正则表达式的基本概念
正则表达式（Regular Expression，常缩写为regex或regexp）是程序员处理文本的利器。它通过一套精炼的符号规则，精准描述和匹配字符串中的字符组合模式。无论是表单验证、数据清洗、日志分析，还是URL路由匹配，正则表达式都扮演着核心角色。几乎所有主流编程语言都内置了正则支持，这充分证明了其在文本处理领域的通用性与不可替代性。
正则表达式的基础字符
理解正则表达式的关键在于掌握其字符体系。它主要由普通字符和具有特殊功能的符号构成。其中，元字符是定义匹配规则的核心符号，而转义字符则以反斜杠\开头，用于代表一类特定的字符。一个实用技巧是：若需匹配文本中实际的反斜杠，需使用\\进行转义。
元字符
以下是构建正则模式的核心元字符，它们是实现精准匹配的基石：
.：匹配除换行符外的任意单个字符。*：匹配前一个字符或子模式零次或多次（贪婪匹配）。+：匹配前一个字符或子模式一次或多次。?：匹配前一个字符或子模式零次或一次，表示可选。{n}：精确匹配前一个字符连续出现n次。{n,}：匹配前一个字符至少出现n次。{n,m}：匹配前一个字符出现次数在n到m之间。[]：定义字符集，匹配括号内的任意一个字符。[^]：定义否定字符集，匹配不在括号内的任意一个字符。^：匹配字符串的起始位置。$：匹配字符串的结束位置。()：分组符号，用于组合子模式，便于引用或应用量词。|：逻辑“或”，匹配其左侧或右侧的任一模式。-：在字符集[]内表示范围（如[a-z]），在字符集外则为普通连字符。
转义字符
转义字符简化了对常见字符类别的匹配，极大提升了模式的可读性与编写效率：
\d：匹配任意数字，等价于[0-9]。\w：匹配任意单词字符（字母、数字、下划线），等价于[a-zA-Z0-9_]。\s：匹配任意空白字符（空格、制表符、换行符等）。\b：匹配单词边界。例如\bword\b能精确匹配独立单词“word”。\D：匹配任意非数字字符，是\d的反义。\W：匹配任意非单词字符，是\w的反义。\S：匹配任意非空白字符，是\s的反义。
常见的正则表达式示例
掌握理论后，通过实际案例能更好地理解正则表达式的应用。以下是几个高频使用的匹配模式：
- 匹配电子邮件地址
\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b
该模式的工作原理是：首先匹配由字母、数字、点、下划线等组成的用户名部分，接着是“@”符号，然后是允许字母、数字和连字符的域名，最后以点号和至少两个字母的顶级域名结尾。\b确保匹配的是完整的邮箱地址。
- 匹配日期（YYYY-MM-DD格式）
\d{4}-\d{2}-\d{2}
规则清晰：四位年份、两位月份、两位日期，中间用短横线连接。这是匹配标准日期格式的简洁方案。
- 匹配中国大陆手机号码
^1[3-9]\d{9}$
匹配以1开头，第二位为3-9，后接恰好9位数字的11位手机号。^和$确保匹配整个字符串，避免部分匹配。
- 匹配简单的HTML标签内容
<[^>]+>(.*)]+>
此模式用于捕获类似<[^>]+>匹配开始标签，(.*)捕获标签间的所有内容，]+>匹配结束标签。请注意，它不适合处理嵌套的复杂HTML结构。
SQL中应用正则表达式
正则表达式在SQL数据库查询与数据处理中同样至关重要，它能高效解决传统LIKE操作符难以应对的复杂模式匹配问题。
字符串查找
使用REGEXP（在某些数据库中为RLIKE）操作符，可以筛选出符合特定模式的数据行。
SELECT * FROM 表名 WHERE 字符串字段 REGEXP '正则表达式';
此功能通常适用于VARCHAR、TEXT等文本类型字段。
字符串替换
对于需要根据复杂规则进行数据清洗或替换的场景，regexp_replace函数是理想工具。
SELECT regexp_replace(str, pattern, replace_str, occurrence) FROM 表名;
参数说明如下：
str：原始待处理的字符串。pattern：用于搜索匹配的正则表达式模式。replace_str：用于替换匹配内容的新字符串。occurrence：控制替换行为。设为0表示替换所有匹配项；设为正整数n则仅替换第n个匹配项。
常见案例
以一道LeetCode风格的SQL题目为例：查找有效邮箱的用户。
题目要求筛选出邮箱符合以下规则的用户记录：
- 邮箱前缀可包含字母（大小写）、数字、下划线、点或短横线。
- 邮箱前缀必须以字母开头。
- 域名固定为
@leetcode.com。
对应的SQL查询语句如下：
SELECT user_id, name, mail FROM Users WHERE mail REGEXP '^[a-zA-Z][a-zA-Z0-9_.-]*\\@leetcode\\.com$';
正则解析：^[a-zA-Z]确保首字符为字母；[a-zA-Z0-9_.-]*匹配零个或多个允许的后续字符；注意@和点.均需转义，以匹配其字面含义。
总结
正则表达式堪称文本处理的瑞士军刀，其强大功能与灵活性使其成为开发者必备技能。尽管初看符号繁多，但掌握元字符与转义字符的核心语法后，便能逐步拆解任何复杂模式。从数据验证、信息提取到SQL高级查询，正则的应用贯穿于整个数据处理流程。精通正则表达式，将显著提升你解决字符串相关问题的效率与精度。对于复杂正则的编写，务必遵循“多测试、多验证”的原则。
