什么是正则表达式
正则表达式（Regular Expression，常缩写为 regex）是一门用来描述“文本长什么样”的小语言：用一串符号写出一条规则，再让程序拿这条规则去文本里找符合的部分。
它不是某个软件或某门语言的专利，而是一套跨语言的文本匹配规则。你给它一段模式，它就在字符串里从左到右扫描，找到匹配的位置。
所以它的核心动作只有一个，就是匹配。搜索、替换、校验、提取，全都是围绕匹配衍生出来的用法。
为什么需要它：一条规则替代一堆判断
要检查用户输入的是不是手机号，不用正则，得先判断长度是不是十一位，再逐个字符判断是不是数字，再判断开头是不是一。写成代码就是一堆 if 判断。
用正则，一条规则就写完了：开头一个一，后面跟十位数字。规则本身就接近人能读懂的描述，改起来也只要改这一处。
核心机制：四类零件拼出一条规则
正则的语法不多，主要就四类零件。
- 普通字符：写什么就匹配什么，比如写 abc 就去找 abc。
- 字符类：用方括号表示“这一位可以是其中任意一个”。方括号里写 0 到 9，表示任意一个数字；方括号里写几个元音字母，表示任意一个元音。
量词控制前一个东西出现几次。
- 星号：零次或多次。
- 加号：一次或多次。
- 问号：零次或一次。
- 花括号里写数字：精确次数，比如写十一，就是正好出现十一次。
位置和分组负责定位与打包。
- 脱字符表示开头。
- 美元符号表示结尾。
- 圆括号把一段规则打包成一个整体，方便整体加量词。
另外两个必须知道的符号：
- 反斜杠是转义符。点、星号、括号这些符号在正则里有特殊含义，想匹配它们本身，前面就要加反斜杠。
- 竖线表示“或”。写 cat 竖线 dog，就是猫或者狗，任意一个都算匹配。
怎么读懂一条规则：从邮箱写法开始
把这些拼起来，就能读懂一条真实的规则。比如简单校验邮箱的写法：一段字母数字，一个 at 符号，一段字母数字，一个点，两到四个字母，四部分依次排列。
要注意这里说的是简单校验。真实场景里邮箱规则非常复杂，所以不要追求用一条正则覆盖所有情况。
常见误区与限制
贪婪匹配
量词默认是贪婪的，也就是尽量多匹配。用星号去匹配一段带尖括号的文本，它会把整行从第一个尖括号一路吃到最后一个尖括号。
解决办法是在量词后面再加一个问号，变成非贪婪，让它在第一个能收尾的位置就停下。
回溯的成本
正则还有个隐性成本，叫回溯。当规则写得模糊，引擎会不断尝试、失败、退回、换个位置再试。规则越模糊，尝试次数越多，极端情况下能慢到把主线程卡住。
所以写正则时尽量让规则明确，避免嵌套量词，比如“任意字符若干次”再跟“任意字符若干次”这种写法。
能力边界
正则擅长描述形状，不擅长描述含义。它能判断一串字符像不像日期，但判断不了这个日期是不是真的存在，更处理不了嵌套结构，比如多层括号配对的 HTML。
遇到这类问题，该写解析器就老老实实写解析器。
实践场景：正则通常出现在哪里
- 表单校验：手机号、身份证号、邮箱格式。
- 文本提取：从日志里捞出所有 IP 地址。
- 批量替换：把文档里多余的空格全部清理干净。
- 搜索工具和代码编辑器里的查找框：背后的能力很多时候就是正则。
常见问题
正则只属于某一种编程语言吗？ 不是。它是一套跨语言的文本匹配规则，不是某个软件或某门语言的专利。
为什么一条正则就能省掉大量判断代码？ 因为它把“形状”描述清楚了。开头一个一，后面跟十位数字，一条规则就写完，改起来也只要改这一处。
贪婪匹配要怎么改？ 在量词后面再加一个问号，就从贪婪变成非贪婪，让它在第一个能收尾的位置就停下。
正则为什么会变慢？ 多半是规则写得模糊，引擎不断尝试、失败、退回、换位置再试，尝试次数随规则模糊程度上升，极端情况下能慢到把主线程卡住。
正则能处理所有文本结构吗？ 不能。它擅长描述形状，不擅长描述含义，也处理不了嵌套结构，比如多层括号配对的 HTML；这类问题该写解析器就老老实实写解析器。
总结
理解正则的关键，不是死背语法符号，而是学会把它当成一句话来读：从前往后，哪个位置、出现什么、出现几次。
掌握这个读法，你既能看懂别人写的规则，也能自己拼出一条可用的规则。
