谷歌程序員把正則表達式藏了47年，新手發(fā)現后集體破防

每年Stack Overflow上有超過1200萬個正則相關問題，但87%的開發(fā)者承認：他們至今靠復制粘貼活著。

這不是智商問題。正則表達式（Regular Expression，一種文本模式匹配規(guī)則）的設計初衷就是"寫一次，讀永遠"——1970年代貝爾實驗室的程序員Ken Thompson把它塞進Unix工具箱時，大概沒料到50年后還有人對著[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}發(fā)呆。

今天這份清單，從字符類到貪婪陷阱，每個例子都能直接丟進生產環(huán)境。建議收藏，下次面試前翻一遍。

字符類：比你想的更野

方括號[]是正則的入門磚，但大多數人只用到[0-9]這種基礎款。

真正省事的寫法藏在反斜杠里：\d等于[0-9]，\w等于[a-zA-Z0-9_]，\s匹配所有空白字符（空格、制表符、換行）。

Java玩家有個隱藏技能：[a-z&&[^aeiou]]這種"交集"語法能直接篩出小寫輔音字母。其他語言？老老實實寫[bcdfghjklmnpqrstvwxyz]吧。

一個實戰(zhàn)場景：提取駝峰命名里的每個單詞。[A-Z][a-z]+匹配"HelloWorld"會抓到"Hello"和"World"——大寫字母開頭，后面跟至少一個小寫字母。加號+的意思是"前面的東西出現1次或更多"。

電話號碼提取更典型：[0-9]{3}-[0-9]{4}里的{3}是精確計數，匹配"555-1234"這種格式。花括號是正則里最容易被忽略的量化工具，很多人只會用星號加號。

貪婪陷阱：90%的bug來源

正則引擎默認"能吃多少吃多少"。

看這組對比：模式<.+>遇到輸入bold，會一口吞下bold——從第一個<一直匹配到最后一個>。

加個問號?變成<.+?>，引擎立刻變乖：只匹配到第一個>就停，結果拆成和兩個獨立標簽。

這個?叫"懶惰量詞"，和前面的可選含義完全不同。正則的上下文依賴性就是這么煩人——同一個符號在不同位置功能大變。

完整量詞表建議刻進肌肉記憶：

星號*：0次或多次（貪婪）
加號+：1次或多次（貪婪）
問號?：0次或1次（貪婪）
{n}：精確n次
{n,}：至少n次
{n,m}：n到m次

每個后面都能跟?變懶惰模式。處理HTML、JSON、日志文件時，懶惰量詞能救命——當然，正經解析這些格式應該用專用庫，正則只是應急。

生產環(huán)境直接復制的模式

郵箱驗證：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

這個版本覆蓋了99%的合規(guī)郵箱，但別拿它當唯一校驗——RFC 5322規(guī)定的合法郵箱格式復雜到能寫本書，實際注冊流程還得發(fā)驗證郵件。

URL提取：https?://[^\s]+

s?讓s變成可選，匹配http和https；[^\s]是"非空白字符"的簡寫，一直抓到空格為止。

國內手機號：1[3-9]\d{9}

第二位限定3-9排除虛擬號段，\d{9}補足剩余9位。比網上流傳的各種冗長版本干凈得多。

日志時間戳：\d{4}-\d{2}-\d{2}

ISO 8601基礎日期格式，年月日各就各位。需要兼容時間的話擴展為\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}。

調試比寫更重要

DevPlaybook的regex playground有個功能被低估了：實時高亮+分組可視化。

寫復雜模式時，把匹配結果按捕獲組著色，能立刻發(fā)現哪段邏輯在吞字符。比盯著黑底白字的測試輸出高效十倍。

另一個冷知識：多數語言支持(?#注釋)語法。生產代碼里的正則建議寫成

(?#協議)https?://(?#域名)[^\s]+

三個月后回來看，你會感謝自己。

最后留一道題：模式(\d)\1+能匹配什么？提示和"捕獲組"有關，答案藏在大多數教程的附錄里——而附錄，恰恰是高手和新手的分水嶺。