正则表达式

正则表达式用模式描述字符串中要匹配的内容，可以用于校验格式、提取片段和替换文本。它擅长处理明确的字符规则，但不会替你决定业务允许什么输入，也不能仅凭格式匹配确认一个账号真实存在。

现场写正则时，先说明输入类型、允许字符、长度和是否要求整串匹配，再把规则逐项对应到模式。JavaScript 还需要留意 g、y 带来的匹配状态，以及 Unicode 字符和 UTF-16 索引之间的区别。

1. 面试核心

先记住这几条，再读正文

• 字符类决定匹配什么，量词决定重复多少次，断言限制匹配位置。校验必须先明确业务规则，再决定是否使用整串边界，不能用找到一个合法子串代替输入整体合法。卡 · 字符类、量词与边界
• 贪婪量词先尝试更多字符，惰性量词先尝试更少字符。两者都需要满足后续模式；惰性不等于不回溯，也不保证更快。卡 · 贪婪、惰性与回溯
• 分组可以提取内容，也可以控制选择和重复范围。只为组织结构时可用非捕获组，反向引用则要求后面的内容与前面实际捕获的文本一致。卡 · 分组与捕获
• g、y 会让 test() 和 exec() 使用并更新 lastIndex。重复调用可能得到不同结果；普通格式校验通常不需要这两个标志。卡 · lastIndex
• 替换字符串支持 $1、$& 等特殊形式，替换函数直接返回文本。替换不是原地修改，函数返回值也不会再作为替换模板解析。卡 · 替换与动态模式
• Unicode 模式改变字符处理规则，但不等于完整的人类文字分词。\d 仍是 ASCII 数字，\w 也不能当成所有语言的字母；u 按码点处理不代表一个可见字形只占一个单位。卡 · Unicode 与字符串边界
• 千分位应先分离符号、整数和小数。用字符串保留大整数与小数原文，不能先转 Number 再承诺精度不变。卡 · 十进制字符串的千分位
• 动态模式和复杂量词需要检查边界。把用户文本当字面量时要转义；嵌套且重叠的重复可能引起大量回溯，输入长度与失败路径也要验证。卡 · 回溯成本与适用范围

2. 字符类、量词与边界

卡 · 怎样用正则表达式校验 QQ 号文本，需要先明确哪些规则？

正则字面量 /pattern/flags 适合固定模式；new RegExp(pattern, flags) 适合运行时构造。构造器接收的是字符串，因此反斜杠还要经过 JavaScript 字符串语法这一层。

const literal = /\d+/;
const constructed = new RegExp("\\d+");
console.log(literal.test("item-42"));     // true
console.log(constructed.test("item-42")); // true
console.log(/^\d+$/.test("item-42"));     // false

前两个模式只要求找到至少一个连续数字片段，所以 42 足够让它们成功；最后一个要求整串都是数字，item- 使其失败。模式能匹配什么，与整个输入是否符合约束是两件事。

形式	含义与边界
[abc]、[0-9]	匹配集合或范围中的一个字符
[^0-9]	匹配一个非 ASCII 数字字符；方括号内的 ^ 表示排除
\d、\D	ASCII 数字与其补集
\s、\S	空白字符与其补集，空白不只包含普通空格
.	默认匹配行终止符以外的字符；s 标志让它也能匹配行终止符
?、*、+	分别重复零或一次、零或多次、一次或多次
{m}、{m,n}、{m,}	分别重复固定次数、指定范围、至少指定次数
^、$	不使用 m 时限制为输入开头和结尾；使用 m 时还可匹配行边界
a|b	在模式 a 与模式 b 之间选择

量词作用于紧邻的前一个单元。例如 ab+ 重复的是 b，(?:ab)+ 才是重复整个 ab。选择的范围也需要明确：^cat|dog$ 表示“开头是 cat 或结尾是 dog”，^(?:cat|dog)$ 才要求整串只能是其中之一。

2.1 编号格式校验

如果题目只说“匹配 QQ 号”，还不足以确定一个唯一的长度范围。应先问清是否只检查文本格式、是否允许前导零，以及允许多少位。下面采用一个练习约定：输入必须是字符串，由 5 到 12 位 ASCII 数字构成，第一位不能是零；这不是对当前账号服务规则的声明。

function isAccountId(value) {
  return typeof value === "string" && /^[1-9][0-9]{4,11}$/.test(value);
}
console.log(isAccountId("12345"));  // true
console.log(isAccountId("01234"));  // false
console.log(isAccountId("1234"));   // false
console.log(isAccountId("x12345")); // false
console.log(isAccountId(12345));    // false

第一位已经消耗一个数字，所以后续重复次数是 4 到 11，而不是 5 到 12。typeof 检查也有作用：test() 会把参数转成字符串，不先判断类型，就可能把数值输入也视为合法。

这个函数没有自动 trim()。若产品约定忽略首尾空格，应明确增加规范化步骤，再校验规范化后的值；不能一边声称原始输入必须完全匹配，一边悄悄删除字符。

3. 贪婪、惰性与回溯

卡 · 贪婪匹配与惰性匹配有什么区别，惰性一定更快吗？

贪婪量词先尝试尽量多地匹配，必要时退回部分内容，让后续模式有机会成功。惰性量词在普通量词后加 ?，先尝试较少内容，再按需要扩展。

const text = "<b>one</b><i>two</i>";
console.log(text.match(/<.*>/)[0]);  // <b>one</b><i>two</i>
console.log(text.match(/<.*?>/)[0]); // <b>
console.log(text.match(/<[^>]*>/)[0]); // <b>

贪婪的 .* 先消耗更多内容，再为最后的 > 留出位置，因此匹配跨到了最后一个标签。惰性的 .*? 在第一个能让 > 成功的位置结束。[^>]* 则从字符规则上排除了 >，它表达的是另一种约束。

这里用于说明量词，不是完整 HTML 解析方案。真实 HTML 有属性、转义、注释和嵌套结构，浏览器环境应使用适当的 DOM 解析工具，而不是把这三个模式当作通用标签解析器。

回溯是前面的选择导致后续失败时，尝试其他匹配路径。惰性匹配也会探索路径，所以把 * 改成 *? 不能自动解决性能问题。能否更直接地描述允许字符，比选择一个看起来更短的量词更重要。

4. 分组、反向引用与断言

卡 · 捕获组、非捕获组、反向引用和先行断言分别做什么？

4.1 分组与捕获

捕获组用括号保存匹配到的文本，便于后续提取或替换。普通组按左括号顺序编号，命名组还可以提供更清楚的字段名。

const match = /^(?<year>[0-9]{4})-(?<month>[0-9]{2})-(?<day>[0-9]{2})$/.exec("2026-11-07");
console.log(match.groups.year, match.groups.month, match.groups.day); // 2026 11 07
console.log(/^(?:cat|dog)$/.test("cat")); // true
console.log(/^([a-z]+)-\1$/.test("go-go")); // true
console.log(/^([a-z]+)-\1$/.test("go-js")); // false

命名组便于读取 year、month、day，但这个模式只验证了位数与分隔符，不保证 2026-99-99 是真实日期。日期范围和日历规则需要进一步检查。

(?:...) 是非捕获组，只组织模式，不占用捕获编号。\1 是反向引用，要求当前位置与第一个组实际捕获的字符串一致，不是再执行一次 [a-z]+。

4.2 位置断言

断言检查当前位置是否满足条件，本身不消耗输入字符。^、$ 是位置断言；(?=...) 是正向先行断言，要求后面能匹配相应模式，(?!...) 则要求不能匹配。

const text = "12px 8em 3px";
console.log(text.match(/[0-9]+(?=px)/g).join(",")); // 12,3
console.log(/^(?!0)[0-9]+$/.test("012")); // false

第一条只消费数字，px 用于确认后面的单位，因此结果没有单位文本。第二条用否定断言排除开头的 0，不过在这个简单场景中，直接用 [1-9] 描述首位通常更清楚。

后行断言 (?<=...)、(?<!...) 检查当前位置前面的条件，使用时需要确认目标运行环境支持。断言越复杂，越需要说明实际约束；并不是把字符从结果中排除就必须使用后行断言，捕获组或分步处理往往也能表达。

5. 匹配方法与状态

卡 · 同一个正则对同一个字符串反复 test，为什么会交替成功和失败？

test() 只回答是否匹配，exec() 成功时返回完整匹配、捕获组和索引，失败时返回 null。字符串的 match()、matchAll()、replace() 等方法则围绕字符串调用相应匹配操作。

方法或标志	需要注意的行为
test()	返回布尔值；使用有状态正则时仍会更新匹配位置
exec()	返回一次匹配详情；g 或 y 下可连续调用
match()	没有 g 时可获得一次匹配与捕获组；带 g 时主要返回所有完整匹配
matchAll()	返回包含捕获组的迭代器；传入普通 RegExp 时要求带 g
g	全局匹配；exec() 从 lastIndex 开始继续向后搜索
y	粘连匹配；必须从 lastIndex 指定位置立即匹配成功
i、m、s、u	分别涉及忽略大小写、多行边界、点号覆盖行终止符、Unicode 模式

5.1 lastIndex

lastIndex 保存有状态正则下一次尝试匹配的起始位置。使用 g 或 y 时，匹配成功后更新到完整匹配结束处，失败则重置为 0。

const pattern = /a/g;
console.log(pattern.test("a"), pattern.lastIndex); // true 1
console.log(pattern.test("a"), pattern.lastIndex); // false 0
console.log(pattern.test("a"), pattern.lastIndex); // true 1

const sticky = /[0-9]+/y;
sticky.lastIndex = 1;
console.log(sticky.exec("a12")[0], sticky.lastIndex); // 12 3
sticky.lastIndex = 0;
console.log(sticky.exec("a12"), sticky.lastIndex); // null 0

同一条 /a/g 对同一个字符串重复调用得到不同结果，是因为第二次从位置 1 开始，已经没有 a 可以匹配。格式校验通常应去掉 g、y，避免把上一次输入的状态带到下一次调用中。

y 不会跳过开头的 a 去搜索后面的数字，这适合要求当前位置必须接上一个词法片段的场景；g 则可以继续寻找后面的匹配。

5.2 空匹配与连续提取

能够匹配空串的正则，使用 exec() 手写循环时要格外小心。一次成功的空匹配不一定推进 lastIndex，循环可能始终停在同一位置。

const pattern = /a*/g;
const match = pattern.exec("b");
console.log(match[0].length, pattern.lastIndex); // 0 0
console.log([..."b".matchAll(/a*/g)].map(item => item.index).join(",")); // 0,1

matchAll() 的迭代处理会在空匹配后推进位置，避免这个特定的无限循环问题。它使用匹配器副本，迭代不会直接改写原正则的 lastIndex，但开始位置仍受到原值影响，所以传入之前也要清楚对象的状态。

若必须手写 exec() 循环，应明确处理空匹配，并在 Unicode 模式下按正确的码点步进，而不是无条件给 UTF-16 索引加一。没有必要控制这些细节时，优先使用合适的字符串 API。

6. 替换与动态模式

卡 · replace 的字符串参数和函数参数有什么区别？卡 · 正则为什么可能引起长时间阻塞，怎样控制风险？

replace() 返回新字符串，原字符串不变。正则没有 g 时只替换首次匹配；需要全局替换时使用 g，或在符合接口约定的情况下使用 replaceAll()。

const date = "2026-11-07";
console.log(date.replace(/([0-9]{4})-([0-9]{2})-([0-9]{2})/, "$3/$2/$1")); // 07/11/2026
console.log("a1b2".replace(/[0-9]/g, value => String(Number(value) * 2))); // a2b4
console.log("abc".replace(/b/, () => "$&")); // a$&c
console.log(date); // 2026-11-07

替换字符串中的 $1、$2、$3 指向捕获组，$& 指向完整匹配。函数形式接收匹配信息，用返回值作为实际文本；所以返回 "$&" 会写入这两个字符，不会再次展开成 b。

6.1 用户文本与正则语法

如果用户输入 a.b，需求可能是搜索这三个字面字符，而不是让 . 匹配任意字符。直接拼入模式会改变含义，甚至构造出无效或代价很大的正则。

下面的辅助函数只用于把普通文本作为一个独立的字面模式传给 RegExp，不用于拼入字符类、与前面的数字转义连接，或重新生成正则字面量源码：

function escapeLiteralPattern(value) {
  return value.replace(/[.*+?^${}()|[\]\\]/g, "\\$&");
}
const pattern = new RegExp(escapeLiteralPattern("a.b"), "g");
console.log("a.b axb a.b".replace(pattern, "X")); // X axb X

匹配语法转义与替换文本处理也不同。若替换内容来自用户，并且需要原样写入，可以用 replace(pattern, () => replacement)，避免把其中的 $1、$& 当作替换模板。更复杂的动态组合应使用适合目标环境的标准转义能力或成熟方案，不把这个小函数误当成覆盖所有语法位置的通用工具。

7. Unicode 与字符串边界

卡 · 加上 u 标志后，正则就能按所有语言的字符和单词匹配了吗？

JavaScript 字符串按 UTF-16 码元存储与索引，部分字符由两个码元组成。正则的 u 模式会在相应匹配操作中把代理对作为一个码点处理，但匹配结果的 index 和 lastIndex 仍是字符串的 UTF-16 索引。

console.log(/^.$/.test("😀"));  // false
console.log(/^.$/u.test("😀")); // true
console.log(/^\w+$/.test("中文")); // false
console.log(/^\p{L}+$/u.test("中文")); // true
console.log(/^\d+$/u.test("١٢")); // false
console.log(/^.$/u.test("e\u0301")); // false

\p{L} 是 Unicode 属性转义，用字母类别描述字符；\d 仍只匹配 0 到 9，不会因为启用 u 就接受所有文字系统的数字。\w 主要围绕 ASCII 字母、数字和下划线定义，忽略大小写等模式还有具体规则，不能用它判断任意语言中的“单词”。

最后的 e\u0301 是字母 e 加一个组合重音，包含两个码点，可能显示为一个字形。按码点匹配和按用户看到的字符处理不同；需要字形簇切分时，应使用相应的 Unicode 分段能力，而不是假定加上 u 就足够。

同样，\b 的单词边界与 \w 的分类有关，不能当作中文分词边界。匹配规则、文本规范化和自然语言分词是不同问题。

8. 十进制字符串的千分位

卡 · 怎样给十进制字符串加千分位，同时保留大整数和小数原文？

千分位首先是格式约定。这里接受可带 + 或 - 的十进制字符串，整数部分除单个 0 外不允许前导零，小数点后至少一位；不接受空格、指数、已有分隔符或非 ASCII 数字，保留符号和小数原文。

function formatDecimal(value) {
  if (typeof value !== "string") throw new TypeError("Expected a string");
  const match = /^([+-]?)(0|[1-9][0-9]*)(\.[0-9]+)?$/.exec(value);
  if (!match) throw new TypeError("Invalid decimal string");
  const [, sign, integer, fraction = ""] = match;
  const grouped = integer.replace(/\B(?=(?:[0-9]{3})+$)/g, ",");
  return sign + grouped + fraction;
}
console.log(formatDecimal("1234567.8900")); // 1,234,567.8900
console.log(formatDecimal("-9007199254740993")); // -9,007,199,254,740,993
console.log(formatDecimal("+0.00")); // +0.00

模式先把符号、整数和小数拆开，避免把小数部分也插入逗号。整数里的先行断言要求当前位置右侧恰好剩下三位数字的整数倍，\B 在纯数字片段中排除开头边界，因此只在合适的内部位置插入分隔符。

全程没有把输入转成 Number，所以超出安全整数范围的数字和小数末尾的零都能保留。若输入本来已经是精度丢失的 Number，再转字符串不能恢复原文。

这个正则写法适合解释零宽位置匹配，不保证对任意长输入都是线性耗时：多个候选位置可能反复检查右侧后缀。对很长的数字字符串，可以用从右向左分组的方法，避免重复扫描：

function groupInteger(integer) {
  const groups = [];
  for (let end = integer.length; end > 0; end -= 3) {
    groups.push(integer.slice(Math.max(0, end - 3), end));
  }
  return groups.reverse().join(",");
}
console.log(groupInteger("1234567")); // 1,234,567
console.log(groupInteger("0")); // 0

groupInteger 只负责已经校验过的非空整数片段，不能替代外层格式检查。每组最多三位，分组、反转和输出总工作量随数字长度线性增长。产品需要地区化显示时，还应考虑 Intl.NumberFormat 的区域规则和输入精度，而不是默认所有地区都使用三位分组与同一种逗号。

9. 回溯成本与适用范围

卡 · 贪婪匹配与惰性匹配有什么区别，惰性一定更快吗？卡 · 正则为什么可能引起长时间阻塞，怎样控制风险？

正则的运行成本不仅取决于字符串长度，还取决于模式允许多少种匹配路径。嵌套且覆盖相同字符的重复，例如 ^(a+)+$，在一串 a 后面出现不匹配字符时，可能反复尝试不同拆分方式。

这类灾难性回溯会让某些输入的执行时间快速增长。浏览器主线程上的同步匹配可能阻塞交互；服务端同类问题可能占用处理资源。不能仅用很短的成功样例证明它足够高效，也不能假定某个引擎的优化或保护机制覆盖所有模式。

如果需求只是“一到多个 a”，直接写 ^a+$ 就无需嵌套量词。更一般的处理包括明确分隔字符、消除重叠选择、限制合理输入长度，以及对长输入和接近成功但最终失败的输入做受控验证。复杂语法、嵌套结构或需要详细错误位置时，应考虑专用解析器。

验证慢模式时，应在可终止的隔离进程或 Worker 中使用有限输入，不在页面主线程上直接试超长攻击字符串。setTimeout 不能在同一线程上打断一个已经运行中的同步正则。

10 · 面试题卡片

先想答案，再翻面先在心里答一遍，再点开卡片对照参考回答。卡片之间可以左右切换，看完会回到这里。

逐张翻看 8 张 →

字符类、量词与边界

怎样用正则表达式校验 QQ 号文本，需要先明确哪些规则？

考察 1 点 · 相关 §2 §2.1未标记

贪婪、惰性与回溯

贪婪匹配与惰性匹配有什么区别，惰性一定更快吗？

本站自测

考察 1 点 · 相关 §3 §9未标记

分组与捕获

捕获组、非捕获组、反向引用和先行断言分别做什么？

本站自测

考察 1 点 · 相关 §4.1 §4.2未标记

lastIndex

同一个正则对同一个字符串反复 test，为什么会交替成功和失败？

本站自测

考察 1 点 · 相关 §5.1 §5.2未标记

替换与动态模式

replace 的字符串参数和函数参数有什么区别？

本站自测

考察 1 点 · 相关 §6 §6.1未标记

Unicode 与字符串边界

加上 u 标志后，正则就能按所有语言的字符和单词匹配了吗？

本站自测

考察 1 点 · 相关 §7未标记

十进制字符串的千分位

怎样给十进制字符串加千分位，同时保留大整数和小数原文？

本站自测

考察 1 点 · 相关 §8未标记

回溯成本与适用范围

正则为什么可能引起长时间阻塞，怎样控制风险？

本站自测

考察 1 点 · 相关 §9 §6.1未标记

未标记的卡读完后明天进入复习；已标记的按状态安排

本页题目与参考回答

10.1 怎样用正则表达式校验 QQ 号文本，需要先明确哪些规则？

考察重点：输入类型、长度、首位限制、整串校验与业务边界。

相关内容：字符类、量词与边界、编号格式校验。

参考回答

先明确允许字符、长度、前导零和输入类型，再把它们对应到正则；仅凭题目中的账号名称不能推定完整规则。 采用本文的练习约定时，字符串需满足 /^[1-9][0-9]{4,11}$/：首位非零，后面再接 4 到 11 位数字，总长 5 到 12。

还要先检查 typeof value === "string"，避免 test() 自动转换输入；不加 g 或 y，避免校验带状态。格式通过只说明文本满足约定，不能证明账号存在。

10.2 贪婪匹配与惰性匹配有什么区别，惰性一定更快吗？

考察重点：尝试顺序、后续约束与回溯。

相关内容：贪婪、惰性与回溯、回溯成本与适用范围。

参考回答

贪婪量词先尝试更多字符，惰性量词先尝试更少字符，两者都要让后续模式成立。 贪婪可能回退，惰性也可能不断扩展并回溯。

因此惰性不保证更快。应根据允许字符和分隔规则减少不必要的匹配路径，再用成功、失败和边界输入验证，而不是只把 * 换成 *?。

10.3 捕获组、非捕获组、反向引用和先行断言分别做什么？

考察重点：文本保存、模式组织、内容一致性与零宽判断。

相关内容：分组与捕获、位置断言。

参考回答

捕获组保存匹配文本，非捕获组只组织模式；反向引用要求后续内容等于前面实际捕获的文本。 它不是重新执行同一段字符规则。

先行断言检查当前位置后面的内容是否满足条件，本身不消费字符。比如数字后接 (?=px)，结果只包含数字，px 仅用于确认上下文。

10.4 同一个正则对同一个字符串反复 test，为什么会交替成功和失败？

考察重点：g、y、lastIndex 与空匹配步进。

相关内容：lastIndex、空匹配与连续提取。

参考回答

带 g 或 y 的正则会读取并更新 lastIndex，下一次不一定从字符串开头开始。 成功后位置移到匹配末尾，失败则重置为 0，所以 /a/g 连续测试 "a" 会出现 true、false、true。

普通校验可去掉这两个标志。连续提取则要管理位置，尤其注意空匹配未推进时的无限循环；适合时使用会处理空匹配步进的 matchAll()。

10.5 replace 的字符串参数和函数参数有什么区别？

考察重点：捕获替换、返回文本、全局匹配与原字符串。

相关内容：替换与动态模式、用户文本与正则语法。

参考回答

字符串形式会解释 $1、$& 等替换模板，函数形式用返回值作为实际替换文本。 函数返回 "$&" 就写入这两个字符，不再次展开成完整匹配。

replace() 返回新字符串，没有 g 的正则只替换首次匹配。用户提供的字面替换内容可用函数返回；动态匹配模式则需要另外处理正则语法转义，不能把两类规则混用。

10.6 加上 u 标志后，正则就能按所有语言的字符和单词匹配了吗？

考察重点：UTF-16、码点、字形簇、字符类别与索引。

相关内容：Unicode 与字符串边界。

参考回答

不能，u 提供 Unicode 模式下的码点处理，不等于自然语言分词或字形簇切分。 \d 仍是 ASCII 数字，\w 不能表示所有语言的字母；需要 Unicode 字母类别时可按需求使用属性转义。

组合字符可能包含多个码点，\b 也不等于中文词边界。匹配结果的索引仍按 UTF-16 码元计算，不能直接把索引差当作用户看到的字符数。

10.7 怎样给十进制字符串加千分位，同时保留大整数和小数原文？

考察重点：输入约定、分段处理、零宽匹配、精度与复杂度。

相关内容：十进制字符串的千分位。

参考回答

先校验字符串格式，分离符号、整数与小数，只对整数分组，最后原样拼回其他部分。 避免先转 Number，才能保留超出安全整数范围的数字和小数末尾的零。

普通长度可以用先行断言识别右侧剩余三位整数倍的位置。很长输入可从右往左每三位切片，避免多次检查后缀。还需要测试空串、非法字符、正负号、零、分组边界与明确拒绝的指数形式。

10.8 正则为什么可能引起长时间阻塞，怎样控制风险？

考察重点：重叠重复、失败路径、输入限制与同步执行。

相关内容：回溯成本与适用范围、用户文本与正则语法。

参考回答

嵌套且重叠的量词可能在匹配失败时探索大量拆分路径，导致执行成本快速增长。 成功的短样例不能证明复杂度可控，改成惰性也不一定解决问题。

应简化重叠规则、限制合理输入长度、区分用户字面文本与模式，并受控测试接近成功但最终失败的输入。慢模式放进可终止的隔离环境；同一线程上的 setTimeout 无法中断正在执行的同步正则。复杂结构优先考虑专用解析器。

11. 参考资料

• ECMAScript：RegExp Objects
• ECMAScript：String.prototype.replace
• MDN：Regular expressions
• MDN：RegExp.prototype.exec
• MDN：String.prototype.matchAll
• V8：An additional non-backtracking RegExp engine

来源：Coding 101 原文 · 免费阅读，引用请保留出处。内容使用说明