20分钟内看完这篇，闭着眼写正则表达式

正则表达式极速入门

• 开篇词：
• • 1.正则是什么，能做什么？
  • 2.如何学习和使用正则的？
• 基础篇：
• • 1.如何巧妙记忆正则表达式的基本元件？
  • 2.小小的正则，也可能把CPU拖垮！
  • 3.一次性掌握正则中常见的4种匹配模式
• 应用篇：
• • 1.如何用断言更好地实现替换重复出现的单词？
  • 2.正则中转义需要注意哪些问题？
  • 3.正则有哪些常见的流派及其特性？
  • 4.正则如何处理Unicode编码的文本？
  • 5.如何用正则让文本处理能力上一个台阶？
  • 6.如何理解正则的匹配原理以及优化原则？
  • 7.详解正则常见问题及解决方案
• 结束语：
• • 1.如何检验自己的掌握程度
  • 2.熟练运用，而不滥用
  • 3.如何进一步成长？
• 我是杰叔叔，一名沪漂的码农，下期再会！

开篇词：

我相信，作为一名程序员或者准程序员，你肯定是知道正则表达式的。但实际开发中，真正去手写一个满足需求校验的正则，往往磕磕绊绊，最后都是去 Google 搜一搜，然后复制过来改一改。
此时大多数程序员心里可能是这么想的：我在工作中用到正则的时候并不多啊，要用的时候搜一下就好了啊，为什么还要专门花时间和精力学它呢？
大概会存在如下几点困惑：

• 学过正则，但觉得过于复杂，根本记不住；
• 在网上找到的正则和自己的需求有一点出入，不知道该怎么改；
• 不清楚正则的流派和支持情况，搞不懂为何自己写的正则没达到效果；
• 不清楚正则的工作原理，容易出现性能问题

1.正则是什么，能做什么？

正则，就是正则表达式，英文是 Regular Expression，简称 RE。顾名思
义，正则其实就是一种描述文本内容组成规律的表示方式。
在编程语言中，常用的使用场景

• 利用它来校验数据的有效性，比如用户输入的手机号是不是符合规则
• 可以从文本中提取想要的内容，比如从网页中抽取数据
• 还可以用来做文本内容替换，从而得到我们想要的内容

2.如何学习和使用正则的？

对于正则表达式，我们有没有可能“打出⼀⼝永不⼲涸的深井”呢？
当然有，那就是⼀次性多投⼊点时间，由表及里，由术及道。

第⼀步，做分解。

拿到一个问题后，我们要先思考：这个问题可以分为⼏个⼦问题？每个⼦问题是否独⽴？我们拿最常⻅的电⼦邮件地址匹配来说。从文本结构来看，它可以分为“username + @ + domain name”这三个独⽴的部分。怎么画呢？我们可以先画出逻辑结构图。通过这个过程来厘清思路。

第⼆步，分析各个⼦问题。

某个位置上可能有多个字符？那就⽤字符组。某个位置上可能有多个字符串？那就⽤多选结构。出现的次数不确定？那就⽤量词。对出现的位置有要求？那就⽤锚点锁定位置……
只要熟练掌握了，知道什么时候用字符组，什么时候用多选结构，什么时候用量词，什么时候用锚点，就很容易搭建起完整的概念模型。

第三步，套⽪。

正则中真正重要的是字符组、多选结构、量词等等这些概念。一旦你的概念模型清楚了，写出正则表达式就非常简单了，无非是查阅语法⼿册，把之前得到的概念模型按照对应语⾔或⼯具的约定写下来而已。虽然各种语⾔或⼯具对正则表达式的⽀持⼤同⼩异，但细微差别仍然不可忽视。

第四步，调试。

正则表达式的麻烦之处在于它像个⿊箱⼦，很难调适，只能笼统地知道“匹配了”或者“没匹配”。那到底怎么调试呢？我的经验是，复杂⼀点的正则表达式不能⼀次写对，这是很正常的。与其纠结“这个正则表达式看起来这么复杂，此处到底要用星号 * 还是加号 +，不如先搞清楚，星号（ * ）或加号（ + ）限定的到底是正则表达式中的哪一部分，对应要匹配文本中的哪一部分。这两个问题搞清楚了，整个问题就迎刃而解了

第五步伐，务必要保持克制 。

• 能⽤普通字符串处理的，坚决⽤普通字符串处理。

• 能写注释的正则表达式，⼀定要写注释。

• 能⽤多个简单正则表达式解决的，⼀定不要苛求⽤⼀个复杂的正则表达式。

基础篇：

1.如何巧妙记忆正则表达式的基本元件？

首先，我可以把元字符大致分成这几类：

• 特殊单字符
• 空白符
• 范围
• 量词
• 断言

1. 特殊单字符

英文的点（.）表示换行以外的任意单个字符，\d 表示任意单个数字，\w 表示任意单个数字或字母或下划线，\s 表示任意单个空白符。另外，还有与之对应的三个 \D、\W 和 \S，分别表示着和原来相反的意思。

2. 空白符

不同的系统在每行文本结束位置默认的“换行”会有区别。比如在 Windows 里是 \r\n，在 Linux 和 MacOS 中是 \n。在正则中，也是类似于 \n 或 \r 等方式来表示空白符号，只要记住它们就行了。平时使用正则，大部分场景使用 \s 就可以满足需求，\s 代表任意单个空白符号。

3. 量词

在正则中，英文的星号（*）代表出现 0 到多次，加号（+）代表 1 到多次，问号（?）代表 0 到 1 次，{m,n}代表 m 到 n 次。

4. 范围

在正则表达式中，表示范围的符号有四个分类，如下图所示。

比如 ab|bc 能匹配上 ab，也能匹配上 bc。
中括号[]代表多选一，可以表示里面的任意单个字符，所以任意元音字母可以用 [aeiou] 来表示。另外，中括号中，我们还可以用中划线表示范围，比如 [a-z] 可以表示所有小写字母。如果中括号第一个是脱字符（^），那么就表示非，表达的是不能是里面的任何单个元素。比如某个资源可能以 http:// 开头，或者 https:// 开头，也可能以 ftp:// 开头，那么资源的协议部分，我们可以使用 (https?|ftp)😕/ 来表示。

2.小小的正则，也可能把CPU拖垮！

正则中的三种模式，贪婪匹配、非贪婪匹配和独占模式。

1.贪婪匹配

在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配。
例子：
首先，我们来看一下在字符串 aaabb 中使用正则 a* 的匹配过程

a* 在匹配开头的 a 时，会尝试尽量匹配更多的 a，直到第一个字母 b 不满足要求为止，匹配上三个 a，后面每次匹配时都得到了空字符串。

2.非贪婪匹配

我们可以在量词后面加上英文的问号 (?)，正则就变成了 a*?。非贪婪模式会尽可能短地去匹配，我把这两者之间的区别写到了下
面这张图中。

3.独占模式

独占模式，它类似贪婪匹配，但匹配过程不会发生回溯，因此性能会更好。那什么是回溯呢？
举个例子：

在匹配时，y{1,3}会尽可能长地去匹配，当匹配完 xyy 后，由于 y 要尽可能匹配最长，即三
个，但字符串中后面是个 z 就会导致匹配不上，这时候正则就会向前回溯，吐出当前字符
z，接着用正则中的 z 去匹配。

如果我们把这个正则改成非贪婪模式，
如下图：

由于 y{1,3}? 代表匹配 1 到 3 个 y，尽可能少地匹配。匹配上一个 y 之后，也就是在匹配上text 中的 xy 后，正则会使用 z 和 text 中的 xy 后面的 y 比较，发现正则 z 和 y 不匹配，这时正则就会向前回溯，重新查看 y 匹配两个的情况，匹配上正则中的 xyy，然后再用 z去匹配 text 中的 z，匹配成功。

了解了回溯，我们再看下独占模式。

独占模式和贪婪模式很像，独占模式会尽可能多地去匹配，如果匹配失败就结束，不会进行
回溯，这样的话就比较节省时间。具体的方法就是在量词后面加上加号（+）
如下图：

4.总结

正则中量词默认是贪婪匹配，如果想要进行非贪婪匹配需要在量词后面加上问号。贪婪和非贪婪匹配都可能会进行回溯，独占模式也是进行贪婪匹配，但不进行回溯，因此在一些场景下，可以提高匹配的效率，具体能不能用独占模式需要看使用的编程语言的类库的支持情况，以及独占模式能不能满足需求。

3.一次性掌握正则中常见的4种匹配模式

所谓匹配模式，指的是正则中一些改变元字符匹配行为的方式，比如匹配时不区分英文字母大小写。常见的匹配模式有 4 种，分别是不区分大小写模式、点号通配模式、多行模式和注释模式。

1.不区分大小写模式(Case-Insensitive)

当我们把模式修饰符放在整个正则前面时，就表示整个正则表达式都是不区分大小写的。
例子：不区分大小写的 cat 就可以写成 (?i)cat

如果我们想要前面匹配上的结果，和第二次重复时的大小写一致，那该怎么做呢？
只需要用括号把修饰符和正则 cat 部分括起来：
例子： ((?i)cat) \1

如果用正则匹配，实现部分区分大小写，另一部分不区分大小
写，这该如何操作呢？就比如说我现在想要，the cat 中的 the 不区分大小写，cat 区分大
小写。
例子： ((?i)the) cat

2.点号通配模式（Dot All）

英文的点（.）有什么用吗？它可以匹配上任何符号，但不能匹配换行。当我们需要匹配真正的“任意”符号的时
候，可以使用 [\s\S] 或 [\d\D] 或 [\w\W] 等。

3.多行模式

^ 匹配整个字符串的开头
$匹配整个字符串的结尾

4.注释模式

正则中注释模式是使用(?#comment) 来表示。
例子：(\w+)(?#word) \1(?#word重复一次)

5.总结

应用篇：

1.如何用断言更好地实现替换重复出现的单词？

什么是断言呢？简单来说，断言是指对匹配到的文本位置有要求。你应该知道 \d{11} 能匹配上 11 位数字，但这 11 位数字可能是 18 位身份证号中的一部分。再比如，去查找一个单词，我们要查找 tom，但其它的单词，比如 tomorrow 中也包含了 tom。也就是说，在有些情况下，我们对要匹配的文本的位置也有一定的要求。为了解决这个问题，正则中提供了一些结构，只用于匹配位置，而不是文本内容本身，这种结构就是断言。
常见的断言有三种：单词边界、行的开始或结束以及环视。

1.单词边界（Word Boundary）

在讲单词边界具体怎么使用前，我们先来看一下例子。我们想要把下面文本中的 tom 替换成 jerry。注意一下，在文本中出现了 tomorrow 这个单词，tomorrow 也是以 tom 开头的。
利用前面学到的知识，我们如果直接替换，会出现下面这种结果。

这显然是错误的，因为明天这个英语单词里面的 tom 也被替换了。那正则是如何解决这个问题的呢？单词的组成一般可以用元字符 \w+ 来表示，\w 包括了大小写字母、下划线和数字（即 [A-Za-z0-9_]）。那如果我们能找出单词的边界，也就是当出现了\w 表示的范围以外的字符，比如引号、空格、标点、换行等这些符号，我们就可以在正则中使用\b 来表示单词的边界。 \b 中的 b 可以理解为是边界（Boundary）这个单词的首字母。

根据刚刚学到的内容，在准确匹配单词时，我们使用 \b\w+\b 就可以实现了。

2.行的开始或结束

和单词的边界类似，在正则中还有文本每行的开始和结束，如果我们要求匹配的内容要出现在一行文本开头或结尾，就可以使用 ^ 和 $ 来进行位置界定。我们先说一下行的结尾是如何判断的。你应该知道换行符号。在计算机中，回车（\r）和换行（\n）其实是两个概念，并且在不同的平台上，换行的表示也是不一样的。我在这里列出了 Windows、Linux、macOS 平台上换行的表示方式。

那你可能就会问了，匹配行的开始或结束有什么用呢？

3.日志起始行判断

最常见的例子就是日志收集，我们在收集日志的时候，通常可以指定日志行的开始规则，比如以时间开头，那些不是以时间开头的可能就是打印的堆栈信息。我来给你一个以日期开头，下面每一行都属于同一篇日志的例子

在这种情况下，我们就通过日期时间开头来判断哪一行是日志的第一行，在日期时间后面的日志都属于同一条日志。除非我们看见下一个日期时间的出现，才是下一条日志的开始。

4.输入数据校验

在 Web 服务中，我们常常需要对输入的内容进行校验，比如要求输入 6 位数字，我们可以使用 \d{6} 来校验。但你需要注意到，如果用户输入的是 6 位以上的数字呢？在这种情况下，如果不去要求用户录入的 6 位数字必须是行的开头或结尾，就算验证通过了，结果也可能不对。比如下面的示例，在不加行开始和结束符号时，用户输入了 7 位数字，也是能校验通过的：

5.环视（ Look Around）

环视就是要求匹配部分的前面或后面要满足（或不满足）某种规则，有些地方也称环视为零宽断言。那具体什么时候我们会用到环视呢？我来举个例子。邮政编码的规则是第一位是 1-9，一共有 6 位数字组成。现在要求你写出一个正则，提取文本中的邮政编码。根据规则，我们很容易就可以写出邮编的组成 [1-9]\d{5}。我们可以使用下面的文本进行测试

我们发现，7 位数的前 6 位也能匹配上，12 位数匹配上了两次，这显然是不符合要求的也就是说，除了文本本身组成符合这 6 位数的规则外，这 6 位数左边或右边都不能是数字。正则是通过环视来解决这个问题的。解决这个问题的正则有四种。我给你总结了一个表。

你可能觉得名称比较难记住，没关系，我给你一个小口诀，你只要记住了它的功能和写法就行。这个小口诀你可以在心里默念几遍：左尖括号代表看左边，没有尖括号是看右边，感叹号是非的意思。因此，针对刚刚邮编的问题，就可以写成左边不是数字，右边也不是数字的 6 位数的正则。即 (?<!\d)[1-9]\d{5}(?!\d)。这样就能够符合要求了。

6.环视与子组

环视中虽然也有括号，但不会保存成子组。保存成子组的一般是匹配到的文本内容，后续用于替换等操作，而环视是表示对文本左右环境的要求，即环视只匹配位置，不匹配文本内容。你也可以总结一下，圆括号在正则中都有哪些用途，不断地去复习学过的内容，巩固自己的记忆。

7.总结

最常见的断言有三种：单词的边界、行的开始或结束、环视。单词的边界是使用 \b 来表示。而多行模式下，每一行的开始和结束是使用^ 和 $ 符号。如果想匹配整个字符串的开始或结束，可以使用 \A 和 \z，它们不受匹配模式的影响。最后就是环视，它又分为四种情况：肯定逆向环视、否定逆向环视、肯定顺序环视、否定顺序环视。在使用的时候记住一个方法：有左尖括号代表看左边，没有尖括号是看右边，而感叹号是非的意思。

2.正则中转义需要注意哪些问题？

1.转义字符

下面是一些常见的转义字符以及它们的含义。

2.字符串转义和正则转义

• 一般来说，正则中 \d 代表的是单个数字，但如果我们想表示成 反斜杠和字母 d，这时候就需要进行转义，写成 \d，这个就表示反斜杠后面紧跟着一个字母 d
• 刚刚的反斜杠和 d 是连续出现的两个字符，如果你想表示成反斜杠或 d，可以用管道符号或中括号来实现，比如 |d 或 [\d]。
• 需要注意的是，如果你想用代码来测试这个，在程序中表示普通字符串的时候，我们如果要表示反斜杠，通常需要写成两个反斜杠，因为只写一个会被理解成“转义符号”，而不是反斜杠本身。
• 那如何在正则中正确表示“反斜杠”呢？答案是写四个反斜杠。详细解释一下这里面的过程，在程序使用过程中，从输入的字符串到正则表达式，其实有两步转换过程，分别是字符串转义和正则转义。在正则中正确表示“反斜杠”具体的过程是这样子：我们输入的字符串，四个反斜杠 \，经过第一步字符串转义，它代表的含义是两个反斜杠 \；这两个反斜杠再经过第二步正则转义，它就可以代表单个反斜杠 \了
  
  
  
  你可以用这个过程，推导一下两个和三个反斜杠的转换过程，这样你就会明白上面报错的原因了。

3.正则中元字符的转义

如果现在我们要查找比如星号（*）、加号（+）、问号（?）本身，而不是元字符的功能，这时候就需要对其进行转义，直接在前面加上反斜杠就可以了。

4.括号的转义

在正则中方括号 [] 和 花括号 {} 只需转义开括号，但圆括号 () 两个都要转义。在正则中，圆括号通常用于分组，或者将某个部分看成一个整体，如果只转义开括号或闭括号，正则会认为少了另外一半，所以会报错。

5.使用函数消除元字符特殊含义

这个转义函数可以将整个文本转义，一般用于转义用户输入的内容，即把这些内容看成普通字符串去匹配，但你还是得好好注意一下，如果使用普通字符串查找能满足要求，就不要使用正则，因为它简单不容易出问题。下面是一些其他编程语言对应的转义函数，供你参考

6.字符组中的转义

讲完了元字符的转义，我们现在来看看字符组中的转义。书写正则的时候，在字符组中，如果有过多的转义会导致代码可读性差。在字符组里只有三种情况需要转义

• 脱字符在中括号中，且在第一个位置需要转义：
• 中划线在中括号中，且不在首尾位置：
• 右括号在中括号中，且不在首位：

7.字符组中其它的元字符

• 一般来说如果我们要想将元字符（.+?() 之类）表示成它字面上本来的意思，是需要对其进行转义的
• 如果它们出现在字符组中括号里，可以不转义。这种情况，一般都是单个长度的元字符，比如点号（.）、星号（）、加号（+）、问号（?）、左右圆括号等。它们都不再具有特殊含义，而是代表字符本身。
• 如果在中括号中出现 \d 或 \w 等符号时，他们还是元字符本身的含义

8.总结

正则中转义有些情况下会比较复杂，从录入的字符串文本，到最终的正则表达式，经过了字
符串转义和正则转义两个步骤。元字符的转义一般在前面加反斜杠就行，方括号和花括号的
转义一般转义开括号就可以，但圆括号两个都需要转义，我们可以借助编程语言中的转义函
数来实现转义。另外我们也讲了字符组中三种需要转义的情况，详细的可以参考下面的脑
图。

3.正则有哪些常见的流派及其特性？

目前正则表达式主要有两大流派（Flavor）：POSIX 流派与 PCRE 流派。下面我们分别来看看。

1.POSIX 流派

POSIX 规范定义了正则表达式的两种标准：

• BRE 标准（Basic Regular Expression 基本正则表达式）；
• ERE 标准（Extended Regular Expression 扩展正则表达式）
  下图为两者间的区别：
  
  

2.PCRE 流派

除了 POSIX 标准外，还有一个 Perl 分支，也就是我们现在熟知的 PCRE。目前大部分常用编程语言都是源于 PCRE 标准，这个流派显著特征是有\d、\w、\s 这类字符组简记方式。

3.总结

4.正则如何处理Unicode编码的文本？

Unicode 基础知识

Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。它对世界上大部分的文字进行了整理、编码。现在的 Unicode 字符分为 17 组编排，每组为一个平面（Plane）而每个平面拥有65536（即 2 的 16 次方）个码值（Code Point）。然而，目前 Unicode 只用了少数平面，我们用到的绝大多数字符都属于第 0 号平面，即 BMP 平面。除了 BMP 平面之外，其它的平面都被称为补充平面。

Unicode 中的正则

5.如何用正则让文本处理能力上一个台阶？

我目前是从事java开发，我就以java为例：

1.校验文本

在 Java 中，正则相关的类在 java.util.regex 中，其中最常用的是 Pattern 和 Matcher，Pattern 是正则表达式对象，Matcher 是匹配到的结果对象，Pattern 和 字符串对象关联，可以得到一个 Matcher。下面是 Java 中匹配的示例：

Java 中目前还没有原生字符串，在之前转义一节讲过，正则需要经过字符串转义和正则转义两个步骤，因此在用到反斜扛的地方，比如表示数字的\d，就得在字符串中表示成\d，转义会让书写正则变得稍微麻烦一些，在使用的时候需要留意一下

2.提取

在 Java 中，可以使用 Matcher 的 find 方法来获取查找到的内容，就像下面这样

3.替换

在 Java 中，一般是使用 replaceAll 方法进行替换，一次性替换所有的匹配到的文本。

4.切割

Java 中切割也是类似的，由于没有原生字符串，转义稍微麻烦点。

5.总结

6.如何理解正则的匹配原理以及优化原则？

用的较少，优化思路参考下图：

7.详解正则常见问题及解决方案

1.问题处理思路

• 某个位置上可能有多个字符的话，就⽤字符组。
• 某个位置上有多个字符串的话，就⽤多选结构。
• 出现的次数不确定的话，就⽤量词。
• 对出现的位置有要求的话，就⽤锚点锁定位置。
• 如果是要查找的内容中不能出现某些字符，可以通过使用中括号来排除字符组
• 如果是内容中不能出现某个子串，比如要求密码是 6 位，且不能有连续两个数字出现。假
  设密码允许的范围是 \w，你应该可以想到使用 \w{6} 来表示 6 位密码
• 如果里面不能有连续两个数字的话，该如何限制呢？这个可以环视来解决，就是每个字符的后面都不能是两个数字（要注意开头也不能是 \d\d）

2.常见问题及解决方案

1). 匹配数字

• 数字在正则中可以使用 \d 或 [0-9] 来表示。
• 如果是连续的多个数字，可以使用 \d+ 或 [0-9]+。
• 如果 n 位数据，可以使用 \d{n}。
• 如果是至少 n 位数据，可以使用 \d{n,}。
• 如果是 m-n 位数字，可以使用 \d{m,n}。

2). 匹配正数、负数和小数

• 如果希望正则能匹配到比如 3，3.14，-3.3，+2.7 等数字，需要注意的是，开头的正负符号可能有，也可能没有，所以可以使用 [-+]? 来表示
• 小数点和后面的内容也不一定会有，所以可以使用 (?:.\d+)? 来表示
• 匹配正数、负数和小数的正则可以写成 [-+]?\d+(?:.\d+)?
• 非负整数，包含 0 和 正整数，可以表示成[1-9]\d*|0
• 非正整数，包含 0 和 负整数，可以表示成-[1-9]\d*|0
• 其中表示正负的符号和小数点可能有，也可能没有，直接用 [-+]?\d+(?:.\d+)? 来表示。

3). 浮点数

• 负号的时候整数部分不能没有，而正数的时候，整数部分可以没有，所以正则你可以将正负两种情况拆开，使用多选结构写成 -?\d+(?:.\d+)?|+?(?:\d+(?:.\d+)?|.\d+)
• 负数浮点数表示：-\d+(?:.\d+)?。
• 正数浮点数表示：+?(?:\d+(?:.\d+)?|.\d+)。
• 十六进制的数字除了有 0-9 之外，还会有 a-f（或 A-F） 代表 10 到 15 这 6 个数字，所以正则可以写成 [0-9A-Fa-f]+

4). 十六进制数

• 十六进制的数字除了有 0-9 之外，还会有 a-f（或 A-F） 代表 10 到 15 这 6 个数字，所以
  正则可以写成 [0-9A-Fa-f]+。

5). 手机号码

• 手机号段比较复杂，如果要兼容所有的号段并不容易。目前来看，前四位是有一些限制，甚至 1740 和 1741 限制了前 5 位号段。我们可以简单地使用字符组和多选分支，来准确地匹配手机号段。如果只限制前 2 位，可以表示成 1[3-9]\d{9}，如果想再精确些，限制到前三位，比如使用
  1(?:3\d|4[5-9]|5[0-35-9]|6[2567]|7[0-8]|8\d|9[1389])\d{8}来表示

6). 身份证号码

• 我国的身份证号码是分两代的，第一代是 15 位，第二代是 18 位。如果是 18 位，最后一位可以是 X（或 x），两代开头都不能是 0，根据规则，你应该能很容易写出相应的正则，第一代可以用 [1-9]\d{14} 来表示，第二代比第一代多 3 位数据，可以使用量词 0 到 1次，
  即写成[1-9]\d{14}(\d\d[0-9Xx])?。

7). 邮政编码

• 邮编一般为 6 位数字，首位不是 0，比较简单，可以写成 [1-9]\d{5}，之前我们也提到过，6 位数字在其它情况下出现可能性也非常大，比如手机号的一部分，身份证号的一部分，所以如果是数据提取，一般需要添加断言，即写成 (?<!\d)[1-9]\d{5}(?!\d)。

8). 腾讯 QQ 号码

• 目前 QQ 号不能以 0 开头，最长的有 10 位，最短的从 10000（5 位）开始。从规则上我们可以得知，首位是 1-9，后面跟着是 4 到 9 位的数字，即可以使用 [1-9][0-9]{4,9} 来表示。

9）. 中文字符

• 中文属于多字节 Unicode 字符，之前我们讲过比如通过 Unicode 属性，但有一些语言是不支持这种属性的，可以通过另外一个办法，就是码值的范围，中文的范围是 4E00 - 9FFF之间，这样可以覆盖日常使用大多数情况。不同的语言是表示方式有一些差异，比如在 Python，Java，JavaScript 中，Unicode 可以写成 \u码值 来表示，即匹配中文的正则可以写成 [\u4E00-\u9FFF]，如果在 PHP 中使用，Unicode 就需要写成 \u{码值} 的样式。

10）. IPv4 地址

• 如果只是验证是不是合法的 IPv4 地址，可以直接使用点号切割，验证一下是不是四个部分，每个部分是不是在 0-255 之间就可以了，比使用正则来校验要简单很多，而且不容易出错。总之正则不是解决问题的唯一方法，我们要在合适的时候使用它，而不是说能用正则的都要用正则来解决。(?:1\d\d|2[0-4]\d|25[0-5]|0?[1-9]\d|0{0,2}\d)(?:.(?:1\d\d|2[0-4]\d|25[0-5]|0?[1-9]\d|0{0,2}\d)){3}

11）. 日期和时间

• 假设日期格式是 yyyy-mm-dd，如果不那么严格，我们可以直接使用 \d{4}-\d{2}-\d{2}。
• 如果再精确一些，比如月份是 1-12，当为一位的时候，前面可能不带 0，可以写成 01 或1，月份使用正则，可以表示成 1[0-2]|0?[1-9]，日可能是 1-31，可以表示成[12]\d|3[01]|0?[1-9]，这里需要注意的是 0?[1-9] 应该放在多选分支的最后面，因为放最前面，匹配上一位数字的时候就停止了（示例），正确的正则（示例）应该是
  \d{4}-(?:1[0-2]|0?[1-9])-(?:[12]\d|3[01]|0?[1-9])。
• 时间格式比如是 23:34，如果是 24 小时制，小时是 0-23，分钟是 0-59，所以可以写成(?:2[0-3]|1\d|0?\d)😦?:[1-5]\d|0?\d)。
• 日期中月份还有大小月的问题，比如 2 月闰年可以是 29 日，使用正则没法验证日期是不是正确的。我们也不应该使用正则来完成所有事情，而是只使用正则来限制具体的格式，比如四位数字，两位数字之类的，提取到之后，使用日期时间相关的函数进行转换，如果失败就证明不是合法的日期时间。

12). 邮箱

• 格式是 用户名 @主机名，用户名部分通常可以有英文字母，数字，下划线，点等组成，但其中点不能在开头，也不能重复出现，比如：[a-zA-Z0-9_.±]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+。

13). 网页标签

• 配对出现的标签，比如 title，一般网页标签不区分大小写，我们可以使用 (?i)来进行匹配。在提取引号里面的内容时，可以使用 [^"]+，方括号里面的内容时，可以使用 [^>]+ 等方式。我们通过一些常见的问题，逐步进行分析，讲解了正则表达式书写时的思路，和一些常见的错误。这些正则如果用于校验，还需要添加断言，比如 \A 和 \z（或\Z），或 ^ 和 $。如果用于数据提取，还应当在首尾添加相应的断言。

总结

结束语：

咱们学习任何内容，在一开始时，都不要过分去注重细节，重要的是掌握正确的方法，先从整体上入手，掌握核心的概念。比如当你学习了字符组、多选结构、量词、锚点、贪婪 & 非贪婪、流派、匹配原理这些核心知识之后，你要在后续遇到问题时，查阅一下相关文档，很快就可以解决掉了。

1.如何检验自己的掌握程度

当你觉得你掌握了正则之后，你可以尝试把它教给别人，或者你可以想一下，如果让你来讲正则，你会怎么讲？这样能够让你有更深刻的理解

2.熟练运用，而不滥用

有时候在学习正则之后，遇到问题总是想“展示一下身手”，这种心理无可厚非，但一定要记住在使用正则的过程中，一定要克制

3.如何进一步成长？

在这个技术太多，变化太快的时代，我们需要不断地学习。越是基础的内容越重要，一次性多投入些时间，弄清楚，搞明白。多动手练习，实践出真知