第4章 常用正则表达式技巧
正则表达式这东西，刚接触时觉得像天书，用多了就会发现它是规则配置里的瑞士军刀。我个人习惯把常用模式存成代码片段，写规则时直接拖过来改改。这一章我们专门聊几个高频场景：匹配中文、邮箱、手机号、URL，还有一些我踩过的坑。
4.1 匹配中文
先说中文。很多规则需要提取或验证汉字，比如屏蔽敏感词、校验姓名。中文字符的 Unicode 范围是 \u4e00-\u9fa5，加上全角标点就是 \u3000-\u303f，不过大部分场景用前者就够了。
/^[\u4e00-\u9fa5]+$/ 匹配纯中文，长度不限。如果是名字（两到四个字），可以加量词 {2,4}。
// 匹配纯中文字符串
const regex = /^[\u4e00-\u9fa5]{2,4}$/;
console.log(regex.test('张三')); // true
console.log(regex.test('爱新觉罗')); // true
console.log(regex.test('abc张三')); // false嗯，这里要注意：有些生僻字超出基本平面，比如“𠀀”（U+20000），需要用 \x{20000}-\x{2FA1D} 配合 u 修饰符。不过大多数业务场景不考虑，我至今只在古籍数字化项目里遇到过。
u 修饰符，正则把 \u4e00 当成了四个字符，结果匹配失败。记得加 /u 处理 UTF-16 代理对。
4.2 匹配邮箱
邮箱正则大概是互联网上被复制最多次的代码之一。但很多网上找的要么太宽松（比如 /^[\w.-]+@[\w.-]+\.\w+$/ 会放过 a@b.c），要么太严格（把合法邮箱 user+tag@example.com 拒之门外）。
我个人习惯用 RFC 5322 简化版，兼顾准确和可读性：
// 可靠的邮箱正则（简化版）
const emailRegex = /^[a-zA-Z0-9.!#$%&'*+/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)*\.[a-zA-Z]{2,}$/;
console.log(emailRegex.test('user.name+tag@example.co.uk')); // true
console.log(emailRegex.test('test@test')); // false（缺顶级域名）为什么这么长？说白了，邮箱地址里的点号、加号、百分号都是合法的，域名最长 63 个字符，顶级域名至少 2 个字母。你可以在生产环境直接拿来用，我很多项目都用的这个版本。
| 场景 | 正则 | 说明 |
|---|---|---|
| 基础邮箱 | /^[^\s@]+@[^\s@]+\.[^\s@]+$/ |
快速前端校验，不严谨但够快 |
| 严格邮箱 | /^...（上面长正则）...$/ |
RFC 5322 简化版，生产推荐 |
| 仅匹配域名 | /(?<=@)[\w.-]+\.[a-z]{2,}$/i |
从邮箱里提取域名，用后行断言 |
4.3 匹配手机号
手机号匹配最烦人，因为不同国家格式差太多。这里只讲中国手机号（11位，1开头，第二位通常是3/5/7/8/9）。
// 中国大陆手机号（不含国际前缀）
const cnPhone = /^1[3-9]\d{9}$/;
console.log(cnPhone.test('13800138000')); // true
console.log(cnPhone.test('12345678901')); // false（第二位2不在范围内）我在项目里还经常要匹配带国家码的，比如 +86 138-0013-8000。这时候得多一步预处理，或者用更灵活的模式：
// 允许 +86，允许空格、短横
const cnPhoneWithCode = /^(\+86[\s-]?)?1[3-9]\d[\s-]?\d{4}[\s-]?\d{4}$/;
console.log(cnPhoneWithCode.test('+86 138 0013 8000')); // true
console.log(cnPhoneWithCode.test('138-0013-8000')); // true/^1\d{10}/ 这种，它会匹配 10000000000 这种不存在的号码。第二位范围务必限制。
4.4 匹配URL
URL 正则也是个老大难。协议、子域名、端口、路径、查询参数、锚点……写全了能绕晕。我平时直接用一个经过多年打磨的通用模式：
// 通用 URL 匹配（支持 http/https/ftp）
const urlRegex = /^(https?:\/\/)?([\w-]+\.)+[\w-]+(\/[\w\-./?%&=]*)?$/i;
console.log(urlRegex.test('https://example.com/path?q=1#anchor')); // true
console.log(urlRegex.test('www.baidu.com')); // true（无协议也匹配）如果只匹配带协议头的 URL，改成 /^https?:\/\/... 就行。你可能会问，要不要支持 IP 地址形式的 URL？嗯，http://192.168.1.1:8080 这种得单独处理，因为 IP 地址不是域名。
| 需求 | 正则 | 注意事项 |
|---|---|---|
| 提取URL | /(https?:\/\/[^\s]+)/g |
捕获组，注意避开标点结尾 |
| 验证URL | /^https?:\/\/[\w.-]+(:[0-9]+)?(.*)$/i |
端口可选，路径用 .* 宽容 |
| 仅域名 | /^(?:https?:\/\/)?([\w-]+\.[\w.-]+)/i |
第一捕获组取出域名 |
4.5 其他高频技巧
除了上面四种，还有一些场景在规则配置里很常见。我简单列一下：
- IP 地址：
/^(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)$/—— 每个段0-255，别用\d{1,3}那种会匹配 999 的。 - 纯数字：
/^\d+$/，如果要限制长度就/^\d{6,8}$/。 - 日期格式 YYYY-MM-DD：
/^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$/—— 注意月份不能是 13，日期不能是 32。 - HTML 标签（简易）：
/<[^>]+>/g用来去除标签但会漏掉属性里的 >，慎用。
下面这张图能帮你直观理解正则引擎在匹配时的执行流程：输入文本 → 依次尝试每个分支 → 回溯 → 输出结果。看到回溯那步就明白为什么写得差的正则会卡死了。
最后提醒一句：正则不是万能的。遇到嵌套结构（比如括号的嵌套、HTML 嵌套标签），正则表达能力有限，该上解析器就得上解析器。规则配置里正则主要负责模式匹配和提取，复杂的逻辑校验留到代码层处理。