百度百科提供的概念是这样的：正则表达式，又称规则表达式**。**（英语：Regular expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。其通常被用来检索、替换那些符合某个模式(规则)的文本
正则表达式其实是对字符串操作的一种公式，通过组合一些具有特殊含义的字符，来实现用户的操作逻辑，从而对文本完成操作。我们一般称这些“特殊字符的组合”为规则字符串
在不同语言中，正则表达式有不同的变种，具体情况我们会在后文以Javascript和Python为例进行说明
2. 元字符正则表达式由一些普通字符和一些元字符（metacharacters）组成
普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，相关含义如下表所示：
| 元字符 | 含义 |
|---|---|
| 转义字符。例如，“n”会匹配小写字母n，但是“n”则会匹配换行符n | |
| ^ | 匹配行首 |
| $ | 匹配行尾 |
| * | **匹配前面的子表达式任意次(大于等于0次)。**例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于{0,}。 |
| + | **匹配前面的子表达式一次或多次(大于等于1次)。**例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。 |
| ? | **匹配前面的子表达式0次或1次。**例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。 |
| {n} | **表示匹配规定的n次，其中n是一个非负整数。**例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。 |
| {n,} | **表示至少匹配n次，其中n是一个非负整数。*例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o”。 |
| {n,m} | **表示最少匹配n次且最多匹配m次，其中m和n均为非负整数，其中n<=m。**例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
| ? | 当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 [‘o’, ‘o’, ‘o’, ‘o’] |
| . | **匹配除“n”和"r"之外的任何单个字符。**要匹配包括“n”和"r"在内的任何字符，请使用像“[sS]”的模式。 |
| x|y | **匹配x或y。**例如，“z|food”能匹配“z”或“food”。“[z|f]ood”则匹配“zood”或“food”。 |
| [xyz] | **字符集合。**匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。 |
| [^xyz] | **负值字符集合。**匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”任一字符。 |
| [a-z] | **字符范围。**匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
| [^a-z] | **负值字符范围。**匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
| b | 匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的b就是匹配位置的）。例如，“erb”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“b1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。 |
| B | 匹配非单词边界。“erB”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。 |
| cx | **匹配由x指明的控制字符。**例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。 |
| d | **匹配一个数字字符。**等价于[0-9]。grep 要加上-P，perl正则支持 |
| D | **匹配一个非数字字符。**等价于[^0-9]。grep要加上-P，perl正则支持 |
| f | **匹配一个换页符。**等价于x0c和cL。 |
| n | **匹配一个换行符。**等价于x0a和cJ。 |
| r | **匹配一个回车符。**等价于x0d和cM。 |
| s | **匹配任何不可见字符，包括空格、制表符、换页符等等。**等价于[ fnrtv]。 |
| S | **匹配任何可见字符。**等价于[^ fnrtv]。 |
| t | **匹配一个制表符。**等价于x09和cI。 |
| v | **匹配一个垂直制表符。**等价于x0b和cK。 |
| w | **匹配包括下划线的任何单词字符。**类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。 |
| W | **匹配任何非单词字符。**等价于“[^A-Za-z0-9_]”。 |
| xn | **匹配n，其中n为十六进制转义值。**十六进制转义值必须为确定的两个数字长。例如，“x41”匹配“A”。“x041”则等价于“x04&1”。正则表达式中可以使用ASCII编码。 |
| *num* | **匹配num，其中num是一个正整数。对所获取的匹配的引用。**例如，“(.)1”匹配两个连续的相同字符。 |
| *n* | **标识一个八进制转义值或一个向后引用。**如果*n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n*为一个八进制转义值。 |
| *nm* | **标识一个八进制转义值或一个向后引用。*如果*nm之前至少有nm个获得子表达式，则nm为向后引用。如果*nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则*nm将匹配八进制转义值nm。 |
| *nml* | 如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。 |
| un | **匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。**例如，u00A9匹配版权符号（©）。 |
| p{P} | **小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。**中括号内的“P”表示Unicode 字符集七个字符属性之一：标点字符。其他六个属性：L：字母；M：标记符号（一般不会单独出现）；Z：分隔符（比如空格、换行等）；S：符号（比如数学符号、货币符号等）；N：数字（比如阿拉伯数字、罗马数字等）；C：其他字符。*注：此语法部分语言不支持，例：javascript。 |
| <> | **匹配词（word）的开始（<）和结束（>）。**例如正则表达式 |
| ( ) | 将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 1 到9 的符号来引用。 |
| | | **将两个匹配条件进行逻辑“或”（or）运算。**例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。 |
在正则表达式中，如果直接给出字符，就是精确匹配。用d可以匹配一个数字，w可以匹配一个字母或数字，所以：
- '00d'可以匹配'007'，但无法匹配'00A'；
- 'ddd'可以匹配'010'；
- 'wwd'可以匹配'py3'；
.可以匹配任意字符，所以：
- 'py.'可以匹配'pyc'、'pyo'、'py!'等等。
要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：
来看一个复杂的例子：d{3}s+d{3,8}。
我们来从左到右解读一下：
- d{3}表示匹配3个数字，例如'010'；
- s可以匹配一个空格（也包括Tab等空白符），所以s+表示至少有一个空格，例如匹配' '，' '等；
- d{3,8}表示3-8个数字，例如'1234567'。
综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配'010-12345'这样的号码呢？由于'-'是特殊字符，在正则表达式中，要用''转义，所以，上面的正则是d{3}-d{3,8}。
但是，仍然无法匹配'010 - 12345'，因为带有空格。所以我们需要更复杂的匹配方式。
要做更精确地匹配，可以用[]表示范围，比如：
- [0-9a-zA-Z_]可以匹配一个数字、字母或者下划线；
- [0-9a-zA-Z_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如'a100'，'0_Z'，'Py3000'等等；
- [a-zA-Z_][0-9a-zA-Z_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
- [a-zA-Z_][0-9a-zA-Z_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。
A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
^表示行的开头，^d表示必须以数字开头。
$表示行的结束，d$表示必须以数字结束。
你可能注意到了，py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。
3. Python中的正则表达式 3.1 re模块有了准备知识，我们就可以在Python中使用正则表达式了。Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用转义，所以要特别注意：
s = 'ABC\-001' # Python的字符串 # 对应的正则表达式字符串变成： # 'ABC-001'
因此我们强烈建议使用Python的r前缀，就不用考虑转义的问题了：
s = r'ABC-001' # Python的字符串 # 对应的正则表达式字符串不变： # 'ABC-001'
先看看如何判断正则表达式是否匹配：
>>> import re
>>> re.match(r'^d{3}-d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^d{3}-d{3,8}$', '010 12345')
>>>
match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见的判断方法就是：
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
3.2 分组
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：
^(d{3})-(d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：
>>> m = re.match(r'^(d{3})-(d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来
注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串
提取子串非常有用。来看一个更凶残的例子：
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9]):(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
这个正则表达式可以直接识别合法的时间。但是有些时候，用正则表达式也无法做到完全验证，比如识别日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
对于'2-30'，'4-31'这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了
3.3 贪婪匹配最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：
>>> re.match(r'^(d+)(0*)$', '102300').groups()
('102300', '')
由于d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了
必须让d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让d+采用非贪婪匹配：
>>> re.match(r'^(d+?)(0*)$', '102300').groups()
('1023', '00')
3.4 编译
当我们在Python中使用正则表达式时，re模块内部会干两件事情：
- 编译正则表达式，如果正则表达式的字符串本身不合法，会报错
- 用编译后的正则表达式去匹配字符串
如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(d{3})-(d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
编译后生成Regular expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串
4. JavaScrip中的正则表达式 4.1 描述字符根据正则表达式语法规则，大部分字符仅能够描述自身，这些字符被称为普通字符，如所有的字母、数字等。
元字符就是拥有特动功能的特殊字符，大部分需要加反斜杠进行标识，以便于普通字符进行区别，而少数元字符，需要加反斜杠，以便转译为普通字符使用。Javascript 正则表达式支持的元字符如表所示。
| 元字符 | 描述 |
|---|---|
| . | 查找单个字符，除了换行和行结束符 |
| w | 查找单词字符 |
| W | 查找非单词字符 |
| d | 查找数字 |
| D | 查找非数字字符 |
| s | 查找空白字符 |
| S | 查找非空白字符 |
| b | 匹配单词边界 |
| B | 匹配非单词边界 |
| 查找 NUL字符 | |
| n | 查找换行符 |
| f | 查找换页符 |
| r | 查找回车符 |
| t | 查找制表符 |
| v | 查找垂直制表符 |
| xxx | 查找以八进制数 xxxx 规定的字符 |
| xdd | 查找以十六进制数 dd 规定的字符 |
| uxxxx | 查找以十六进制 xxxx规定的 Unicode 字符 |
表示字符的方法有多种，除了可以直接使用字符本身外，还可以使用 ASCII 编码或者 Unicode 编码来表示。
示例1下面使用 ASCII 编码定义正则表达式直接量。
var r = /x61/; var s = "Javascript"; var a = s.match(s);
由于字母 a 的 ASCII 编码为 97，被转换为十六进制数值后为 61，因此如果要匹配字符 a，就应该在前面添加“x”前缀，以提示它为 ASCII 编码。
示例2除了十六进制外，还可以直接使用八进制数值表示字符。
var r = /141/; var s = "Javascript"; var a = s.match(r);
使用十六进制需要添加“x”前缀，主要是为了避免语义混淆，而八进制则不需要添加前缀。
示例3ASCII 编码只能够匹配有限的单字节字符，使用 Unicode 编码可以表示双字节字符。Unicode 编码方式：“u”前缀加上 4 位十六进制值。
var r = "/u0061/"; var s = "Javascript"; var a = s.match(s);
在 RegExp() 构造函数中使用元字符时，应使用双斜杠。
var r = new RegExp("\u0061");
RegExp() 构造函数的参数只接受字符串，而不是字符模式。在字符串中，任何字符加反斜杠还表示字符本身，如字符串“u”就被解释为 u 本身，所以对于“u0061”字符串来说，在转换为字符模式时，就被解释为“u0061”，而不是“u0061”，此时反斜杠就失去转义功能。解决方法：在字符 u 前面加双反斜杠。
4.2 描述字符范围在正则表达式语法中，放括号表示字符范围。在方括号中可以包含多个字符，表示匹配其中任意一个字符。如果多个字符的编码顺序是连续的，可以仅指定开头和结尾字符，省略中间字符，仅使用连字符~表示。如果在方括号内添加脱字符^前缀，还可以表示范围之外的字符。例如：
- [abc]：查找方括号内任意一个字符。
- [^abc]：查找不在方括号内的字符。
- [0-9]：查找从 0 至 9 范围内的数字，即查找数字。
- [a-z]：查找从小写 a 到小写 z 范围内的字符，即查找小写字母。
- [A-Z]：查找从大写 A 到大写 Z 范围内的字符，即查找大写字母。
- [A-z]：查找从大写 A 到小写 z 范围内的字符，即所有大小写的字母。
字符范围遵循字符编码的顺序进行匹配。如果将要匹配的字符恰好在字符编码表中特定区域内，就可以使用这种方式表示。
如果匹配任意 ASCII 字符：
var r = /[u0000-u00ff]/g;
如果匹配任意双字节的汉字：
var r = /[^u0000-u00ff]/g;
如果匹配任意大小写字母和数字：
var r = /[a-zA-Z0-9]/g;
使用 Unicode 编码设计，匹配数字：
var r = /[u0030-u0039]/g;
使用下面字符模式可以匹配任意大写字母：
var r = /[u0041-u004A]/g;
使用下面字符模式可以匹配任意小写字母：
var r = /[u0061-u007A]/g;示例2
在字符范围内可以混用各种字符模式。
var s = "abcdez"; //字符串直接量 var r = /[abce-z]/g; //字符a、b、c，以及从e~z之间的任意字符 var a = s.match(r); //返回数组["a","b","c","e","z"]示例3
在中括号内不要有空格，否则会误解为还要匹配空格。
var r = /[0-9]/g;示例4
字符范围可以组合使用，以便设计更灵活的匹配模式。
var s = "abc4 abd6 abe3 abf1 abg7"; //字符串直接量 var r = /ab[c-g][1-7]/g; //前两个字符为ab，第三个字符为从c到g，第四个字符为1~7的任意数字 var a = s.match(r); //返回数组["abc4","abd6","abe3","abf1","abg7"]示例5
使用反义字符范围可以匹配很多无法直接描述的字符，达到以少应多的目的。
var r = /[^0123456789]/g;
在这个正则表达式中，将会匹配除了数字以外任意的字符。反义字符类比简单字符类的功能更强大和实用。
4.3 选择匹配选择匹配类似于 Javascript 的逻辑与运算，使用竖线|描述，表示在两个子模式的匹配结果中任选一个。例如：
- 匹配任意数字或字母
var r = /w+|d+/;
- 可以定义多重选择模式。设计方法：在多个子模式之间加入选择操作符。
var r = /(abc)|(efg)|(123)|(456)/;
为了避免歧义，应该为选择操作的多个子模式加上小括号。
示例设计对提交的表单字符串进行敏感词过滤。先设计一个敏感词列表，然后使用竖线把它们连接在一起，定义选择匹配模式，最后使用字符串的 replace() 方法把所有敏感字符替换为可以显示的编码格式。代码如下：
var s = ''; //待过滤的表单提交信息
var r = /'|"|<|>/gi; //过滤敏感字符的正则表达式
function f() { //替换函数 把敏感字符替换为对应的网页显示的编码格式
return "&#" + arguments[0].charCodeAt(0) + ";";
}
var a =s.replace(r,f); //执行过滤替换
document.write(a); //在网页中显示正常的字符信息
console.log(a);
显示结果如下：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Nr9fzaIA-1633857087626)(C:Users10754AppDataRoamingTyporatypora-user-imagesimage-20211010170548841.png)]
4.4 重复匹配在正则表达式语法中，定义了一组重复类量词，如表所示。它们定义了重复匹配字符的确数或约数。
| 量词 | 描述 |
|---|---|
| n+ | 匹配任何包含至少一个 n 的字符串 |
| n* | 匹配任何包含零个或多个 n 的字符串 |
| n? | 匹配任何包含零个或一个 n 的字符串 |
| n{x} | 匹配包含 x 个 n 的序列的字符串 |
| n{x,y} | 匹配包含最少 x 个、最多 y 个 n 的序列的字符串 |
| n{x,} | 匹配包含至少 x 个 n 的序列的字符串 |
下面结合示例进行演示说明，先设计一个字符串：
var s = "ggle gogle google gooogle goooogle gooooogle goooooogle gooooooogle goooooooogle";
- 如果仅匹配单词 ggle 和 gogle，可以设计：
var r = /go?gle/g; var a = s.match(r);
量词?表示前面字符或子表达式为可有可无，等效于：
var r = /go{0,1}gle/g;
var a = s.match(r);
- 如果匹配第 4 个单词 gooogle，可以设计：
var r = /go{3}gle/g;
var a = s.match(r);
等效于：
var r = /gooogle/g; var a = s.match(r);
- 如果匹配第 4 个到第 6 个之间的单词，可以设计：
var r = /go{3,5}gle/g;
var a = s.match(r);
- 如果匹配所有单词，可以设计：
var r = /go*gle/g; var a = s.match(r);
量词*表示前面字符或表达式可以不出现，或者重复出现任意多次。等效于：
var r = /go(0,)gle/g; var a = s.match(r);
- 如果匹配包含字符“o”的所有词，可以设计：
var r = /go+gle/g; var a = s.match(r);
量词+表示前面字符或子表达式至少出现 1 次，最多重复次数不限。等效于：
var r = /go{1,}gle/g;
var a = s.match(r);
重复类量词总是出现在它们所作用的字符或子表达式后面。如果想作用于多个字符，需要使用小括号把它们包裹在一起形成一个子表达式。
4.4 惰性匹配重复类量词都具有贪婪性，在条件允许的前提下，会匹配尽可能多的字符。
- ?、{n} 和 {n,m} 重复类具有弱贪婪性，表现为贪婪的有限性。
- *、+ 和 {n,} 重复类具有强贪婪性，表现为贪婪的无限性。
越是排在左侧的重复类量词匹配优先级越高。下面示例显示当多个重复类量词同时满足条件时，会在保证右侧重复类量词最低匹配次数基础上，使最左侧的重复类量词尽可能占有所有字符。
var s = ""; var r = /(<.*>)(<.*>)/; var a = s.match(r);//左侧表达式匹配 console.log(a[1]); console.log(a[2]); //右侧表达式匹配“