正则表达式测试工具

正则测试器：针对你自己的文本构建并调试模式

正则表达式（regex）是一门用于描述文本形状的微型语言。它让你不再问"这个确切的单词在这里吗？"，而是能问"有没有一个看起来像这样的字符串？"正是这一点让它在代码编辑器、日志文件、表单输入和脚本中查找、校验、提取和替换文本时威力十足。也正是这一点让它容易出错，因为一个在你脑海里读起来没问题的模式，可能悄悄地匹配了太多、太少或什么都没匹配到。

这就是为什么交互式测试胜过靠猜。当你键入一个模式，看着匹配在真实的样本文本里逐一亮起，你就得到了即时反馈：你看到什么被捕获了、什么漏了过去，以及哪个捕获组抓住了哪一段。我们的正则测试器完全在你的浏览器中运行。你的模式和样本文本永远不会离开页面，所以你可以放心粘贴日志行、邮件或生产数据，而不向任何服务器发送任何东西。

值得了解的构件

大多数日常模式都由一小组零件组装而成。学会这些，你就能读懂在野外遇到的绝大多数正则。

字符类（character classes）描述一组允许的字符。[aeiou] 匹配任何单个元音，[0-9] 匹配一个数字，[a-zA-Z] 匹配一个字母。方括号内的脱字符（^）会对这个集合取反，所以 [^0-9] 表示"任何不是数字的字符"。简写能省去打字：\d 是一个数字，\w 是一个单词字符（字母、数字、下划线），\s 是空白，而点号 . 匹配几乎任何单个字符。

量词（quantifiers）说明前面那个零件可以重复多少次。* 表示零次或多次，+ 表示一次或多次，? 表示零次或一次（可选）。对于确切的次数，{3} 表示恰好三次，{2,4} 表示两到四次。所以 \d{4} 匹配一个四位的年份，而 colou?r 匹配两种拼写。

锚点（anchors）把模式钉在一个位置上，而不是一个字符上。^ 匹配文本的开头，$ 匹配结尾，\b 标记一个单词边界。模式 ^Error 只匹配以"Error"开头的行，这在扫描日志时正是你想要的。

分组（groups）用圆括号包住模式的一部分，既能对多个字符一次性应用一个量词，又能捕获匹配到的文本以便复用。在 (\d{4})-(\d{2})-(\d{2}) 里，每个组都捕获了一个你稍后能取出来的日期分量。用竖线表示的选择（alternation）作用像"或"：cat|dog|fish 匹配这三个词中的任意一个。

你真正会用到的模式

少数几个反复出现的活儿覆盖了大部分实际工作。要捕获某个像邮件的东西，[\w.+-]+@[\w-]+\.[\w.-]+ 是一个务实的起点；按正式规范做完整的邮件校验是出了名的棘手，而一个宽松的模式通常是正确的选择——用于高亮候选项，而非拒绝用户。

对于数字，\d+ 抓取连续的数字，而 -?\d+(\.\d+)? 匹配可选的负号和小数。要去掉开头和结尾的空白，匹配 ^\s+|\s+$ 然后把它替换成空。要查找重复的单词，反向引用模式 \b(\w+)\s+\1\b 匹配一个单词后面跟着它自己，其中 \1 回指第一个捕获组。

标志改变匹配的行为

标志（flags）是修改整个模式的开关。全局标志（g）会找出每一处匹配，而不是在第一处停下，这正是你高亮所有出现位置时想要的。忽略大小写标志（i）让 error 同样匹配"Error"和"ERROR"。多行标志（m）改变 ^ 和 $，让它们在每一行的开头和结尾匹配，而不只是整段文本，这对逐行处理日志至关重要。其他有用的标志包括 s（dotall，让点号也能匹配换行）和 u（用于完整的 Unicode 处理）。

不同语言的风格略有差异

正则是一个方言家族，而非一个固定的标准。JavaScript、Python、PCRE（PHP）、Java、.NET、Go 和 Rust 在上面那些核心语法上是一致的，但它们在边缘处有所分歧：后行断言（lookbehind）的支持、命名组的语法（(?<name>...) 对比 (?P<name>...)）、Unicode 属性转义，以及存在哪些标志，全都各不相同。一个在某个引擎中能用的模式，到了另一个引擎可能需要一点微调，所以针对你实际发布所用的风格去测试是值得的。当你把一个模式调试妥当后，我们其他的开发者工具和文本工具能帮你完成清洗、编码和变换刚刚匹配到的数据这些周边工作。

常见问题