途是校验”姓名必须是中文”或者从混排文本里提取中文部分。需要注意这个范围不含中文标点，如果要去掉中文逗号句号，得另外列出。

模式 10：匹配 HTML 标签

<([a-z][a-z0-9]*)\b[^>]*>(.*?)</\1>

最后这个模式引入了两个高级零件。([^>]* 里的否定字符类匹配属性部分（任何不是 > 的字符）；(.*?) 里的 ? 让量词变成非贪婪模式，匹配到最近的闭合标签就停；\1 是反向引用，表示”和第 1 个分组捕获到的内容相同的文本”，保证开闭合标签同名——<div>...</div> 能匹配，<div>...</span> 不能。

顺便说一句业界共识：正则不适合解析完整的 HTML（HTML 不是正则语言），但用来抓取结构简单、格式固定的片段，它依然是最快的方案。

贪婪与非贪婪：最容易踩的坑

量词（*、+、{m,n}）默认是贪婪的：能匹配多少就匹配多少。经典例子是用 <.+> 去匹配 <b>加粗</b> 普通文字 <i>斜体</i>，你以为会匹配到 <b>，实际却从第一个 < 一路吃到行尾最后一个 >，把整行都吞了——因为 .+ 先吃到不能再吃，引擎再回退找最后的 >。

在量词后面加一个 ? 就变成非贪婪（也叫懒惰）：能少匹配就少匹配。把模式改成 <.+?>，就会得到 <b>、</b>、<i>、</i> 四个独立的短匹配。经验法则是：当你要匹配”到某个结束符为止”的内容时，优先考虑非贪婪量词或否定字符类（[^>]*），后者通常更快也更不容易出错。

测试正则的正确姿势

写好正则直接上线是新人最容易犯的错误。正确的流程是这样的：

先在可视化测试工具里调，不要直接在代码里调。 把真实样本贴进正则测试工具，它会实时高亮所有匹配、列出捕获分组、标出非法语法，改一下模式马上能看到效果，比在代码里 console.log 快得多。
准备正反两组测试样本。 正例要覆盖你预期的各种合法变体（比如带 + 号的邮箱、带端口号的 URL）；反例同样重要——邮箱少个 @、日期出现 2026-13-45、IP 出现 300.1.1.1，这些”看起来差不多”的输入必须匹配失败。
注意标志位（flags）。 同一个模式加上 g（全局）、i（忽略大小写）、m（多行，让 ^ 和 $ 匹配每行而不是整个字符串）之后行为完全不同，测试环境里的标志必须和线上代码一致。
警惕灾难性回溯。 嵌套量词（比如 (a+)+）遇到精心构造的输入时，匹配时间可能呈指数增长，甚至卡死服务。如果模式里有”重复套重复”的结构，务必用长的不匹配字符串测一下耗时。

记不住具体符号怎么写很正常，用的时候随手查一下正则语法速查表，比硬背高效。正则是一门”用着用着就会了”的手艺：先把这 10 个模式用熟，遇到新需求时在它们的基础上改，比从零开始啃语法书要轻松得多。