王杰岸写正则表达式的文章很容易写成两副面孔：要么是一张列满元字符的“语法大全”，看完啥也记不住；要么是一堆看起来很高端的实战代码，但完全没讲清楚“为什么这么写”。这篇我想换个路子，从正则引擎实际执行过程讲起，把语法规范、IP地址校验、grep日志过滤、字母数字组合校验这类真实需求串起来，顺便把新手最容易踩的坑也一并交代清楚。不管你是第一次接触正则，还是已经断断续续写过一些，这篇文章都值得花十几分钟读完。
1. 先搞清楚正则到底在“匹配”什么：引擎的基本工作方式
很多人学正则卡住的第一个原因，是压根没搞明白“匹配”这两个字的含义。正则表达式不是“判断一个字符串是否等于某个样子”，而是“在一个字符串里从头到尾寻找满足条件的子串”。这种寻找有自己的底层规则，理解它比背下所有元字符都重要。
1.1 一段正则执行时到底发生了什么
想象一下你在一面墙上找某个图案，你手里拿着一张镂空的卡片，卡片上的镂空形状就是你的正则表达式。你会把卡片从墙的最左端开始，先对齐，看看镂空处的图案是否完全对应；对不上，就把卡片往右挪一个字符，再对齐再看。这个“从左到右、一个个位置尝试”的过程，就是正则引擎的基本工作原理。
拿最基本的匹配举例：
code复制文本：cat123dog
正则：\d+
引擎会从文本的第一个字符c开始，尝试用\d+去匹配。\d代表数字，c不是数字，失败；接着引擎把起始位置移到a，还不是数字，失败；再移到t，失败；移到1，匹配成功，+号要求继续匹配数字，于是2、3也匹配上，直到遇到d为止。最终结果匹配到123。
这里有两个容易被忽略的细节。第一，正则默认是“部分匹配”而不是“整串匹配”。\d+能在cat123dog里找出123，但如果你想让整个字符串必须是数字，就得自己加锚点（比如^\d+$），让引擎只能从字符串开头匹配到末尾。第二，引擎一旦在某一个位置匹配成功，它会尽量往“更长”的方向匹配，这是贪婪量词的本性，后面细讲。
1.2 贪婪、懒惰与回溯：大部分“奇怪问题”的源头
正则引擎里最影响结果的两个因素，一个是量词的贪婪与否，一个是回溯机制。几乎所有“为什么我写的正则会多匹配/少匹配”的困惑，都出在这里。
所谓贪婪，是指*、+、?、{m,n}这些量词默认会尽可能多地匹配字符。比如：
code复制文本：<div>内容1</div>尾巴<div>内容2</div>
正则：<div>.*</div>
.*会一路吞掉尽量多的字符。第一次匹配时，<div>之后，.*会一直吃到字符串最后，然后再回退，寻找最后一个</div>。所以整个正则最终匹配的是从第一个<div>到最后一个</div>的整段内容，而不是你直觉里希望的两段分开的内容。
这段寻找的过程就是回溯：引擎先按最大长度尝试，发现后续匹配不上，就一点点往回退，再尝试其他路径。量词越模糊、嵌套越多，回溯的路径就越复杂，这也是某些正则表达式在长文本上跑得极慢甚至卡死的根本原因。
如果想改变这种行为，有两个办法。一是用懒惰匹配，在量词后面加一个?，变成<div>.*?</div>，这样.*?会尽可能少地匹配，遇到第一个</div>就停下来，于是两个div内容会分别匹配；二是使用更严谨的字符类，比如<div>[^<]*</div>，直接排除掉尖括号，从源头上减少回溯。
提示：写正则时多想一想“这个位置到底允许出现哪些字符”，比用一个万能的
.加懒惰匹配要可靠得多。字符写得越精确，回溯越少，性能越稳。
明白了引擎的工作方式，后面那些语法、实战、坑点就都好理解了。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 语法规范速通：字符类、量词、分组与锚点
这一节不是把语法大全抄一遍，而是把日常写正则最常用的几块语法，逐个讲清楚“是什么、怎么用、常见坑”。你接下来读实战案例时，所有代码都会反复用到这里的知识。
2.1 字符类：一对方括号里的各种门道
方括号[]，专业术语叫字符类，它代表“匹配方括号内列出的任意一个字符”。这是正则里最基础也最好用的构造。
[abc]：匹配a、b、c中的任意一个。[a-z]：匹配a到z范围内的任意一个小写字母。[0-9]：等于\d，匹配任意一个数字。[a-zA-Z0-9_]：匹配字母、数字、下划线中任意一个，这在很多场景下等于\w。
字符类里有个反义操作，在左括号后加一个^，比如[^0-9]表示匹配任意一个非数字字符。这在实际开发里非常常用，比如过滤掉所有数字、校验字符串里不包含特殊字符等。
这里有一个新手经常犯的错：在字符类里写多个字符，以为匹配的是“字符串”。比如[abc]不是匹配字符串abc，而是匹配a或b或c中的任意一个。如果想让三种组合都出现，得写abc这个字符串本身，或者用分组加|。
另一个坑是转义规则。在字符类里，大部分元字符都失去了特殊含义，直接写就行。比如[.]匹配的就是字面意义上的点号，不用加反斜杠。但^（出现在非首位）、-（表示范围）、]、\这些还是需要小心处理，-放在字符类开头或结尾时表示普通横杠，放在中间则可能被当成范围连接符。
2.2 量词：控制重复次数时的细节
量词控制的是“前面的表达式出现多少次”，常见的有：
*：0次或多次。+：1次或多次。?：0次或1次。{n}：恰好n次。{n,}：至少n次。{n,m}：n到m次之间。
你可能已经注意到了，元字符本身也可以用量词来修饰。\d+表示一个或多个数字，[a-z]*表示零个或多个小写字母。这种“字符类+量词”的组合，就足够应付一大半的格式校验场景了。
量词的一个细节是它只修饰“紧挨着它前面的那个元素”。比如ab+匹配的是a后面跟一个或更多b，也就是ab、abb、`abbb