正則表達式是一種文字模式,由普通字元(例如 a 到 z 之間的字母)與特殊字元(稱為「元字元」)組成,用來描述搜尋文字時要對應的一或多個字串。
寫正則時,有幾個線上工具能即時預覽對應結果,很值得收藏:
正則表達式的核心用途是搜尋與替換,在文字編輯器中隨處可見,常見場景包括:檢查文字中是否含有指定特徵詞、找出特徵詞出現的位置、從文字中擷取子字串,以及批次修改文字內容。
說明:正則通常用於兩類任務——驗證與搜尋/替換。用於驗證時,通常要在前後加上 ^ 與 $ 以對應整個待驗證字串;用於搜尋/替換時是否加這組限定則依需求而定,有些情況改用 \b 邊界更合適。以下常用表達式除特別註明外,都未加上任何前後限定,請依實際需要自行處理。
建構好正則之後,可以像數學表達式一樣由左至右依優先順序求值。以下由高到低列出各運算元的優先權:
| 運算子 | 說明 |
|---|---|
| \ | 跳脫字元 |
| (), (?:), (?=), [] | 圓括號與方括號(群組與字元集) |
| *, +, ?, {n}, {n,}, {n,m} | 數量限定符 |
| ^, $, \anymetacharacter | 位置與順序 |
建構正則的方式和建立數學表達式一樣:用多個元字元與運算子把小表達式組合成更大的表達式,中間以分隔符界定邊界。
在 JScript 中,分隔符是一對正斜線(/):
/expression/
在 VBScript 中,則用一對引號界定:
"expression"
JavaScript 中也可以用 RegExp 建構函數動態建立,這種寫法的好處是能把 pattern 放在變數裡:
// 匹配帳號是否合法(字母開頭,允許 5-16 位元組,允許字母數字下劃線)
var re = new RegExp("^[a-zA-Z][a-zA-Z0-9_]{5,19}$");
if (re.test(aaaa)) {
alert("格式正確");
} else {
alert("格式錯誤");
}
正則表達式的組成部分可以是單一字元、字元集合、字元範圍、選項,或這些元素的任意組合。
中文: [\u4e00-\u9fa5]
說明:有了這個表達式,處理中文就不那麼頭痛了。
雙位元組字元(含中文): [^\x00-\xff]
說明:可用來計算字串長度(一個雙位元組字元算 2,ASCII 字元算 1)。
空白行: \n\s*\r
說明:可用來刪除空白行。
HTML 標記: <(\S*?)[^>]*>.*?</\1>|<.*? />
說明:網上流傳的版本品質參差,上面這個也只能對應部分情況,遇到複雜嵌套標記仍然無力。解析 HTML 請優先使用 DOM 解析器。
首尾空白: ^\s*|\s*$
說明:可用來刪除行首行尾的空白(含空格、定位字元、換頁符等),非常實用。
Email: \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
說明:表單驗證時很實用。
URL: [a-zA-z]+://[^\s]*
說明:網上流傳的版本功能有限,這個基本能滿足需求。
帳號(字母開頭,5-16 位元組,允許字母數字下劃線): ^[a-zA-Z][a-zA-Z0-9_]{4,15}$
說明:表單驗證時很實用。
國內電話: \d{3}-\d{8}|\d{4}-\d{7}
說明:對應 0511-4405222 或 021-87888822 這類格式。
騰訊 QQ 號: [1-9][0-9]{4,}
說明:QQ 號從 10000 開始。
中國郵遞區號: [1-9]\d{5}(?!\d)
說明:郵遞區號為 6 位數字。
身份證: \d{15}|\d{18}
說明:中國身份證為 15 位或 18 位。
IP 位址: \d+\.\d+\.\d+\.\d+
說明:擷取 IP 時有用。
^[1-9]\d*$ // 匹配正整數
^-[1-9]\d*$ // 匹配負整數
^-?[1-9]\d*$ // 匹配整數
^[1-9]\d*|0$ // 匹配非負整數(正整數 + 0)
^-[1-9]\d*|0$ // 匹配非正整數(負整數 + 0)
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ // 匹配正浮點數
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ // 匹配負浮點數
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ // 匹配浮點數
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ // 匹配非負浮點數
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ // 匹配非正浮點數
說明:處理大量資料時有用,實際套用時請依情境修正。
^[A-Za-z]+$ // 由 26 個英文字母組成
^[A-Z]+$ // 由 26 個英文字母大寫組成
^[a-z]+$ // 由 26 個英文字母小寫組成
^[A-Za-z0-9]+$ // 由數字和 26 個英文字母組成
^\w+$ // 由數字、26 個英文字母或下劃線組成
說明:最基本也最常用的一些表達式。

正則很強大,但兩個常見問題值得注意。第一是效能:像 (a+)+ 這種嵌套量詞會造成災難性回溯,遇到長字串可能直接讓頁面凍住。第二是可讀性:過度複雜的表達式即使寫得出來,半年後也沒人看得懂。若某段邏輯需要三行以上才能寫成一個正則,通常拆成幾個步驟反而更好維護。
另外,用正則「驗證 email」這件事本身就是個陷阱——真正符合 RFC 規格的 email 模式極度複雜,實務上多數專案只做到基本格式檢查,再靠寄送驗證信來確認位址是否有效。