---

正则表达式入门教程：新手快速掌握正则基础

引言：解锁文本处理的超级能力

在信息爆炸的今天，我们每天都在与海量的文本数据打交道。无论是编程、数据分析、文本编辑，还是日常的搜索与替换，我们常常需要从杂乱无章的文本中找到特定的信息，或者按照某种规则对文本进行操作。传统的手动查找和替换在面对复杂模式时显得捉襟见肘，效率低下且容易出错。

这时，一种强大的工具应运而生，它就是——正则表达式（Regular Expression，简称 Regex 或 Regexp）。

正则表达式就像一门微型编程语言，它用一套特殊的字符组合来描述和匹配字符串模式。掌握了它，你将能够：

• 精确查找： 在海量日志中找到所有错误信息。
• 高效替换： 统一文档中不同格式的日期或电话号码。
• 数据验证： 检查用户输入的邮箱、手机号、密码是否符合规范。
• 数据提取： 从网页内容、配置文件中批量提取所需信息。
• 代码优化： 简化字符串处理逻辑，使代码更简洁高效。

本教程旨在为完全的初学者提供一个全面而易懂的入门指南，让你快速掌握正则表达式的基础知识，并具备解决实际问题的能力。准备好了吗？让我们一起踏上这场充满挑战与乐趣的文本探险之旅吧！

第一章：什么是正则表达式？

1.1 正则表达式的定义

正则表达式是一种用于描述字符串模式的工具。它不是一门独立的编程语言，而是一种通用的模式匹配语法，被集成到几乎所有主流的编程语言（如 Python, JavaScript, Java, PHP, C#, Go 等）、文本编辑器（如 VS Code, Sublime Text, Notepad++）、数据库以及命令行工具中。

简单来说，你可以把它想象成一种超级进阶版的“搜索和替换”功能。普通的搜索只能找“固定字符串”，而正则表达式可以找“符合某种规则的字符串”。

例子：
* 普通搜索：查找“cat”。
* 正则表达式：查找所有以“c”开头，以“t”结尾，中间是任意一个字符的单词（如 “cat”, “cot”, “cbt”）。

1.2 为什么学习正则表达式？

• 提升效率： 自动化处理重复的文本操作，节省大量时间。
• 精确控制： 能够匹配非常复杂的字符串模式，减少误报或漏报。
• 增强技能： 成为数据处理、编程和系统管理领域的必备技能。
• 通用性强： 语法和概念在不同工具和语言中高度一致，学会一套走遍天下。

1.3 正则表达式的使用场景

• 文本编辑器： 查找和替换特定模式的文本。
• 编程语言： 字符串的搜索、匹配、替换、分割。
• 数据验证： 验证表单输入（邮箱、电话、身份证号、密码等）。
• 日志分析： 从海量日志中提取关键信息或错误模式。
• 网页爬虫： 从HTML/XML中提取所需数据。
• 网络安全： 识别恶意代码或攻击模式。
• 命令行工具： 如 grep, sed, awk 等，用于文件内容的筛选和处理。

第二章：正则表达式的“语言”基础 —— 字符与元字符

正则表达式的强大之处在于它定义了一套特殊的字符和符号，这些符号被称为元字符（Metacharacters）。元字符赋予了正则表达式描述复杂模式的能力。

2.1 字面量字符（Literal Characters）

最简单的正则表达式就是由普通字符组成的，它们会精确匹配字符串中对应的字符。

示例：
* cat：匹配字符串中的“cat”。
* Hello World：匹配字符串中的“Hello World”。
* 123：匹配字符串中的“123”。

2.2 字符类（Character Classes）

字符类允许你匹配一“类”字符，而不是某个特定的字符。

2.2.1 匹配任意字符：点号 .

• 作用： 匹配除换行符 \n 和回车符 \r 之外的任意单个字符。
• 示例：
  • a.c 可以匹配 abc, adc, aec 等。
  • 1.3 可以匹配 123, 1A3, 1@3 等。
• 注意： 如果你的工具支持单行模式（Singleline Mode 或 Dotall Mode），点号 . 也可以匹配换行符。

2.2.2 匹配指定字符集：方括号 []

• 作用： 匹配方括号 [] 中列出的任意一个字符。
• 示例：
  • [abc]：匹配 a、b 或 c 中的任意一个字符。
    • gr[ae]y 可以匹配 gray 和 grey。
  • [0123456789] 等同于 [0-9]：匹配任意一个数字。
  • [a-zA-Z]：匹配任意一个英文字母（不分大小写）。
  • [A-Za-z0-9]：匹配任意一个英文字母或数字。
• 连字符 -： 在方括号内，连字符 - 用于表示一个范围。
• 注意： 如果连字符 - 出现在方括号的开头或结尾，它就失去了表示范围的特殊含义，被当作普通字符处理。例如 [-abc] 或 [abc-] 匹配 -、a、b、c。

2.2.3 匹配非指定字符集：方括号 [^]

• 作用： 匹配除方括号 [] 中列出的字符之外的任意一个字符。
• 示例：
  • [^abc]：匹配除了 a、b、c 之外的任意一个字符。
  • [^0-9]：匹配任意一个非数字字符。
  • [^A-Za-z]：匹配任意一个非英文字母字符。

2.3 预定义字符类（Shorthand Character Classes）

为了方便，正则表达式提供了一些预定义的字符类，它们是常用字符集的简写。

• \d：匹配任意一个数字 (digit)。等同于 [0-9]。
  • \d{3} 可以匹配 123, 456。
• \D：匹配任意一个非数字字符 (non-digit)。等同于 [^0-9]。
  • \D 可以匹配 a, @, (空格)。
• \w：匹配任意一个单词字符 (word character)。包括字母、数字和下划线。等同于 [A-Za-z0-9_]。
  • \w+ 可以匹配 hello, _world_, user123。
• \W：匹配任意一个非单词字符 (non-word character)。等同于 [^A-Za-z0-9_]。
  • \W 可以匹配 !, @, #, (空格)。
• \s：匹配任意一个空白字符 (whitespace character)。包括空格、制表符 \t、换行符 \n、回车符 \r、换页符 \f、垂直制表符 \v。
  • Hello\sWorld 可以匹配 Hello World。
• \S：匹配任意一个非空白字符 (non-whitespace character)。等同于 [^\s]。

2.4 边界匹配符（Anchors）

边界匹配符不匹配任何字符，它们匹配的是字符串的特定位置。

• ^：匹配字符串的开头。

  • ^Hello：只匹配以“Hello”开头的字符串。
    • Hello World 匹配。
    • Say Hello 不匹配。
  • 多行模式（Multiline Mode m）： 如果开启了多行模式，^ 还会匹配每一行的开头。

• $：匹配字符串的结尾。

  • World$：只匹配以“World”结尾的字符串。
    • Hello World 匹配。
    • World Class 不匹配。
  • 多行模式（Multiline Mode m）： 如果开启了多行模式，$ 还会匹配每一行的结尾。

• \b：匹配单词边界 (word boundary)。单词边界是指一个单词字符（\w）和非单词字符（\W）之间的位置，或者单词字符与字符串的开头/结尾之间的位置。

  • \bcat\b：只匹配独立的单词“cat”。
    • The cat sat. 匹配 “cat”。
    • category 不匹配 “cat”。
    • wildcat 不匹配 “cat”。
• \B：匹配非单词边界 (non-word boundary)。与 \b 相反。
  • \Bcat\B：匹配前后都是单词字符的“cat”。
    • category 中的 “cat” 匹配。
    • wildcat 中的 “cat” 不匹配。

2.5 量词（Quantifiers）

量词用于指定其前面匹配项出现的次数。

2.5.1 常用量词

• *：匹配前面的元素零次或多次 (zero or more times)。

  • ab*c：可以匹配 ac, abc, abbc, abbbc 等。
  • colou*r：可以匹配 color 和 colour。

• +：匹配前面的元素一次或多次 (one or more times)。

  • ab+c：可以匹配 abc, abbc, abbbc，但不能匹配 ac。

• ?：匹配前面的元素零次或一次 (zero or one time)。

  • ab?c：可以匹配 ac 和 abc，但不能匹配 abbc。
  • colou?r：可以匹配 color 和 colour。

2.5.2 精确量词：花括号 {}

• {n}：匹配前面的元素恰好 n 次。

  • \d{3}：匹配恰好三个数字，如 123。
  • [0-9]{5}：匹配恰好五个数字。

• {n,}：匹配前面的元素至少 n 次。

  • \d{3,}：匹配三个或更多数字，如 123, 1234, 12345。

• {n,m}：匹配前面的元素至少 n 次，但不超过 m 次。

  • \d{3,5}：匹配三到五位数字，如 123, 1234, 12345。

2.5.3 贪婪模式与非贪婪模式（Greedy vs. Lazy）

这是正则表达式中一个非常重要且容易混淆的概念。默认情况下，量词是贪婪的（Greedy），它们会尽可能多地匹配字符。

• 贪婪模式： 尽可能多地匹配。

  • a.*b 在字符串 a-x-y-z-b 中会匹配 a-x-y-z-b 整个字符串。
  • 在 <b>Hello</b> and <b>World</b> 中，<b>.*</b> 会匹配 <b>Hello</b> and <b>World</b> 整个字符串。

• 非贪婪模式（Lazy / Reluctant）： 在量词后面加上 ?，使其变为非贪婪模式。它会尽可能少地匹配字符。

  • a.*?b 在字符串 a-x-y-z-b 中会匹配 a-x-y-z-b。 (在这种情况下，结果相同，因为只有一个 b)
  • 在 <b>Hello</b> and <b>World</b> 中，<b>.*?</b> 会匹配 <b>Hello</b> 和 <b>World</b> 两次。
    • 第一次匹配 <b>Hello</b>
    • 第二次匹配 <b>World</b>

总结： 当你想要匹配最短的、符合条件的字符串时，请使用非贪婪模式 *?, +?, ??, {n,}?, {n,m}?。

2.6 分组与捕获（Grouping and Capturing）

圆括号 () 在正则表达式中有两个主要作用：

2.6.1 分组（Grouping）

• 作用： 将多个字符组合成一个逻辑单元，作为一个整体进行操作。量词可以作用于整个组。
• 示例：
  • (ab)+：匹配一个或多个“ab”序列，如 ab, abab, ababab。
  • (\d{3})-\d{3}-\d{4}：匹配电话号码，并将区号 \d{3} 作为一个组。

2.6.2 捕获（Capturing）

• 作用： 括号 () 除了分组，还会捕获它们匹配的文本。这些被捕获的文本可以在后续操作中被引用（称为反向引用）。
• 示例：
  • (\d{4})-(\d{2})-(\d{2}) 匹配 2023-10-26。
    • 第一个捕获组 (\d{4}) 捕获 2023。
    • 第二个捕获组 (\d{2}) 捕获 10。
    • 第三个捕获组 (\d{2}) 捕获 26。
  • 反向引用： 在正则表达式内部，可以使用 \1, \2, \3… 来引用前面捕获组匹配的内容。
    • (\w+)\s+\1 可以匹配 hello hello (匹配一个单词，一个空格，然后是之前捕获的同一个单词)。
    • 在替换操作中，通常使用 $1, $2 或 \g<1>, \g<2> 来引用捕获组。例如，将 YYYY-MM-DD 格式的日期转换为 MM/DD/YYYY：
      • 查找模式：(\d{4})-(\d{2})-(\d{2})
      • 替换模式：$2/$3/$1
      • 2023-10-26 将被替换为 10/26/2023。

2.6.3 非捕获分组 (?:...)

如果你只是想对某些模式进行分组，但又不想捕获它的内容（节省内存或避免不必要的捕获），可以使用非捕获分组。

• 示例： (?:abc)+ 匹配一个或多个“abc”，但不会将“abc”捕获为单独的组。

2.7 或操作符 |

• 作用： 匹配 | 符号左边或右边的任意一个模式。
• 示例：
  • cat|dog：匹配“cat”或“dog”。
  • (red|blue) car：匹配“red car”或“blue car”。
  • I like (apple|banana)s：匹配 I like apples 或 I like bananas。

2.8 转义字符 \

• 作用： 当你想匹配一个具有特殊含义的元字符本身时，你需要使用反斜杠 \ 进行转义。
• 常见需要转义的元字符： . * + ? { } ( ) [ ] \ | ^ $
• 示例：
  • 如果你想匹配一个点号 .，你应该使用 \.。
    • www\.example\.com 匹配 www.example.com。
  • 如果你想匹配一个反斜杠 \，你应该使用 \\。
  • 如果你想匹配 (hello) 这个字符串，你应该使用 \(hello\)。

第三章：正则表达式的修饰符（Flags）

修饰符（或标志）用于改变正则表达式的匹配行为。不同的编程语言和工具可能有所不同，但以下是几个最常见的：

• i (Ignore Case / Case-Insensitive)：

  • 作用： 忽略大小写。
  • 示例： /cat/i 会匹配 cat, Cat, CAT, cAt 等。

• g (Global)：

  • 作用： 全局匹配。找到所有匹配项，而不是在找到第一个匹配项后停止。
  • 示例： 在 JavaScript 中，"apple banana apple".match(/apple/g) 会返回 ["apple", "apple"]。如果没有 g 标志，只会返回 ["apple"]。

• m (Multiline)：

  • 作用： 多行模式。使 ^ 和 $ 不仅匹配整个字符串的开头和结尾，还匹配每一行的开头和结尾（即 \n 和 \r 字符之后/之前的位置）。
  • 示例：
    • 字符串：Line 1\nLine 2\nLine 3
    • /^Line/g (无 m)：只匹配第一个 Line。
    • /^Line/gm：匹配所有三个 Line。

• s (Dotall / Singleline)：

  • 作用： 使 . 匹配包括换行符 \n 在内的所有字符。
  • 示例：
    • 字符串：Hello\nWorld
    • /Hello.World/ (无 s)：不匹配，因为 . 不匹配 \n。
    • /Hello.World/s：匹配 Hello\nWorld。

第四章：常用正则表达式模式与实战

现在，我们已经学习了正则表达式的基础构建块。是时候将它们组合起来，解决一些实际问题了！

4.1 匹配邮箱地址

邮箱地址通常遵循 [email protected] 的格式。

模式： ^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

分解解释：
* ^：匹配字符串开头。
* \w+：匹配用户名，至少一个单词字符（字母、数字、下划线）。
* ([-+.]\w+)*：这是一个分组，用于匹配用户名中可能包含的 -、+、. 字符及其后的单词字符。* 表示这个分组可以出现零次或多次。
* 例如 user.name, user-name, user+alias
* @：匹配字面量字符 @。
* \w+：匹配域名中的第一部分，至少一个单词字符。
* ([-.]\w+)*：匹配域名中可能包含的 -、. 字符及其后的单词字符。* 表示这个分组可以出现零次或多次。
* 例如 example.co.uk 中的 .co
* \.：匹配字面量字符 .。
* \w+：匹配顶级域名（如 com, cn, org），至少一个单词字符。
* ([-.]\w+)*：可选的子域名部分。
* $：匹配字符串结尾。

测试用例：
* [email protected] (匹配)
* [email protected] (匹配)
* invalid-email (不匹配)
* @example.com (不匹配)

4.2 匹配手机号码（中国大陆）

中国大陆手机号目前为11位数字，以 1 开头，第二位是 3,4,5,6,7,8,9 中的一位。

模式： ^1[3-9]\d{9}$

分解解释：
* ^：匹配字符串开头。
* 1：匹配数字 1。
* [3-9]：匹配数字 3 到 9 中的任意一个。
* \d{9}：匹配九个数字。
* $：匹配字符串结尾。

测试用例：
* 13800138000 (匹配)
* 19912345678 (匹配)
* 12345678901 (不匹配，第二位不是3-9)
* 1380013800 (不匹配，少一位)

4.3 匹配日期（YYYY-MM-DD 格式）

模式： ^\d{4}-\d{2}-\d{2}$

分解解释：
* ^：字符串开头。
* \d{4}：匹配四位数字（年份）。
* -：匹配字面量 -。
* \d{2}：匹配两位数字（月份）。
* -：匹配字面量 -。
* \d{2}：匹配两位数字（日期）。
* $：字符串结尾。

进阶：更严格的日期验证（可选）

如果你需要更严格地验证月份和日期范围，正则表达式会变得非常复杂，通常建议结合编程语言的日期库来处理。但我们可以尝试匹配简单的范围：

模式（简单日期范围）： ^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

分解解释（主要在月份和日期部分）：
* (0[1-9]|1[0-2])：月份。
* 0[1-9]：匹配 01 到 09。
* |：或。
* 1[0-2]：匹配 10 到 12。
* (0[1-9]|[12]\d|3[01])：日期。
* 0[1-9]：匹配 01 到 09。
* |：或。
* [12]\d：匹配 10 到 29。
* |：或。
* 3[01]：匹配 30 或 31。

测试用例：
* 2023-10-26 (匹配)
* 2023-01-01 (匹配)
* 2023-13-01 (不匹配，月份不对)
* 2023-10-32 (不匹配，日期不对)

4.4 匹配 URL

匹配 URL 是一个复杂的任务，以下是一个相对通用但并非绝对严谨的模式：

模式： ^(https?|ftp):\/\/([a-zA-Z0-9.-]+)(:\d+)?(\/[a-zA-Z0-9.-]*)*\/?(\?[a-zA-Z0-9.&=-]*)?(#[a-zA-Z0-9-]*)?$

分解解释（简要）：
* ^：开头。
* (https?|ftp):\/\/：匹配协议 http://, https:// (s可选) 或 ftp://。
* ([a-zA-Z0-9.-]+)：匹配域名（IP地址也可以）。
* (?:\:\d+)?：可选的端口号（非捕获分组 ?:）。
* (\/[a-zA-Z0-9.-]*)*：可选的路径。
* \/?：可选的末尾斜杠。
* (\?[a-zA-Z0-9.&=-]*)?：可选的查询参数（以 ? 开头）。
* (\#[a-zA-Z0-9-]*)?：可选的片段标识（以 # 开头）。
* $：结尾。

测试用例：
* https://www.example.com (匹配)
* http://localhost:8080/path/to/resource?id=123&name=test#section (匹配)
* ftp://ftp.example.org/file.txt (匹配)
* just-a-text (不匹配)

4.5 提取 HTML 标签中的内容

假设我们想从 <h1>标题</h1> 中提取 “标题”。

模式： <h1>(.*?)<\/h1>

分解解释：
* <h1>：匹配字面量 <h1>。
* (.*?)：这是一个捕获组，.*? 使用非贪婪模式匹配任意数量的任意字符。这将捕获标签之间的内容。
* <\/h1>：匹配字面量 </h1>。这里的 / 需要转义，因为在某些语言（如 JavaScript）中 / 是正则表达式的定界符。

测试用例：
* 输入：<h1>Hello World</h1>
* 匹配结果：<h1>Hello World</h1>
* 捕获组1：Hello World

注意： 正则表达式不适合解析复杂的 HTML/XML，因为它无法处理嵌套结构和不规范的标签。对于这类任务，应使用专业的 HTML/XML 解析库（如 Python 的 BeautifulSoup）。

第五章：正则表达式在编程中的应用

正则表达式在各种编程语言中都有内置支持。虽然具体 API 名称可能不同，但核心功能和概念是通用的。

5.1 Python 中的应用

Python 通过 re 模块提供正则表达式支持。

“`python
import re

text = “Hello World! My phone is 138-0013-8000. Email: [email protected].”

1. re.search()：查找第一个匹配项

找到一个手机号

phone_pattern = r”\d{3}-\d{4}-\d{4}” # 使用原始字符串 r”” 避免反斜杠转义问题
match = re.search(phone_pattern, text)
if match:
print(“Found phone number:”, match.group(0)) # group(0) 返回整个匹配到的字符串
# Output: Found phone number: 138-0013-8000
else:
print(“Phone number not found.”)

2. re.findall()：查找所有匹配项

找到所有单词

words = re.findall(r”\b\w+\b”, text)
print(“All words:”, words)

Output: All words: [‘Hello’, ‘World’, ‘My’, ‘phone’, ‘is’, ‘138’, ‘0013’, ‘8000’, ‘Email’, ‘test’, ‘example’, ‘com’]

3. re.sub()：替换匹配项

替换邮箱地址为占位符

email_pattern = r”\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Z|a-z]{2,}\b”
replaced_text = re.sub(email_pattern, “[EMAIL_ADDRESS]”, text)
print(“Text after email replacement:”, replaced_text)

Output: Text after email replacement: Hello World! My phone is 138-0013-8000. Email: [EMAIL_ADDRESS].

4. re.split()：根据匹配项分割字符串

按非单词字符分割

parts = re.split(r”\W+”, text)
print(“Split parts:”, parts)

Output: Split parts: [‘Hello’, ‘World’, ‘My’, ‘phone’, ‘is’, ‘138’, ‘0013’, ‘8000’, ‘Email’, ‘test’, ‘example’, ‘com’, ”]

5. re.match()：从字符串开头匹配

注意：re.match() 只匹配字符串的开头。如果模式不在开头，则不匹配。

match_start = re.match(r”Hello”, text)
if match_start:
print(“String starts with ‘Hello’.”)

Output: String starts with ‘Hello’.

match_phone_start = re.match(phone_pattern, text)
if match_phone_start:
print(“String starts with phone number.”)
else:
print(“String does not start with phone number.”)

Output: String does not start with phone number. (因为手机号不在开头)

6. 使用修饰符 (re.IGNORECASE, re.MULTILINE, re.DOTALL)

text_multi = “Line 1\nline 2\nLine 3”

忽略大小写查找 “line”

all_lines_case_insensitive = re.findall(r”line”, text_multi, re.IGNORECASE)
print(“All lines (case-insensitive):”, all_lines_case_insensitive)

Output: All lines (case-insensitive): [‘Line’, ‘line’, ‘Line’]

匹配每行开头的 “Line”

starts_of_lines = re.findall(r”^Line”, text_multi, re.MULTILINE)
print(“Starts of lines (multiline):”, starts_of_lines)

Output: Starts of lines (multiline): [‘Line’, ‘Line’]

“`

5.2 JavaScript 中的应用

JavaScript 在全局 RegExp 对象中支持正则表达式，并且可以直接在字符串方法中使用。

“`javascript
let text = “Hello World! My phone is 138-0013-8000. Email: [email protected].”;

// 1. String.prototype.match()：查找匹配项
// 匹配所有单词，并忽略大小写
let words = text.match(/\b\w+\b/gi); // i 忽略大小写, g 全局匹配
console.log(“All words:”, words);
// Output: All words: [‘Hello’, ‘World’, ‘My’, ‘phone’, ‘is’, ‘138’, ‘0013’, ‘8000’, ‘Email’, ‘test’, ‘example’, ‘com’]

// 2. RegExp.prototype.test()：检查是否有匹配
let phonePattern = /\d{3}-\d{4}-\d{4}/;
if (phonePattern.test(text)) {
console.log(“Phone number found.”);
}
// Output: Phone number found.

// 3. String.prototype.replace()：替换匹配项
let emailPattern = /\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Z|a-z]{2,}\b/g;
let replacedText = text.replace(emailPattern, “[EMAIL_ADDRESS]”);
console.log(“Text after email replacement:”, replacedText);
// Output: Text after email replacement: Hello World! My phone is 138-0013-8000. Email: [EMAIL_ADDRESS].

// 4. String.prototype.split()：根据匹配项分割字符串
let parts = text.split(/\W+/);
console.log(“Split parts:”, parts);
// Output: Split parts: [‘Hello’, ‘World’, ‘My’, ‘phone’, ‘is’, ‘138’, ‘0013’, ‘8000’, ‘Email’, ‘test’, ‘example’, ‘com’, ”]

// 5. RegExp.prototype.exec()：循环匹配，获取捕获组信息
let dateText = “Date: 2023-10-26, Another: 2024-01-15”;
let datePattern = /(\d{4})-(\d{2})-(\d{2})/g; // g 标志很重要，允许 exec 连续匹配

let matchResult;
while ((matchResult = datePattern.exec(dateText)) !== null) {
console.log(“Full match:”, matchResult[0]); // 整个匹配到的字符串
console.log(“Year:”, matchResult[1]); // 第一个捕获组
console.log(“Month:”, matchResult[2]); // 第二个捕获组
console.log(“Day:”, matchResult[3]); // 第三个捕获组
console.log(“—“);
}
/* Output:
Full match: 2023-10-26
Year: 2023
Month: 10
Day: 26

---

Full match: 2024-01-15
Year: 2024
Month: 01
Day: 15

---

*/
“`

5.3 其他语言的相似性

• Java： 使用 java.util.regex 包，包含 Pattern 和 Matcher 类。
  • Pattern.compile() 编译正则表达式。
  • Matcher.find() 查找。
  • Matcher.matches() 全局匹配。
  • Matcher.replaceAll() 替换。
• PHP： 使用 preg_* 系列函数（如 preg_match, preg_replace, preg_split），基于 PCRE (Perl Compatible Regular Expressions) 库。
• C#： 使用 System.Text.RegularExpressions 命名空间下的 Regex 类。

你会发现，一旦理解了正则表达式的语法，在不同语言中运用它只是 API 调用的差异。

第六章：学习和实践的建议

学习正则表达式不是一蹴而就的，它需要持续的实践和反复的调试。

1. 从基础开始： 不要试图一次性掌握所有元字符和高级概念。先从字面量、点号、字符集、量词开始。
2. 多动手实践：
   • 在线正则表达式测试工具： 强烈推荐使用 regex101.com 或 regexr.com。它们不仅能实时测试你的正则表达式，还能详细解释每个部分的含义，并显示匹配结果和捕获组。这是学习和调试的最佳伴侣。
   • 文本编辑器： 在你的文本编辑器中使用正则表达式的查找/替换功能，练习解决实际问题。
   • 编程练习： 在你熟悉的编程语言中编写小程序，使用正则表达式进行字符串操作。
3. 理解贪婪与非贪婪： 这是初学者最常遇到的坑，花时间彻底搞懂它。
4. 从小模式开始构建： 当你尝试匹配一个复杂模式时，不要一下写完。先写出能匹配一小部分的模式，然后逐步添加和完善。
5. 查阅参考手册： 不需要记住所有元字符，但要知道它们的存在。遇到不确定的时候，查阅手册。
6. 学习案例： 分析别人写的复杂正则表达式，理解其设计思路。
7. 备份与测试： 在实际应用中，尤其是在进行替换操作时，务必先备份数据，并充分测试你的正则表达式，避免不必要的损失。
8. 正则不是万能的： 对于某些复杂的结构（如嵌套的HTML），正则可能不是最佳工具。这时应该考虑使用专门的解析器。

结语：文本的艺术，效率的飞跃

正则表达式是一门精妙而强大的工具，它赋予你前所未有的文本处理能力。它可能看起来有些晦涩难懂，但一旦你掌握了它的基本规则和思维方式，你就会发现它不仅能够大幅提升你的工作效率，还能在解决各种文本问题时为你带来极大的乐趣和成就感。

从今天开始，将正则表达式融入你的日常工作和学习中吧。从小处着手，不断练习，你将很快成为一个能够自如运用这门“文本艺术”的大师！祝你在正则表达式的学习之旅中取得丰硕的成果！