正则表达式语法有点复杂，而且不同的工具或编程语言所支持的语法也不完全相同。下面介绍一些常用的正则表达式语法规则，并顺带提醒几处常见差异。

基本单位

基本单位主要包含：普通字符、转义字符（如 \n、\d）、点号 .（通常匹配除换行外的任意单个字符）、字符类（如 [abc]、[^abc]，其中后者表示对字符类取反），以及分组（如 (...)）。

基本操作

基本操作的对象是这些基本单位，主要包含两个基本操作：连接和重复。

连接

将两个或多个字符或子模式直接拼接在一起进行匹配。每个子模式会按顺序依次匹配字符串中的相应部分。

• 简单字符连接

正则表达式：abc
匹配：字符串中的 abc 片段。
例子：在“查找”场景下，abc 可以匹配 abc 和 123abc456 中的 abc 片段；如果要求整个字符串完全匹配，应写成 ^abc$，这时 ab 和 abcd 都不匹配。

• 带有转义字符的连接

正则表达式：\.txt$
解释：. 通常表示匹配任意单个字符，而 \. 表示将点号转义为普通字符，即匹配字面量 .；末尾的 $ 表示必须以 .txt 结尾。
匹配：file.txt、document.txt 等以 .txt 结尾的字符串；file.pdf 不匹配。

• 字符类连接

正则表达式：[A-Z][0-9]
解释：第一个字符是大写字母，第二个字符是数字。
匹配：像 “A1”, “Z9” 这样的字符串。

• 带有量词的连接

正则表达式：a{2}b{3}
解释：表示有两个 “a” 和三个 “b” 连在一起。
匹配：”aabbb”。

• 复杂子模式连接

正则表达式：(\d{3})-(\d{2})-(\d{4})
解释：匹配形如 “123-45-6789” 的字符串，其中 \d 表示数字，{3}、{2} 和 {4} 分别指定数字的个数。
匹配：像 “123-45-6789” 这样的字符串。

重复

用于匹配一个模式的多次重复，通常使用量词来控制重复的次数。以下是常用的重复操作符和它们的含义：
常用量词：

• *（星号）：匹配前面的模式 >= 0 次。

  例子：a* 可以匹配 “a” 重复 0 次或多次，因此会匹配 “”（空字符串）、”a”、”aa”、”aaa” 等。
  [abc]* 可以匹配零个或多个由字母 a、b、c 组成的字符序列，如 “”、”a”、”b”、”bacabc” 等。
  .* 可以匹配任意长度的字符序列；不过在很多正则引擎中，. 默认不匹配换行符。

• +（加号）：匹配前面的模式 1 次或多次。

  例子：a+ 匹配至少一个 “a”，所以会匹配 “a”，”aa”，”aaa” 等，但不会匹配空字符串。
  [abc]+ 可以匹配由字符 a、b、c 组成的非空字符串，如 “a”、”ab”、”cba”。

• ?（问号）：匹配前面的模式 0 次或 1 次。

  例子：a? 匹配一个 “a” 或没有 “a”，所以会匹配 “” 或 “a”。
  [abc]? 可以匹配零次或一次出现的字母 a、b 或 c，如 “”、”a”、”b”、”c”，但不能匹配 “ab”。

• {n}：匹配前面的模式恰好 n 次。

  例子：a{3} 只会匹配 “aaa”，因为它要求 “a” 恰好出现 3 次。

• {n,}：匹配前面的模式至少 n 次。

  例子：a{2,} 匹配 “a” 至少出现 2 次的情况，因此会匹配 “aa”、”aaa”、”aaaa” 等。

• {n,m}：匹配前面的模式至少 n 次，最多 m 次。

  例子：a{2,4} 会匹配 “a” 出现 2 次到 4 次的情况，因此会匹配 “aa”、”aaa”、”aaaa”。

指定基本单位出现的位置

• ^：开头位置；在多行模式下常表示行首，比如 ^1 表示以 1 开头。
• $：结尾位置；在多行模式下常表示行尾，比如 xyz$ 表示以 xyz 结尾。
• \<：词首，比如 \<f 表示词首必须以 f 开头。这个写法只在部分正则引擎中有效。
• \>：词尾，比如 xyz\> 表示词尾必须以 xyz 结尾。这个写法只在部分正则引擎中有效。

如果你使用的是更常见的 PCRE、JavaScript、Python 等正则风格，单词边界通常更常写成 \b。

实战演习小例子：

中国电话号码正则表达式

要求：1. 第一位必须是 1；2. 第二位是 3-9 之间的数字；3. 一共 11 位数字。

1

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

解释：

1. ^：表示字符串的开始，确保从开头匹配。
2. 1：中国手机号码以 1 开头。
3. [3-9]：第二位数字是 3 到 9，因为中国的手机号码段通常是 13x, 14x, 15x, 16x, 17x, 18x, 19x 等等。
4. \d{9}：表示接下来有 9 位数字，\d 表示数字，{9} 表示恰好 9 位。
5. $：表示字符串的结尾，确保整个字符串是完整的 11 位号码。

身份证号码正则表达式

要求：1. 一共 18 位；2. 前 6 位是地区码；3. 中间 8 位是出生年月日；4. 最后 3 位是顺序码；5. 最后一位可以是数字，也可以是字母 X。

1

^\d{6}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}(\d|X|x)$

解释：

1. ^：表示字符串的开始，确保从开头匹配。
2. \d{6}：前 6 位是地区码，由 6 位数字组成。
3. (18|19|20)：接下来的 2 位是年份的前两位，匹配 18、19 或 20（即 1800 年代、1900 年代或 2000 年代）。
4. \d{2}：匹配年份的后两位数字，组成 4 位年份（如 1980、2002 等）。
5. (0[1-9]|1[0-2])：匹配月份，01 到 09 表示 1 月到 9 月，10 到 12 表示 10 月到 12 月。
6. (0[1-9]|[12]\d|3[01])：匹配日期，01 到 09 表示 1 日到 9 日，10 到 29 表示 10 日到 29 日，30 和 31 表示 30 日和 31 日。
7. \d{3}：匹配顺序码，由 3 位数字组成。
8. (\d|X|x)：最后一位是校验码，可能是数字或字母 X。有些场景只接受大写 X，这里同时放行了大小写两种写法。
9. $：表示字符串的结尾，确保整个字符串是完整的 18 位号码。

注意：这个正则只能校验“格式是否像身份证号”，不能严格判断地区码是否真实存在，也不能完全判断日期是否合法，例如闰年和某些月份的天数问题仍需额外逻辑处理。

匹配字符串

要求：1. 匹配单词；2. 开头以 f；3. 结尾为 t。

1
2

\<f[a-z]*t\>      # 只匹配由小写字母组成的单词
\<f[^ \t]*t\>     # 允许中间出现数字或其他非空白字符

解释：

1. \<：表示单词的开始边界（这在一些正则表达式引擎中有效，如 GNU grep、sed 等）。表示匹配一个单词的起始位置，确保匹配的是独立的单词，而不是其他词中的一部分。

2. f：字母 f，匹配单词的第一个字母。

3. [^ \t]*：

   • [^ \t]：字符类取反，表示不能包含空格（ ）或制表符（\t）。

   • *：量词，表示前面的模式可以重复 0 次或多次，即允许后续任意多个非空格或非制表符的字符。

4. t：字母 t，匹配单词的最后一个字母。

5. \>：表示单词的结束边界，确保匹配的结束处是一个完整的单词。