这个工具用来做什么
正则表达式是一种用来描述文本模式的小型语言。它把「什么样的字符串算命中」写成一串符号,交给引擎去扫描,从而完成查找、校验、提取、批量替换这几类工作。写日志分析脚本、清洗导出的表格、在编辑器里做批量改名、给表单加格式校验,都会用到它。但正则的语法密度很高,一个括号、一个反斜杠写错,含义就可能完全相反,所以在真实使用前先在一段样例文本上跑一遍,是最省时间的做法。
这个页面把四件事放在同一屏里:高亮命中的片段、逐条列出捕获组、按模板预览替换结果、给出匹配次数与耗时。它不连接任何后端,所有匹配都在浏览器里完成,测试内部日志或客户数据时不必担心内容被上传。
引擎用的是浏览器原生实现,与你在 JavaScript 代码里写 new RegExp() 得到的行为完全一致。这一点很重要:不同语言的正则方言差别不小,某些写法在别的语言里能用,在 JavaScript 里会直接报错,反之亦然。用这个页面验证过的表达式,可以直接复制进前端代码。
怎么用
表达式输入框前后各有一条斜线,它们只是视觉上的边界,你只需要填写中间的部分。例如要匹配邮箱,就写 ([A-Za-z0-9._%+-]+)@([A-Za-z0-9.-]+\.[A-Za-z]{2,}),不要连斜线一起粘进来;如果从别处复制了带斜线的写法,把两端的斜线和结尾的修饰符删掉即可。
- 修饰符用复选框控制:g 表示找出全部匹配,i 表示忽略大小写,m 让 ^ 与 $ 匹配每一行的开头结尾,s 让点号也能匹配换行,u 启用 Unicode 模式。
- 测试文本粘贴到下方文本框,上限 50,000 字符。输入停止约 0.25 秒后自动刷新结果,不需要点按钮。
- 替换模板里可以写 $1、$2 引用捕获组,$& 代表整个匹配,$<名称> 引用命名组。留空则预览的是删除所有匹配后的文本。
- 三个示例按钮会同时填好表达式、修饰符、测试文本与替换模板,可以先跑通再改成自己的内容。
当表达式非法时,状态条会给出中文说明,例如括号没有闭合、字符类少了右方括号、量词前面没有可重复的内容,页面不会白屏,也不会残留上一次的错误结果。
结果怎么解读
高亮区把整段测试文本原样渲染出来,命中的部分套上底色。底色块的长度就是匹配的长度;如果一个匹配是零宽的(例如用 ^ 或 \b 做断言),它不占用任何字符,因此看不到色块,但仍会出现在下方表格里,位置指向它所在的字符下标。
分组表按匹配顺序排列。「完整匹配」是整段命中的文本,「位置」是它在测试文本中的起始下标,从 0 开始计数,与 JavaScript 里 match.index 的值一致。后面每一列对应一个捕获组,组 1 是最左边的一对圆括号。没有参与匹配的可选组显示为空,这与「匹配到空字符串」在视觉上相同,需要结合原文判断。
命名组会单独占一列,显示为「名称=值」的形式。命名组的好处是替换模板里可以写 $<year> 这样的可读引用,即使以后在前面插入新的普通分组,命名引用也不会错位。代价是语法更长,且旧版浏览器可能不支持。
替换预览用的是 JavaScript 原生的替换规则:模板里的 $ 符号有特殊含义,想输出一个字面的美元符号需要写成两个。如果模板引用了不存在的组,该处会原样保留或变成空,具体取决于浏览器实现,建议只引用确定存在的组。统计区给出匹配次数与本次扫描耗时,耗时能帮你判断表达式是否过于昂贵。
常见的几种情况
贪婪与懒惰
量词默认是贪婪的:.* 会尽可能多地吃掉字符,再回溯着让步。<.+> 作用在 <a><b> 上,会一次匹配整段,而不是两个标签。在量词后面加一个问号就变成懒惰模式,<.+?> 会从左到右找到最短的满足条件的片段,于是得到两个标签。写提取类正则时,先想清楚要「最长」还是「最短」,往往比反复调试更有效。
灾难性回溯
当一个表达式里出现多个可以互相覆盖的重复结构,例如 (a+)+ 或 (\w+\s?)+,引擎在匹配失败时会尝试指数级的组合。文本短时看不出来,一旦输入变长,页面就会明显卡住。判断方法是把测试文本加长一倍再试:如果耗时涨得远超过一倍,就要改写,通常可以把嵌套量词拆开,或用更具体的字符类代替宽泛的点号。本工具对匹配次数设了上限,但无法中断单次匹配内部已经开始的回溯,遇到卡顿请缩短文本或改写表达式。
g 标志有状态
带 g 的正则对象会在内部记录一个「上次匹配到哪」的位置,每次调用 exec 都从那里继续。这意味着同一个正则对象重复使用时,结果会一次比一次往后走,直到返回 null 才归零。很多「第一遍能匹配、第二遍匹配不到」的怪问题都源于此。本页面每次刷新都会新建正则对象,所以不会出现这种串状态的情况;你自己在代码里复用时,记得在循环前把 lastIndex 归零,或者干脆每次新建。
使用限制与提醒
测试文本上限 50,000 字符,匹配次数上限 10,000 条。达到上限时表格只显示前 200 条,并在状态条提示,避免一次生成过多 DOM 节点把页面拖慢。零宽匹配有专门的保护:每轮匹配后检查位置是否前进,没有前进就手动把下标推进一个字符,启用 u 标志时会跳过完整的代理对,因此 (?:) 这类表达式不会造成死循环。
正则适合处理结构简单的文本,不适合解析嵌套结构。用正则解析 HTML、JSON 或编程语言源码,通常会在遇到注释、转义、嵌套引号时崩溃,这类任务应当交给真正的解析器。同理,不要用正则做安全过滤:黑名单式的敏感词替换很容易被变形、大小写、全角半角绕过,需要过滤时应在服务端用白名单校验。