正则表达式

基于现代 JavaScript（ES2025 · 核于 2026-06）

速查

• 两种创建：字面量 /ab+c/g（解析期编译、性能好、适合常量）vs new RegExp("ab+c", "g")（运行期、适合动态拼接）
• 八个标志：g 全局 / i 忽略大小写 / m 多行 / s 点匹配换行 / u Unicode / y 粘性 / d 带索引 / v Unicode 集合
• 字符类：\d 数字 / \w 词字符 / \s 空白（大写取反）；[abc] / [^abc] / [a-z]；. 任意（除换行）
• 锚点：^ 行首 / $ 行尾 / \b 词边界 / \B 非词边界
• 量词：*（≥0）/ +（≥1）/ ?（0或1）/ {n} / {n,} / {n,m}；默认贪婪，加 ? 变懒惰
• 分组：捕获 (...) / 非捕获 (?:...) / 命名 (?<name>...)；反向引用 \1 或 \k<name>
• 断言：前瞻 (?=...) (?!...)、后顾 (?<=...) (?<!...)（不消耗字符）
• 方法：re.test(str)→布尔、re.exec(str)→匹配数组；str.match / matchAll / replace / replaceAll / split / search
• 取所有匹配＋捕获组：用 str.matchAll(/.../g)（比 match + g 更强，后者会丢捕获组）
• g / y 的副作用：lastIndex 会被 exec/test 修改，复用同一正则要小心
• u 模式：启用 \p{...} Unicode 属性转义；\p{Emoji} / \p{Letter}；v（ES2024）支持集合运算与字符串字面量

两种创建方式

// 字面量：在脚本解析时就编译好，性能更优，适合固定模式
const re1 = /ab+c/gi;

// 构造器：运行期编译，适合模式来自变量 / 用户输入
const word = "ab+c";
const re2 = new RegExp(word, "gi");

// 构造器里反斜杠要双重转义（因为先经过字符串解析）
new RegExp("\\d+"); // 等价于 /\d+/

经验：模式写死就用字面量；模式需要拼接（如根据用户输入构造搜索）才用构造器。动态拼接用户输入时，可用 RegExp.escape()（较新）先转义特殊字符防注入。

八个标志位

标志	名称	作用
g	global	全局匹配，不止找第一个
i	ignoreCase	忽略大小写
m	multiline	^ $ 匹配每行的首尾（而非整串首尾）
s	dotAll	让 . 也能匹配换行符
u	unicode	按 Unicode 码点处理，启用 \p{...} 属性转义
y	sticky	粘性：只从 lastIndex 位置开始匹配
d	hasIndices	匹配结果附带每个捕获组的起止索引
v	unicodeSets	u 的升级版（ES2024），支持集合运算与多码点字符串

标志可组合：/foo/gimsu。标志是正则的固有部分，创建后不能增删。

字符类、锚点与量词

// 字符类
/\d/; // 数字 [0-9]
/\D/; // 非数字
/\w/; // 词字符 [A-Za-z0-9_]
/\W/; // 非词字符
/\s/; // 空白（空格、制表、换行…）
/\S/; // 非空白
/[aeiou]/; // 自定义集合：任一元音
/[^aeiou]/; // 取反：非元音
/[a-z]/; // 范围
/./; // 任意字符（默认不含换行，加 s 标志才含）

// 锚点与边界
/^abc/; // 以 abc 开头
/abc$/; // 以 abc 结尾
/\bword\b/; // word 作为完整单词（两侧是词边界）

量词默认贪婪（尽量多匹配），加 ? 变懒惰（尽量少匹配）——这是抓取 HTML 标签等场景的关键区别：

// 贪婪：<.+> 会一口气吃到最后一个 >
"<a><b>".match(/<.+>/)[0]; // "<a><b>"

// 懒惰：<.+?> 匹配到第一个 > 就停
"<a><b>".match(/<.+?>/)[0]; // "<a>"

量词	含义
x*	0 个或多个
x+	1 个或多个
x?	0 个或 1 个
x{n}	恰好 n 个
x{n,}	至少 n 个
x{n,m}	n 到 m 个
加后缀 ?	改为懒惰（*? +? {n,m}?）

分组与反向引用

// 捕获组 (...)：括号内匹配的内容会被单独捕获
const m = "2026-06-25".match(/(\d{4})-(\d{2})-(\d{2})/);
m[0]; // "2026-06-25"（整体匹配）
m[1]; // "2026"（第 1 组）
m[2]; // "06"（第 2 组）

// 非捕获组 (?:...)：只分组不捕获，省内存、不占编号
"abab".match(/(?:ab)+/)[0]; // "abab"

// 命名捕获组 (?<name>...)（ES2018）：用名字取，可读性大增
const d = "2026-06-25".match(/(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/);
d.groups.year; // "2026"
d.groups.month; // "06"

// 反向引用：\1 引用第 1 个捕获组的内容（匹配重复）
/(\w)\1/.test("aa"); // true（同一字符出现两次）
/(\w)\1/.test("ab"); // false

// 命名反向引用 \k<name>
/(?<q>['"]).*?\k<q>/.test(`"hi"`); // true（引号成对）

断言：前瞻与后顾

断言检查「某位置前后是否符合某模式」，但不消耗字符（匹配结果不含断言内容）：

// 正前瞻 (?=...)：x 后面必须跟 y
/\d+(?=元)/.exec("100元")[0]; // "100"（匹配数字，但"元"不在结果里）

// 负前瞻 (?!...)：x 后面不能跟 y
/\d+(?!元)/; // 数字后面不是"元"

// 正后顾 (?<=...)（ES2018）：x 前面必须是 y
/(?<=\$)\d+/.exec("$100")[0]; // "100"（匹配数字，但"$"不在结果里）

// 负后顾 (?<!...)：x 前面不能是 y
/(?<!\$)\d+/; // 前面不是"$"的数字

断言常用于「提取被某符号包裹的内容，但又不想要那个符号」——比如取金额数字而不要货币符号。

方法：RegExp 与 String 两套

// —— RegExp 上的方法 ——
/\d+/.test("abc123"); // true（只问"匹配不匹配"，最快）

const re = /(\d)(\d)/;
re.exec("a12"); // ["12", "1", "2", index: 1, ...]（带捕获组与位置）

// —— String 上的方法 ——
"a1b2".match(/\d/g); // ["1", "2"]（带 g：所有匹配，但丢捕获组）
"a1b2".search(/\d/); // 1（首个匹配的下标，找不到 -1）
"a1b2".replace(/\d/g, "#"); // "a#b#"
"a1b2".replaceAll(/\d/g, "#"); // "a#b#"（传正则须带 g）
"a1b2".split(/\d/); // ["a", "b", ""]

match vs matchAll：取所有匹配＋捕获组的正解

match 在带 g 标志时只返回匹配字符串数组、丢掉所有捕获组。要同时拿到「所有匹配」和「每个匹配的捕获组」，必须用 matchAll（ES2020，返回迭代器，要求带 g）：

const text = "2026-06, 2025-12";
const re = /(?<y>\d{4})-(?<m>\d{2})/g;

// ❌ match + g：丢了捕获组
text.match(re); // ["2026-06", "2025-12"]（拿不到 y / m）

// ✅ matchAll：每个匹配都是完整的 exec 结果，带捕获组
for (const m of text.matchAll(re)) {
  console.log(m[0], m.groups.y, m.groups.m);
}
// "2026-06" "2026" "06"
// "2025-12" "2025" "12"

g / y 标志的 lastIndex 副作用

带 g 或 y 标志的正则对象有可变状态 lastIndex：每次 exec / test 都会推进它，下次从那里继续。这意味着复用同一个全局正则对象会出现「时灵时不灵」的诡异结果：

const re = /\d/g;
re.test("1"); // true（lastIndex 推到 1）
re.test("1"); // false（从下标 1 开始找，已到末尾！）

对策：每次新建正则，或循环用 matchAll 而非手动 exec/test 复用。

Unicode 与新特性

加 u 标志后，正则按 Unicode 码点工作，并解锁 Unicode 属性转义 \p{...}（ES2018）：

/\p{Letter}/u.test("中"); // true（按 Unicode 类别匹配"字母"）
/\p{Emoji}/u.test("😀"); // true
/\p{Number}/u.test("Ⅻ"); // true（连罗马数字也算 Number）

// 不加 u，. 会把一个 emoji 当成两个码元
/^.$/.test("😀"); // false（被当 2 个字符）
/^.$/u.test("😀"); // true（u 模式按码点）

v 标志（unicodeSets，ES2024）是 u 的超集，支持字符类内的集合运算（交集 &&、差集 --）与多码点字符串字面量，是处理复杂 Unicode 匹配的最新利器——目前在主流浏览器已广泛可用，作为锦上添花使用。

小结

正则两种创建方式、八个标志、捕获/命名组、断言，构成 JavaScript 的模式匹配能力。最常踩的两个坑：带 g 时 match 丢捕获组（改用 matchAll）、全局正则的 lastIndex 状态导致复用出错。涉及 emoji 与国际化文本时加 u（或 v）标志按码点处理。下一页进入两类核心集合：Map / Set 与弱引用。