返回探索
指南VibeFix 内容整理更新于 2026年11月21日

别再复制粘贴正则了:从读懂符号到写对规则的实战指南

正则不是魔法,它就是一套描述“长什么样的字符串算数”的写法。本文按 MDN 的 JavaScript 正则表达式指南讲清楚:字面量与构造函数、贪婪与懒惰量词、锚点与断言、分组与反向引用、八个标志、lastIndex 陷阱,附五类翻车现场。

真实照片:双手在笔记本键盘上敲代码,屏幕上是代码,背景里另一台显示器显示绿色代码

先把这篇的边界说清楚。站里已经有《表单校验实战》,讲的是输入框什么时候报错、错误信息怎么写、提交前怎么拦住坏数据——那篇讲的是交互,这篇讲的是工具:藏在校验背后的那串看不懂的符号到底在干什么。还有一篇《搜索功能实战》讲搜索框怎么做,这篇不讲搜索框,只讲你写在代码里的那条规则本身。正则表达式不是魔法,它就是一套描述“长什么样的字符串算数”的写法,学会读它、写它、测它,比背一百条现成表达式有用得多。

下面用到的“青禾记账”是一个虚构的练手项目:一个帮小店记流水的网页小工具,用户输入金额、日期、备注,程序负责把输入收拾干净再存起来。本文所有以它为例的操作、代码和数字,都是为了讲清楚做法编出来的,不是真实记录。所有关于正则的语法、方法和行为,都来自 MDN 的 JavaScript 正则表达式指南,来源见每篇的 meta 信息与 evidence 记录。MDN 文档里的例子,比如 /ab+c/、电话号码校验,都是文档自带的示例,不是真实用户数据。

第一步:正则只有两种写法,选错就多一层转义

写正则有两种办法。第一种是字面量,两条斜杠一夹:const re = /ab+c/。脚本加载时它就编译好了,如果这条规则固定不变,用它更快,也更好读。第二种是构造函数:const re = new RegExp("ab+c")。它在运行时才编译,适合规则会变、或者规则来自用户输入的场景。MDN 的原话很直白:规则固定用字面量,规则来自别处用构造函数。这个选择不是风格问题,它决定了你要不要跟反斜杠打两场架。

因为字符串字面量里反斜杠本身就是转义字符,用构造函数写 \d,你得在字符串里写成 "\\d",一个反斜杠先被字符串吃掉一个,剩下的才进正则。写 /a\*b/ 匹配字面上的 a*b,构造函数里就得写 new RegExp("a\\*b"),两者造出来的是同一条规则,但后者多了一层脑子要转的弯。青禾记账里有个真实教训:有人把用户输入的商品名直接拼进 new RegExp,商品名里有个括号,程序直接报错。正确做法是先转义再拼,或者用 MDN 提到的 RegExp.escape(),它会把字符串里所有正则特殊字符都转义掉,new RegExp(RegExp.escape("a*b")) 就只会匹配字面上的 a*b,再也不会被星号带跑。

记住一条铁规:凡是来自用户输入、来自接口、来自配置文件的字符串,拼进正则之前必须转义。这不是洁癖,是安全底线。没转义的拼接轻则报错,重则匹配范围失控,把不该通过的输入放进来。写死在代码里的规则用字面量,动态拼出来的规则先转义再构造,分工一旦定下来,这类报错基本就绝迹了。

字符类与量词:先认“长什么样”,再说“出现几次”

正则表达式由普通字符和特殊字符拼成。普通字符就是它自己,/abc/ 只匹配连续出现的 abc 三个字母,出现在“你知道你的 abc 吗”里能匹配,出现在“Grab crab”里不能,因为后者只有被空格隔开的 ab c,没有连在一起的 abc。特殊字符则是缩写和指令:\d 是一位数字,\w 是字母数字下划线,\s 是空白,点号 . 是除换行外任意一个字符,方括号 [xyz] 是 xyz 里任意一个,[^xyz] 是除了 xyz 之外的任意一个。

量词管的是“出现几次”。星号 * 是零次或多次,加号 + 是一次或多次,问号 ? 是零次或一次,{n} 是恰好 n 次,{n,} 是至少 n 次,{n,m} 是 n 到 m 次。/ab*c/ 的意思是:一个 a,后面零个或多个 b,再一个 c。在字符串 cbbabbbbcdebc 里,它匹配到的是 abbbbc,从第一个 a 开始,把后面四个 b 全吃掉,再收一个 c。初学者最容易在这里翻车:以为 * 是“任意字符”,其实它只是“前一个东西出现零次或多次”,没有前一个东西,它什么都不是。

量词默认是贪婪的,能多吃就多吃。拿青禾记账的备注举例,备注里写“买菜 120 元,买水果 80 元”,你想用 /(\d+)元/ 抓金额没问题,它抓到 120 就停。但你想用 /买.*元/ 把整句从“买”抓到最后一个“元”,贪婪的 .* 会一路吃到第二个“元”才停,抓到的是整句“买菜 120 元,买水果 80 元”,而不是你想要的第一段。改成懒惰量词 /买.*?元/,在星号后面加个问号,它吃到第一个“元”就停,抓到的就是“买菜 120 元”。贪婪还是懒惰,差别只有一个问号,结果却天差地别,写完一定要拿真数据跑一遍再信。

锚点与断言:不吃字符,只定位置

锚点是不消耗字符的位置标记。^ 是字符串开头,$ 是字符串结尾,\b 是单词边界。写 /^\d{3}$/ 的意思是:整串恰好三位数字,多一位少一位都不行。漏了 ^ 和 $,/d{3}/ 在“电话 138”里也能匹配到 138,校验就形同虚设。青禾记账的日期框要求用户输入 2026-11-18 这种格式,规则写成 /^\d{4}-\d{2}-\d{2}$/,前后锚点一锁,前面多贴几个字、后面多跟几个字都过不去。锚点是校验类正则的头一道锁,没它,后面的规则再严都是摆设。

断言更进一步,它在不吃掉字符的前提下提条件。前瞻 (?=y) 是“后面必须是 y”,(?!y) 是“后面不能是 y”,后顾 (?<=y) 是“前面必须是 y”,(?<!y) 是“前面不能是 y”。比如你想找出金额后面跟着“元”的数字,/\d+(?=元)/ 能抓到 120,而“元”本身不被吃掉,还能留给后面的规则用。断言最适合写那种“要这个、但不要连它一起拿走”的规则,比如密码里必须含数字、又不想把数字本身圈进来。断言写起来绕,读起来也绕,写完一定配一条注释说明它到底在断什么言,不然三个月后连你自己都看不懂。

分组与捕获:括号是记忆,也是结构

圆括号有两个作用:分组和记忆。/Chapter (\d+)\.\d*/ 里,括号把 \d+ 圈成一组,匹配到的数字会被记住,后面可以用。MDN 电话号码的例子把这个机制用到了极致:/^(?:\d{3}|\(\d{3}\))([-/.])\d{3}\1\d{4}$/。先看结构:开头 ^,然后是一个非捕获组 (?:\d{3}|\(\d{3}\)),意思是三位数字,或者括号括起来的三位区号;接着一个捕获组 ([-/.]),记住用户用的分隔符是横杠、斜杠还是点;再三位数字;然后 \1 把前面记住的分隔符原样搬回来;最后四位数字,$ 收尾。

反向引用 \1 是这个例子最妙的地方。它强制要求两次分隔符必须相同:前面用横杠,后面就得用横杠,前面用点,后面就得用点。555-123-4567 能过,555-123.4567 就过不了。非捕获组 (?:x) 的意思是“只分组、不记忆”,区号那部分不需要后面再引用,就用非捕获组,省下一个编号,也省得后面 \1 指错对象。命名组 (?<Name>x) 则是给捕获起个名字,匹配结果里用名字取,比数第几个括号清楚得多,组一多就该用它。

分组还有一个容易被忽略的用法:把量词套在整组外面。/(ab)+/ 匹配的是 ababab 这种重复出现的整体,而 /ab+/ 匹配的只是 a 后面跟一串 b。括号的位置决定了量词管的是谁,移一个括号,意思全变。写复杂规则的时候,先把结构拆成几组,每组单独测,再拼起来,比一口气写一条长规则再慢慢调要快得多。

标志:八个字母,改的是整条规则的行为

标志跟在斜杠后面,八个字母各管一摊。g 是全局搜索,i 是忽略大小写,m 是多行模式——^ 和 $ 改成匹配每一行的开头结尾,而不是整串的开头结尾。s 是让点号也能匹配换行,u 是按 Unicode 码点处理,v 是 u 的升级版,y 是粘性搜索、只从当前位置开始匹配,d 是生成匹配位置索引。标志是规则的一部分,一旦定下来就不能中途改,想换标志就得重新建一条正则。

这里藏着一个最有名的坑:带 g 的正则有个会自己动的状态 lastIndex。MDN 的例子写得很清楚:const re = /\w+\s/g,str 是 fee fi fo fum,第一次 exec 抓到 fee ,第二次抓到 fi ,第三次 fo ,第四次返回 null。每次 exec 都从上次停下的 lastIndex 继续往后找。坑就出在这里:同一条带 g 的正则拿去反复 test 同一个字符串,第一次 true,第二次可能就变成 false,因为 lastIndex 已经挪到后面去了。青禾记账曾经有个金额校验时灵时不灵的毛病,查到最后就是一条带 g 的正则被多个地方共用。修法很简单:校验只用 test 的时候别加 g,或者每次用之前把 lastIndex 归零,或者干脆每次新建一条正则。记住:带 g 的正则是有状态的,别把它当纯函数用。

u 标志值得单独提一句。没有 u,正则按 UTF-16 码元处理,表情符号这种超出基本平面的字符会被当成两个码元,量词和点号的行为都会跑偏。加上 u,模式按 Unicode 码点处理,\p{L} 这种属性转义也能用了,/\p{L}*/u 可以匹配任意语言的字母串。用户输入里有中文、表情、带声调的字母,就开 u,别犹豫。v 标志在 u 的基础上又加了集合运算等能力,新项目可以直接考虑它,但要先确认运行环境支持。

八个方法:先问你要什么,再选方法

正则在 JavaScript 里配了八个方法,选错方法等于白写规则。只要知道“有没有”,用 test() 或者 search(),test 返回 true 或 false,search 返回匹配位置、找不到返回 -1。想要匹配的详细内容,用 exec() 或者 match(),exec 返回带 index 和 input 的数组,match 返回全部匹配、但不带位置。想要全部匹配加分组细节,用 matchAll(),它返回一个迭代器,每一项都有完整的分组信息。想替换,用 replace() 换第一个、replaceAll() 换全部。想切分字符串,用 split(),按规则把字符串切成数组。

MDN 给的选择建议很实在:只想知道有没有,用 test 或 search;想要更多信息、哪怕慢一点,用 exec 或 match。青禾记账里有个清理备注的功能,要把备注里所有的金额统一改成“金额”两个字占位,用 replaceAll(/\d+(\.\d+)?/g, "金额") 一行搞定;如果只想知道备注里有没有金额,test 就够了,根本不用把匹配结果取出来。方法选对了,代码短一半,意图也清楚一半。

还有一个细节:match() 配合带 g 的正则,返回的是所有匹配的字符串数组,分组信息丢了;不带 g 的 match() 只返回第一个匹配、但分组全在。想要“全部匹配、分组也要”,只能用 matchAll(),或者循环调用 exec()。这三者的返回值长得不一样,写之前先想清楚你要的是哪一种,别等到运行时才发现分组不见了。

翻车现场:五种最常见的正则事故

下面这张图是虚构的青禾记账项目一个季度里 80 次正则相关事故的分布:贪婪匹配吃过头 26 次,忘记转义特殊字符 18 次,漏写 g 标志只换了第一个 14 次,共用带 g 的正则踩了 lastIndex 的坑 12 次,漏写锚点让校验形同虚设 10 次。26 加 18 加 14 加 12 加 10 等于 80,账是平的。这些数字是编出来讲道理的,但每一类事故都是真实项目里反复出现的,值得一条一条对照检查。

虚构青禾记账项目一个季度 80 次正则事故的原因分布条形图:贪婪匹配 26 次、忘记转义 18 次、漏写全局标志 14 次、lastIndex 复用 12 次、漏写锚点 10 次

第一类是贪婪匹配。.* 这种写法看着省事,实际上它会一直吃到最后一个能停的地方。修法是先问自己要的是“到第一个就停”还是“到最后一个才停”,前者加问号变懒惰,后者保持贪婪,写的时候就把这个决定写进注释。第二类是忘记转义。点号、星号、括号、方括号在正则里都有特殊意思,想匹配它们本身就得在前面加反斜杠,或者干脆用 RegExp.escape()。第三类是漏写 g。replace 只换第一个是设计如此,不是 bug,想要全部换就用 replaceAll,或者给正则加上 g。

第四类是 lastIndex 复用,上面已经讲过,校验场景别用带 g 的正则。第五类是漏写锚点,校验类正则没有 ^ 和 $ 就等于没锁门,任何包含目标片段的字符串都能蒙混过关。还有两类不在图里、但同样常见的事故:一是用正则去解析 HTML 或者写一个号称能校验所有邮箱的万能表达式。HTML 是嵌套结构,正则处理嵌套天生吃力,该用解析器就用解析器;邮箱的完整规则复杂到没人能背下来,够用就好,别追求万能。正则最适合的是“形状固定、边界清晰”的文本,超出这个范围,就该换工具了。

写正则的工作流:先测,再上线

给 AI 生成的项目写正则,建议固定一套流程。第一步,用一句话写下这条规则到底要什么,比如“四位年减两位月减两位日,前后不许多余字符”。第二步,先写最严的版本,锚点、分组、量词一次到位,别先写个宽松的再慢慢收。第三步,准备三组测试数据:应该通过的、应该拒绝的、边界上的。比如日期规则,2026-11-18 该过,2026-13-45 该拒,2026-11-18 多一个空格该拒。第四步,把测试数据写成能跑的断言,塞进项目测试里,而不是只在脑子里跑一遍。

第五步,跑一遍真实用户数据。测试数据是你想到的情况,真实数据是你没想到的情况,备注里出现的全角数字、表情符号、复制粘贴带进来的不间断空格,都是测试数据里不会有的东西。第六步,定期复查。规则写进代码就不是一劳永逸,用户输入的形态会变,业务要求也会变,半年后回头看一眼,删掉那些已经没人用的分支。正则的维护成本不在写的那一刻,在之后每一次读它的人能不能一眼看懂。注释、命名组、拆分小组,都是在给未来的自己省时间。

写正则还有一个好习惯:别只在编辑器里凭感觉调。MDN 文档末尾列了几个在线工具,比如 RegExr、regex101、regexlearn,可以把规则和测试字符串贴进去,一边改一边看匹配结果变色。调试的时候先拿最小的例子验证,比如只测三位数字那一段,通了再往上加分组和锚点,一次只改一个地方,错了马上知道是哪一步改坏的。规则越长,越要这样分段验证,一口气写完再整体调试,等于同时面对五个可能的错误,时间全花在定位上。工具帮你看到匹配过程,注释帮你记住当初为什么这样写,两者加起来,正则才从玄学变成手艺。

最后提醒一句:正则表达式是工具,不是信仰。能用 startsWith、includes、split 解决的问题,别上正则;字符串操作可读性更好,也更好调试。正则留给那些“形状”真的需要描述的问题:固定格式的编号、分隔符一致的电话、金额后面必须跟单位。判断标准很简单:如果这条规则用一句话能说清形状,就用正则;如果得绕三个弯才能说清,就换个写法。工具选对了,代码才干净。

阅读 3评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

真实照片:一位女士背对镜头在看一块大黑板咖啡菜单,上面列着意式咖啡、特色饮品和加料,旁边是放着面包的玻璃展示柜
指南
先想清楚再动手:JavaScript 条件判断 if、switch 与三元运算符实战指南

网页每天都在做决定:满一百就打折、库存是零就显示售罄。本文按 MDN 的《Making decisions in your code — conditionals》《if...else》《switch》三篇官方文档讲清楚:if 与 else if、比较运算符、真值与假值、逻辑运算符、|| 的经典写错法、嵌套 if 与悬空 else、switch 与穿透、三元运算符与卫语句。

工具技巧前端工程AI 编程实践
一名戴黑框眼镜的男子坐在明亮办公室的白色书桌前,右手托腮注视着一台显示彩色代码的大曲面屏幕,左手边放着一台打开的笔记本电脑
资讯
Copilot 终于能动手点浏览器了:Ignite 一次放出浏览器操作、Azure DevOps 与自适应代码评审

2026 年 11 月 17 日,GitHub 在微软 Ignite 当天为 Copilot 打包升级:浏览器操作进入公开预览,可在已登录的 Chrome 或 Edge 里填表单、调 Web 应用;Copilot 应用接进 Azure DevOps 仓库,智能体可提 PR 甚至代为合并;代码评审新增自适应档位与秘密检测。2 项正式发布、6 项公开预览。

开发工作流产品发布AI 编程实践
真实照片:咖啡馆吧台后两位咖啡师并肩工作,一位正往白瓷杯里倒热牛奶拉花,另一位在操作意式咖啡机
指南
别让主线程一个人扛:Web Workers,把重活交给另一条线程

主线程又要画页面又要算账,一算就卡。Worker 是另一条线程、另一个全局上下文,两边只靠消息传话。本文按 MDN 的《Using Web Workers》与《Worker》两篇官方文档讲清楚:new Worker、postMessage 与 onmessage、结构化克隆的复制语义、Worker 里能与不能、onerror 与 terminate()、SharedWorker、Transferable 零拷贝,另附虚构咖啡馆点单页一个月 100 次 Worker 翻车的分布。

工具技巧前端工程学习与成长