开发辅助

正则表达式测试

测试和调试正则表达式,支持多种标志和模板

正则表达式
//
✨ AI 辅助生成 (Cloudflare Workers AI)
测试文本
常用模板

什么是正则表达式?

正则表达式(Regular Expression,简称 Regex)是一种强大的文本匹配模式,用于在字符串中搜索、匹配和替换特定的文本模式。它广泛应用于编程、文本处理和数据分析中。

常用标志(Flags)

  • g (global):全局匹配,找到所有匹配项而不仅仅是第一个
  • i (ignoreCase):忽略大小写
  • m (multiline):多行模式,^ 和 $ 匹配每行的开始和结束
  • s (dotAll):让 . 匹配包括换行符在内的所有字符
  • u (unicode):启用 Unicode 支持
  • y (sticky):粘性匹配,从上次匹配的位置开始

常用元字符

  • . - 匹配除换行符外的任意字符
  • d - 匹配数字 [0-9]
  • w - 匹配字母、数字、下划线 [a-zA-Z0-9_]
  • s - 匹配空白字符
  • ^ - 匹配字符串开头
  • $ - 匹配字符串结尾
  • * - 匹配前一个字符 0 次或多次
  • + - 匹配前一个字符 1 次或多次
  • ? - 匹配前一个字符 0 次或 1 次
  • [abc] - 匹配 a、b 或 c 中的任意一个
  • (abc) - 捕获组,匹配 abc 并保存为组

使用场景

  • 表单验证:邮箱、手机号、身份证号等格式校验
  • 文本搜索:在大量文本中查找特定模式
  • 数据提取:从文本中提取结构化数据
  • 文本替换:批量替换符合特定模式的文本
  • 日志分析:解析和分析日志文件

按 ECMAScript 语义在浏览器内测试正则:模式串直接交给 RegExp 构造器,配 g、i、m、s、u、y 六个标志,逐条列出匹配子串、对应下标与捕获组。结果与 Node.js、Chrome 完全一致,适合排查从 PCRE、Python、grep 迁移过来后失效的写法,也适合确认某个标志到底改变了什么。

它只接受 ECMA-262 的语法

模式串原样交给 new RegExp(),能否编译完全由 ECMA-262 决定。PCRE 里常见的写法会直接抛错:a++ 报 “Nothing to repeat”,(?>a) 报 “Invalid group”,因为 JavaScript 既没有占有量词也没有原子组;\A、\z、\G 同样不存在,锚定只能靠 ^、$ 或 y 标志。后行断言是支持的,(?<=\$)\d+ 能从 “$42 and 7” 里取出 42。Unicode 属性转义必须带 u 标志,否则 \p{Han} 会被当成字面量 p 加一对花括号。所以这里报错,多数情况是从别的方言照搬,而不是手误。引擎抛出的原始异常会原样显示在输入框下方,看到 “Invalid group” 就能定位到不被支持的那一段语法。

每个标志改的是语义,不只是速度

六个复选框对应 g、i、m、s、u、y,其中 g 默认打开,所以你看到的是全部匹配而不是第一个。m 只重新定义 ^ 与 $ 在四种行终止符(LF、CR、U+2028、U+2029)处的位置,别的一概不变:. 仍然不跨行,除非同时打开 s。i 在不带 u 时用简单大小写折叠,/k/i 匹配不到开尔文符号 U+212A,/s/i 匹配不到 U+017F,加上 u 才会命中。y 把每次尝试钉在 lastIndex 上,所以只开 y 不开 g 时,只有从位置 0 开始的匹配才会被报告。u 还让 . 按码点前进:/^.$/u 能吃掉一个代理对,/^.$/ 不能。

下标按 UTF-16 码元算,空匹配要手动前进

每个结果旁的数字是 match.index,单位是 UTF-16 码元而非字符。汉字占 1 个码元,emoji 占 2 个,因此行首一旦出现 emoji,同一处匹配的下标会比编辑器显示的列号整整大 2。空匹配也是结果:g 模式下的 \b 在 “hi there” 上会给出 0、2、3、8 四个位置。循环每命中一个零长度匹配就把 lastIndex 手动加一,否则 exec 会永远返回同一个空匹配。捕获组取自 match.slice(1),按左括号出现顺序编号,未参与匹配的组显示为空;命名组不会单独列出,只按同样的数字顺序呈现。

实操示例

全局匹配给出的 UTF-16 下标

输入
/(\d+) 元/g 作用于 咖啡 12 元, 茶 8 元 😀
输出
“12 元” 下标 3(组 1 = “12”);“8 元” 下标 11(组 1 = “8”)

两个汉字加一个空格占 3 个 UTF-16 码元,第一个匹配因此落在 3;逗号和空格把第二个推到 11。末尾的 emoji 占 2 个码元,所以这段文本是 17 个码元、16 个码点。取消勾选 g 后列表里只会保留第一个匹配。

边界与常见误用

  • 只提供六个标志:较新引擎的 d(返回匹配下标)与 v(Unicode 集合)无法在这里验证,交集之类的集合运算测不了。
  • 既没有超时也没有输入长度上限,且每次按键都会重跑匹配循环;像 (a+)+$ 这种嵌套量词,24 个字符加一个不匹配的符号就能让标签页卡住几百毫秒,每多一个字符时间翻倍。
  • 高亮预览是通过 v-html 渲染测试文本的,粘贴含 <b> 的文本会被当成标记显示,而不是原样的字符。
  • 加载模板只会覆盖它声明的那三个标志(g、i、m),s、u、y 保留你之前的勾选状态,一个残留的 y 就足以让原本可用的模式变成「未找到匹配项」。
  • 不勾选 g 时只报告第一个匹配,计数显示为 1,即使该模式在文本后面还能匹配上百次。

相关工具

留在本页、换一个引擎,还是直接写脚本

你要回答的问题本页的正则测试器更合适的做法
这条正则最终跑在 Python、PHP 或 grep 里能编译它的只有你手上这个浏览器的引擎。(?P<year>\d{4}) 在这里直接报 "Invalid group",因为 ECMA-262 的命名组要写成 (?<year>\d{4})——它要真正运行的那个环境里并没有错。去它真正运行的地方试:python3 -c "import re; re.compile(r'...')",或者直接开那个 PHP 进程;也可以到 regex101 上把语言切成 PCRE2 / Python。本页报通过,对那几个引擎没有任何保证。
你要的是替换后的文本,而不是匹配清单这里没有替换框。结果区只给匹配子串、下标和编号捕获组,能回答「模式对不对」,回答不了「输出长什么样」,拼出结果串仍得手工来。同一个引擎里跑一遍,语义不会漂移:在浏览器控制台或 Node 里执行 text.replaceAll(/\d+/g, "#")。用的是同一套 RegExp 实现,打印出来的就是你要的那串文本。
待匹配的文本散在一整个目录的文件里一个文本框、一次粘贴,没有文件选择。每粘一次就覆盖上一次,四百个文件意味着四百轮复制粘贴,命中也追溯不到具体文件。rg -n "pattern" src/ 自己读文件,每条命中前带 file:line。模式里用了后行断言就加 -P:ripgrep 默认引擎不支持环视,PCRE2 模式才支持。
把刚刚有效的模式带进代码或工单复制按钮只给出模式主体。六个复选框是各自独立的状态,不会被带走,接手的人无法知道匹配看着对的时候 i 或 m 到底开着没有。按源码里的字面量形式交付:/\d{2,4}/gi,把标志一起写上;或者在工单里把标志串补在模式后面。少了标志,那已经是另一条正则了。
这条正则得熬过下一次重构什么都不保存:刷新一次,模式、标志、测试文本一起清空,刚做过的验证既无法给同事复现,也没法周五自己再跑一遍。把样例沉成 fixture——三条必须命中、两条必须不命中——用 node:assert 配 node --test 断言。本页负责把模式找出来,fixture 负责让它以后不烂掉。

一个具体场景

三十行日志,计数器却显示零

把 30 行 nginx 访问日志粘进测试文本,正则框里填 ^([0-9.]+) .* ([0-9]{3}) ([0-9]+)$,标志保持默认,只勾了 g。结果区显示「未找到匹配项」——是 0 条,不是 1 条:没有 m 时 ^ 和 $ 只认整段文本的首尾,而 . 不跨行,夹在中间的 29 个换行符把它们彻底隔开。勾上 m,计数立刻变成 30,每行一条,每条三个捕获组:客户端 IP、状态码、字节数。再把状态码那一组改写成 [45][0-9]{2},30 条里正好剩 14 条。要报出去的是 14 这个数;要改的是标志位,不是换工具。

常见问题

这个测试器用的是哪种正则方言?
JavaScript(ECMAScript)正则,与 Node.js 和浏览器中实际运行的完全一致。现代引擎支持后行断言等特性;但其他方言的结构(例如不带 u 标志的 \p{...})行为可能不同。
为什么 .* 匹配到的内容比预期多?
量词默认是贪婪的:.* 会先吃掉尽可能多的字符再回退。改用懒惰量词 .*?,或用否定字符类(如 [^"]*)在第一个分隔符处停下。
正则表达式在生产环境会有风险吗?
有。嵌套量词(如 (a+)+$)在恶意输入上可能引发灾难性回溯(ReDoS)。用较长的对抗性样本做测试,并尽量让正则带锚点。

内容复核: