正则表达式符号拆解与大白话解释

如何阅读正则表达式

正则表达式是一串 token 的序列，每个 token 各有职责：字面字符匹配自身，字符类（[a-z]）匹配集合中的任意一个，量词（+ * ? {2,4}）指定数量，锚点（^ $ \b）固定位置，分组（(…)）用于捆绑和捕获。解析器从左到右逐个解释每个 token，说明匹配引擎在该位置会尝试匹配什么。

常见模式详解

• ^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$ —— 经典的邮箱模式：行首、一个或多个用户名字符、@、域名字符、一个点、2 个以上字母、行尾。
• \d{2,4}[a-z]? —— 2 到 4 位数字，后面跟着一个可选的小写字母。
• (https?:\/\/)?[^\s]+ —— 可选的 http(s):// 后面跟任意非空白字符序列。

提示

• 转义序列（\d \w \s \b \. \/）会作为一个整体来解释——它们不是两个独立的 token。
• 贪婪与懒惰：+ 尽可能多地匹配，+? 则只匹配所需的最少量。
• 先行断言 (?=…) 向前检查但不消耗字符；(?!…) 是其否定形式。
• 解析器支持 JS、Python、Java、Go、PCRE 通用的模式语法——如 i/m/s 等标志字母出现时会特别标注。