一文搞懂正则表达式：从基础到进阶

正则表达式（Regular Expression）是一种描述文本匹配规则的语法工具，由普通字符和具有特殊含义的元字符组成。通过构建特定的模式字符串，可以对文本进行匹配、提取、替换或验证，广泛应用于数据校验、文本处理和安全分析等场景。

在日常工作中，熟练掌握正则表达式可以大幅提升效率。尤其是在渗透测试过程中，面对海量日志或数据输入时，利用正则快速定位目标内容，能显著减少重复劳动。原本需要半小时完成的工作，几分钟就能搞定，效率拉满，甚至还能多出一点“摸鱼时间”。

举个例子：

^[0-9]+F0ne$

解释： 整行必须是 1个或多个数字 + F0ne 。这里的 ^ $ 均属于元字符， [] + 属于运算符。0-9 和 F0ne 分别表示数字和字符串原始字义。通过这些组合就可以在大量数据中找到满足表达式的字符串。

正则表达式元字符（Metacharacters）

元字符用于表示字符集合或具有特殊含义的字符。

常用字符类

元字符	含义
.	匹配任意单个字符
\w	单词字符（字母、数字、下划线）
\W	非单词字符（特殊符号类）
\d	数字字符
\D	非数字字符
\s	空白字符（空格、tab、换行等）
\S	非空白字符

边界与位置匹配类

元字符	含义
^	匹配行首
$	匹配行尾
\A	匹配开头（不受多行影响）
\Z	匹配末尾（不受多行影响，最后可有换行）
\z	绝对匹配末尾（不受多行影响，最后换行都不能有）
\b	匹配单词边界
\B	匹配非单词边界
\G	上次匹配结束位置

^ $ \A \Z \z 解释： 基于边界的匹配。

^ / $ 默认匹配整个输入的开始/结束；当开启多行模式（如 m）时，^ / $ 才会匹配每一行的行首/行尾。但是有时候想要全篇匹配，就需要 \A \Z 精确的匹配开头和结尾，而 \z 则在结尾处要求更严格，即使结尾多一个换行符也不行。

\b \B 解释： 基于单词的匹配。

# 示例 1
hello world

# 示例 2
helloworld

# 正则
hello\b # 可以匹配到示例 1 中的hello

# 正则
hello\B # 可以匹配到示例 2 中的hello

\G 解释： 连续性匹配，当匹配到满足项后从该位置继续匹配，不满足就结束匹配。

# 示例 1
123-123

# 示例 2
123123

# 正则
\d+ # 在示例 1 和示例 2 都可以完成匹配所有数字

# 正则
\G\d+ # 在示例 1 只能匹配第一个123，示例 2 可以全部匹配

控制字符

元字符	含义
\n	换行符
\r	回车符
\t	制表符
\f	换页符
\a	响铃符
\e	ESC 字符

Unicode 支持（高级）

不太常用可以了解一下。

元字符	含义
\uhhhh	16 进制 Unicode 字符
\Uhhhhhhhh	8 位 Unicode 字符
\xhh	2 位 16 进制字符
\x{hhhh}	可变长度 Unicode
\p{X}	匹配指定 Unicode 属性
\P{X}	非指定 Unicode 属性
\N{name}	匹配命名 Unicode 字符
\X	字素簇（Grapheme Cluster）

其他特殊字符

不太常用可以了解一下。

元字符	含义
\Q...\E	将内容转为字面量
\k	命名反向引用
\0ooo	八进制字符

正则表达式字符集合（Set Expressions）

表示一个集合内容。

表达式	含义
[abc]	匹配 a、b、c 任一字符
[^abc]	排除字符集 a、b、c
[A-Z]	范围匹配 A-Z
[\u0000-\U0010ffff]	所有 Unicode 字符

正则表达式量词（Quantifiers）

用于控制匹配次数。

贪婪量词（默认）

在能匹配成功的前提下尽量多匹配。

表达式	含义
*	0 次或多次匹配
+	1 次或多次匹配
?	0 或 1 次匹配
{n}	恰好匹配 n 次
{n,}	至少匹配 n 次
{n,m}	n 到 m 次匹配
.*	匹配任意字符（除了换行）

非贪婪量词（Lazy）

在能匹配成功的前提下尽量少匹配。

表达式	含义
*?	最少匹配 0 次
+?	最少匹配 1 次
??	0 或 1 次匹配，优先 0 次
{n,m}?	在范围内最大程度少匹配
.*?	最大程度少匹配

占有型量词（Possessive）

占有型可以理解为 贪婪 + 锁死回溯 ， 回溯： 正则匹配失败后，往回退一步重新匹配。

表达式	含义
*+	匹配 0 次或多次，并且一旦匹配就不回溯
++	匹配 1 次或多次，并且一旦匹配就不回溯
?+	匹配 0 或 1 次，并且一旦选择就不回溯
{n,m}+	匹配 n~m 次（通常先按贪婪取尽可能多），并且不回溯

# 例子
aacc

# 贪婪模式正则 1
a.*c # 结果为：aacc，.* 任意非换行字符任意次，所以全部匹配
# 贪婪模式正则 2
a+c # 结果为：aac
# 贪婪模式正则 3
a?c # 结果为：ac
# 贪婪模式正则 4
a{0,2}c # 结果为：aac，按最大匹配


# 非贪婪模式正则 1
a*?c # 结果为： aac，先尝试匹配 0 个 a，失败；再尝试 1 个 a，失败；再尝试 2 个 a，成功，因此匹配结果为 aac
# 非贪婪模式正则 2
a+?c # 结果为： aac，这里最少匹配一个 a
# 非贪婪模式正则 3
a??c # 结果为： ac，这里如果将例子改为 caacc，这结果为 c，默认先尝试 0 个 a，刚好找到 c 就停止了
# 非贪婪模式正则 4
a{0,1}?c # 结果为： ac，{0,1}? 等价于 ??

# 占有型模式正则 1
a*+c # 结果为：aac，首先贪婪匹配 aa，锁死不回溯然后匹配第一个 c，得到aac
# 占有型模式正则 2
a++c # 结果依然是aac，因为它会默认先贪婪匹配所有 a，然后在匹配 c
# 占有型模式正则 3
a?+c # 结果为：ac，注意：不回溯不是只进行一轮匹配，而是每个字符向下匹配，最终匹配到 ac
# 占有型模式正则 4
a{2,4}+c # 结果为：aac，这里和贪婪和非贪婪模式得到的结果一致

# 一些对比
{n,m}   # 贪婪（尽量多，失败会回溯）
{n,m}?  # 非贪婪（尽量少，不够再加）
{n,m}+  # 占有型（尽量多，但不回溯）

正则表达式分组与操作符（Operators）

表达式	含义
(pattern)	捕获分组，将括号看成一个整体返回
(?:pattern)	非捕获分组，匹配 pattern 但不获取匹配结果
(?=pattern)	正向肯定预查（正向前瞻）
(?!pattern)	正向否定预查（负向前瞻）
(?<=pattern)	反向肯定预查（正向后顾）
(?<!pattern)	反向否定预查（负向后顾）

(?=pattern) 和 (?!pattern) 解析：

# 例子
Windows95
Windows3.1

# (?=pattern) 正则
Windows(?=95|98|NT|2000)
# 匹配满足 Windows 后面包含括号内的字符，输出 Windows（Windows95）

# (?!pattern) 正则
Windows(?!95|98|NT|2000)
# 匹配不满足 Windows 后面包含括号内的字符，输出 Windows（Windows3.1）

(?<=pattern) 和 (?<!pattern) 解析：

# 例子
2000Windows
3.1Windows

# (?<=pattern) 正则
(?<=95|98|NT|2000)Windows
# 匹配满足 Windows 前面包含括号内的字符，输出 Windows（2000Windows）

# (?<!pattern) 正则
(?<!95|98|NT|2000)Windows
# 匹配不满足 Windows 前面包含括号内的字符，输出 Windows（3.1Windows）

配合 | {} 使用：

# 通过 | 实现多个选项匹配
# 例子
a123
aa123
ab123

# 匹配 abc 字符中任意两个 + 123
(a|b|c){2}123 # 可以匹配到 aa123 和 ab123

正则表达式匹配模式（Mode）

模式修饰符（Flags）

标志	含义
i	忽略大小写
m	多行模式（^ 和 $ 按行匹配）
s	点号匹配换行（DOTALL）
x	允许空格和注释

行内修饰符（Inline Flags）

表达式	含义
(?i)	开启忽略大小写
(?-i)	关闭忽略大小写
(?i)abc	全局模式，整个表达式生效
(?i:abc)	局部模式，仅在括号内生效
(?s).*	可以换匹配全部内容，包含存在换行的字符串

注意： (?i)abc 直接写表示全局模式（对整个表达式生效）， (?i:abc) 为局部模式，仅在当前括号生效。

# abc 忽略大小写，def 必须小写
(?i)abc(?-i)def
(?i)abc(?-i:def)
# 也可以多个修饰符一起用
(?im)^abc

常用正则表达式

匹配 URL：

# URL + 请求资源
(https?|ftp|file)://[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
# URL
[A-Za-z]+://[^\s]*

匹配 IP 地址：

# 0-255.0-255.0-255.0-255
^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$

# 1-255.0-255.0-255.1-255
(?<!\d)((25[0-5]|2[0-4]\d|1\d\d|[1-9])\.)((25[0-5]|2[0-4]\d|1\d\d|\d)\.){2}(25[0-5]|2[0-4]\d|1\d\d|[1-9])(?!\d)

# 注意：添加 ^$是为了完整匹配，仅允许匹配行必须为IP地址
# (?<!\d) 和 (?!\d) 是为了断言匹配，意指 IP 地址的前后不能有数字

匹配邮箱：

[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])?

匹配中文：

[\u4e00-\u9fa5]

在线网站

https://regexr.com/
https://tool.oschina.net/regex

Thinks

以上内容已同步至 知识库 ，方便随时查阅，详情请访问下方链接：

https://f0nesec.github.io/f0nesec-docs/Certifications/OSWE/0/

如果我的文章对您有帮助或您希望与我更多交流，欢迎点击「关于我」，通过页面中的微信公众号、邮箱或 Discord 与我联系；若您发现文章中存在任何错误或不足之处，也非常欢迎通过以上方式指出，在此一并致以衷心的感谢。 😊🫡

最后，祝您生活愉快！🌞✨