什麼是正規表達式?

正規表達式(regex 或 regexp)是定義搜尋樣式的字元序列,用來尋找、比對、擷取或取代符合特定結構的文字。幾乎所有程式語言(JavaScript、Python、Java、Ruby、Go、Rust)以及 grep、sed 等命令列工具都能使用正規表達式。

工程師的正規表達式:元字元、群組、先行斷言與 ReDoS

正規表達式能回答這類問題:

  • 這個字串是否包含有效的電子郵件地址?
  • 從這份 HTML 文件中擷取所有 URL。
  • 把所有 ISO 日期字串換成另一種格式。
  • 驗證這個電話號碼是否符合特定樣式。

語法一開始看起來很難懂,但遵循一致的規則。一旦掌握基本組成,就能有信心地閱讀與撰寫正規表達式。


元字元:基本組成

元字元是在正規表達式樣式中具有特殊意義的字元。

比對字元

符號 意義 範例 符合
. 除換行以外的任意字元 a.c “abc”、“aXc”、“a1c”
\d 任意數字(0–9) \d\d “42”、“00”、“99”
\D 任意非數字 \D+ “abc”、“foo”
\w 單字字元:[a-zA-Z0-9_] \w+ “hello”、“user_1”
\W 非單字字元 \W ” ”、”!”、”.”
\s 空白(空格、Tab、換行) a\sb “a b”、“a\tb”
\S 非空白 \S+ “hello”、“123”

錨點

符號 意義
^ 行或字串的開頭
$ 行或字串的結尾
\b 單字邊界
\B 非單字邊界
/^hello/.test('hello world')  // true  — 以 "hello" 開頭
/^hello/.test('say hello')    // false — "hello" 不在開頭
/world$/.test('hello world')  // true  — 以 "world" 結尾
/\bcat\b/.test('cat')         // true
/\bcat\b/.test('catch')       // false — "cat" 不在單字邊界

量詞

符號 意義 貪婪?
* 0 次以上 是
+ 1 次以上 是
? 0 次或 1 次 是
{n} 剛好 n 次 —
{n,} n 次以上 是
{n,m} n 到 m 次 是
*? +? ?? 非貪婪版本 否

貪婪與非貪婪:

const html = '<b>bold</b> and <i>italic</i>';

// 貪婪:盡可能多地比對
html.match(/<.+>/)[0]   // '<b>bold</b> and <i>italic</i>'

// 非貪婪:盡可能少地比對
html.match(/<.+?>/)[0]  // '<b>'

字元類別

字元類別 [...] 會比對集合中的任何一個字元。

[aeiou]       — 任意母音
[a-z]         — 任意小寫字母
[A-Z0-9]      — 任意大寫字母或數字
[^aeiou]      — 任何不是母音的字元(否定)
[a-z&&[^aei]] — 交集(Java 語法):小寫子音

字元類別內的脫字符號 ^ 表示否定。在 [...] 之外,則是錨定字串開頭。


群組與擷取

擷取群組 (...)

括號會建立擷取群組。符合的文字會被儲存,之後可以取出。

const date = '2026-01-14';
const match = date.match(/(\d{4})-(\d{2})-(\d{2})/);
console.log(match[1]); // '2026' — 年
console.log(match[2]); // '01'   — 月
console.log(match[3]); // '14'   — 日

具名擷取群組 (?<name>...)

取名後,擷取結果本身就能說明用途:

const match = '2026-01-14'.match(/(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/);
console.log(match.groups.year);  // '2026'
console.log(match.groups.month); // '01'

非擷取群組 (?:...)

當您需要為了選擇或量詞而分組,但不需要擷取結果時:

// 比對 'color' 或 'colour',不需要擷取 'ou?'
/colo(?:u?)r/  // 'color' 與 'colour' 都符合

選擇 |

直線 | 在各選項之間扮演 OR:

/cat|dog/.test('I have a cat') // true
/cat|dog/.test('I have a dog') // true
/(jpg|jpeg|png|gif)$/.test('photo.jpeg') // true

先行斷言與後行斷言

環視(lookaround) 讓您只在某個樣式前面或後面(或不是)有另一個樣式時才比對,而且環視的文字不會包含在比對結果中。

語法 名稱 意義
(?=...) 正向先行斷言 後面接著…
(?!...) 負向先行斷言 後面不接著…
(?<=...) 正向後行斷言 前面是…
(?<!...) 負向後行斷言 前面不是…
// 正向先行斷言:只有後面接著 " USD" 時才比對 "100"
'100 USD'.match(/\d+(?= USD)/)[0]    // '100'
'100 EUR'.match(/\d+(?= USD)/)       // null

// 負向先行斷言:比對後面不接著 ".bak" 的 "file"
'file.txt'.match(/file(?!\.bak)/)[0] // 'file'
'file.bak'.match(/file(?!\.bak)/)    // null

// 正向後行斷言:比對前面是 "$" 的數字
'Price: $42'.match(/(?<=\$)\d+/)[0]  // '42'

實用樣式

電子郵件地址(簡化版)

^[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}$

注意:完全符合 RFC 5321 的電子郵件正規表達式極為複雜。對大多數表單驗證來說,像上面這樣的簡化樣式就夠了。要確認電子郵件是否有效,請寄送確認信,而不是只靠正規表達式比對。

URL(http/https)

^https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b([-a-zA-Z0-9()@:%_\+.~#?&\/=]*)$

ISO 8601 日期(YYYY-MM-DD)

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

IPv4 位址

^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$

十六進位色碼

^#([0-9a-fA-F]{3}){1,2}$

旗標(修飾符)

旗標會改變樣式的解讀方式。

旗標 意義
g 全域:找出所有符合項目,而不只是第一個
i 不區分大小寫
m 多行:^ 與 $ 比對每一行的開頭與結尾
s dotall:. 也比對換行
u Unicode:把樣式與字串視為 Unicode
'Hello WORLD'.match(/hello/i)[0] // 'Hello' — 不區分大小寫
'a\nb\nc'.match(/^\w/gm)         // ['a', 'b', 'c'] — 多行

ReDoS:災難性回溯

ReDoS(Regular Expression Denial of Service,正規表達式阻斷服務) 是一種漏洞:經過惡意設計的輸入,會讓正規表達式的執行時間呈指數級增長,遠超預期。

典型的有漏洞樣式是巢狀量詞:

^(a+)+$     — 比對 "aaaaaaaaaaaaaaab" 時會發生災難性回溯

正規表達式引擎在得出「沒有符合」的結論之前,會嘗試所有把 a 分組的可能方式。對長度為 n 的字串,這可能需要 O(2ⁿ) 的時間。

為什麼重要

如果您的應用程式接受使用者輸入並交給正規表達式處理,或更糟的是讓使用者自己提供正規表達式樣式,惡意使用者只要一個精心設計的字串,就能讓伺服器當機或耗盡大量 CPU。

如何預防 ReDoS

  1. 避免巢狀量詞: 絕不要寫 (a+)+、(a*)*、(a+|b+)+ 等。
  2. 若您的正規表達式引擎支援,請使用原子群組或佔有量詞。
  3. 對不可信的輸入執行正規表達式時,設定逾時。
  4. 以長輸入測試: 用長度 20、30、50 且預期沒有符合的字串來測試樣式。
  5. 使用靜態分析工具: safe-regex(npm)或 vulture 等函式庫可以偵測危險的樣式。
// 有漏洞
/^(a+)+$/.test('aaaaaaaaaaaaaaab'); // 可能卡住

// 安全的替代寫法:沒有巢狀量詞
/^a+$/.test('aaaaaaaaaaaaaaab');    // 很快

各語言的差異

雖然各語言的正規表達式語法大致相似,但也有明顯差異:

功能 JavaScript Python Go Java
具名群組 (?<name>...) (?P<name>...) (?P<name>...) (?<name>...)
後行斷言 支援(ES2018+) 支援 不支援 支援
\d 比對 Unicode 數字 取決於 u 旗標 取決於 re.UNICODE 僅 ASCII 取決於旗標
預設多行 否 否 否 否

2026 年 11 月新增的功能

  • 測試案例:每行寫一個案例,以 - 開頭表示不應符合,+ (或無前綴)表示應符合,可看到每個案例的通過/失敗。也可要求整行符合。

在工具中試用

常見問題

JavaScript 的 match 與 exec 有什麼不同?

String.prototype.match() 會回傳結果陣列。加上 g 旗標時,會回傳所有符合項目。沒有 g 時,行為與 RegExp.prototype.exec() 相同,也會回傳擷取群組。exec() 因為會透過 lastIndex 記住上一次符合的位置,所以在搭配 g 旗標的迴圈中很好用。

如何跳脫正規表達式中的特殊字元?

特殊字元 .、*、+、?、(、)、[、]、{、}、^、$、|、\ 必須以反斜線跳脫,才能當成字面字元比對。

// 跳脫句點,使其比對字面的點,而不是「任意字元」
/\./.test('a.b') // true
/\./.test('axb') // false

可用來跳脫任意字串的工具函式:

function escapeRegex(str) {
  return str.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
}

正規表達式適合用來解析 HTML 或 JSON 嗎?

一般來說不適合。HTML 與 JSON 有遞迴結構,正規表達式無法妥善處理。請改用專用的解析器:HTML 用 DOMParser,JSON 用 JSON.parse()。正規表達式適合用來在已解析好的文字欄位內擷取簡單的樣式。

JavaScript 的 y(sticky)旗標有什麼作用?

y 旗標會讓正規表達式只從 lastIndex 所指的位置開始比對。與 g 不同,它不會在字串中向前推進尋找符合項目,而是在目前位置要嘛符合、要嘛失敗。