翻译，原文来自：Regex tutorial — A quick cheatsheet by examples[1]
掘金编辑器格式化效果不太好，可以去我们的公众号浏览：
mp.weixin.qq.com/s?__biz=MzI…
通过正则表达式在从文本中提取特定模式的内容时非常有用。
它应用很广泛，包括：验证、解析/替换字符串、数据格式转换以及网页爬取。
一旦你学会了它的语法，你几乎可以在所有编程语言（JavaScript、Java、VB、C#、C/C++、Python、Perl、Ruby、Delphi、R、Tcl 等等）中使用它。
让我们先看看一些示例和讲解吧。
基础
标记点（Anchors）：^ 和 $
• ^The — 匹配任意以
The开头的字符串• end$ — 匹配以
end结尾的字符串
• ^The end$ — 字符串完整匹配 (也就是The end)
• roar — 包含roar的任何字符串
量词：* + ? 和 {}，即表示数量的
• abc* — 匹配 ab 并且后面跟着 0 个或多个 c 的字符串
• abc+ — 匹配 ab 并且后面跟着 1 个或多个 c 的字符串（至少一个 c）
• abc? — 匹配 ab 并且后面跟着 0 个或 1 个 c 的字符串
• abc{2} — 匹配 ab 并且后面跟着 2 个 c 的字符串
• abc{2,} — 匹配 ab 并且后面跟着 2 个或更多个 c 的字符串（至少 2 个）
• abc{2,5} — 匹配 ab 并且后面跟着 2 到 5 个 c 的字符串
• a(bc)* — 匹配 a 并且后面跟着 0 个或多个 bc 的字符串
• a(bc){2,5} — 匹配 a 并且后面跟着 2 个到 5 个 bc 的字符串
或操作符：| 或 []
•a(b|c) — 匹配 a 并且后面跟着 b 或 c 的字符串（也就是 ab 或 ac）
• a[bc] — 同上
字符类：\d \w \s 和 .
• \d — 匹配一个数字（等同于
[0-9]）• \w — 匹配文字字符（word character）(注：这里指的英文：数字、字母和下划线。等同于
[a-zA-Z0-9_])• \s — 匹配空格符（包括制表符（tab） 和换行，等同于
[\r\n\t\f\v ]）•. — 匹配任意字符
在使用 . 时要注意，有时使用字符类（\d, \s. \w）和反字符会更快更精准。
\d, \s 和 \w 的反义类是 \D, \W 和 \S（大写）。
例如：\D 得到与 \d 相反的结果。
• \D — 匹配一个非数字字符
想要匹配 ^.[$()|*+?{\ 等这些字符，要使用 \ 进行转义。
• $\d — 匹配一个 $ 和一个数字
提示：通过正则表达式可以匹配那些不可打印的字符，例如：制表符（tab）用 \t、换行用 \n、回车用 \r。
标记（Flags）
正则通常以/abc/这种形式呈现，搜索模式以两个/进行分隔。并在结尾加上以下标记符：
• g (global) 返回所有匹配的
• m（multi-line）多行匹配，再同时使用 ^ 和 $ 时会在多行匹配，而不是按完整的字符串匹配。
• i（insensitive）不区分大小写，例如：/aBc/i 能匹配 AbC。
中级
捕获分组（Grouping and capturing）： ()
• a(bc) — 用小括号创建值是 bc 的捕获组
• a(?:bc)* — 使用 ?: 来禁用捕获组
• a(?<foo>bc) — 使用 ?<foo> 给组命名
在数据提取中使用这种操作符非常实用，多个捕获分组会以数组形式呈现，所以可以通过索引获取这些值。
如果我们使用组命名 (?<foo>...)，我们就可以像使用字典（对象）一样，通过键名来取值。
中括号表达式：[]
• [abc] — 匹配 或是 a、或是 b、或是 c 的字符串（等同于：
a|b|c）• [a-c] — 同上•[a-fA-F0-9] — 匹配一个十六进制数字，不区分大小写
• [0-9]% — 匹配 % 前有一个 0 到 9 任意数字的字符串•[^a-zA-Z] — 匹配不包括 a 到 z，及 A 到 Z 的字符串，这里的
^是一个取反表达式
贪婪和懒惰（非贪婪）匹配
* + {}这几个量词就是贪婪操作符，什么意思？就是他们会匹配尽可能多的内容。
例如：<.+> 会从 This is a <div>simple div</div> test 中匹配出 <div>simple div</div>，如果我们只想要 div 标签，只需加上 ? 使其变成懒惰的。
• <.+?> — 懒惰匹配 < 和 > 里任意字符
提示：最好避免使用 .，而选择严格的匹配方式。
• <[^<>]+> — 匹配在 < 和 > 里除了 < 和 > 外的任意字符
高级
边界：\b 和 \B（也就是单词边界）
• \babc\b — 词 abc
\b 是和 $ 与 ^ 类似的一个标记点。它的一侧是单词（\w），而另一侧不是单词（字符串的起始位置或空格）。
它的反义就是 \B。
• \Babc\B — 匹配有单词包围的 abc
后向引用（Back-references）：\1
• ([abc])\1 — 使用
\1匹配和第一个捕获组一样的文字• ([abc])([de])\2\1 — 使用
\2(\3, \4 等) 来匹配和第 2 个（第 3 个、第 4 个等）捕获组一样的文字• (?<foo>[abc])\k<foo> — 给捕获组命名为 foo 再通过 \k<foo> 引用他，同第一个例子结果一样
向前、向后：(?=) 和 (?<=)
• d(?=r) — 匹配 r 前面的 d，不包括 r
• (?<=r)d — 匹配 r 后面跟着的 d，不包括 r
或使用反义操作
• d(?!r) — 匹配 r 后面跟着的 d，不包括 r
• (?<!r)d — 匹配 r 前面的 d，不包括 r
总结
如你所见，正则表达式的应用字段可以是多个的，估计你在开发中或多或少也用过一些，下面是几个常见的场景：
•数据验证（例如，检查时间格式是否正确）•数据爬取（如网页爬虫，对内容的查找）•数据整理（Data Wrangling），将原始数据转换另一种格式•字符串解析（例如，URL GET参数）•字符串替换•语法高亮显示、文件重命名等
极客阅读 | 汇聚了国内外最优质的技术博客、产品动态、公众号文章。
