字符匹配与元字符：点号、字符集、预定义字符类
正则表达式的核心能力，说白了就是「模式匹配」。你写一个模式，它去文本里找符合的片段。元字符就是这些模式的「积木块」。本章我们专门讲三个最基础的：点号、字符集、预定义字符类。掌握它们，你就能写出大部分日常需要的正则了。
点号（.）：匹配任意单个字符
点号是最简单的元字符。它匹配除了换行符以外的任意单个字符。我早期刚学正则时，总觉得它就是个通配符——很像 shell 里的 ?，但它只占一个位置。
举个例子：
模式：h.t
匹配：hat、hot、hit、h2t、h%t
不匹配：heat（字符数不对）、h\nt（换行符）我在处理日志文件时，经常用它来匹配「日期分隔符不统一」的情况。比如 2024-01-01 和 2024/01/01，用 2024.01.01 就能一把抓。当然要注意，点号不会匹配换行。如果你需要匹配包括换行在内的任意字符，那就用 (.|\n) 或者 [\s\S]（后面会讲到）。
.+ 去匹配整行，结果因为贪婪匹配把不该吞的内容也吞了。后来才意识到，能用字符集精确匹配的地方，尽量不要用点号。
字符集（[]）：指定一组候选字符
字符集用方括号包裹。它匹配括号内出现的任意一个字符。说白了，就是「或」的关系，但写法干净很多。
[abc] 匹配 a、b、c 中的任意一个
[0-9] 匹配 0 到 9 之间的任意数字
[a-zA-Z] 匹配所有大小写字母连字符 - 在字符集里表示「范围」。你想想看，写 [0-9] 比写 [0123456789] 优雅多了。不过要注意，- 放在开头或结尾时，它就只是一个普通连字符，不会产生范围。
我个人习惯将字符集用于「固定长度的可选模式」。比如校验手机号前三位：1[3-9] 就可以匹配 13、14、15…19 开头。这个比写 1(3|4|5|6|7|8|9) 更直观。
^，比如 [^0-9] 匹配任意非数字字符。注意：这个 ^ 只能在字符集内部生效，放在外部就是匹配行首了，别搞混。
预定义字符类：快捷方式
为了少打字，正则里给你备好了几个常用字符类的缩写。我刚开始用的时候记错了不少次，后来画了张表贴在屏幕上才搞定。
| 预定义类 | 等价于 | 说明 |
|---|---|---|
\d |
[0-9] |
匹配任意数字（digit） |
\D |
[^0-9] |
匹配任意非数字 |
\w |
[a-zA-Z0-9_] |
匹配字母、数字、下划线（word character） |
\W |
[^a-zA-Z0-9_] |
匹配非单词字符 |
\s |
[ \t\n\r\f\v] |
匹配空白字符（space、制表符、换行等） |
\S |
[^ \t\n\r\f\v] |
匹配非空白字符 |
为什么要单列预定义类？因为效率。我记得有一次在 10GB 的日志里做匹配，用 \d 比 [0-9] 快了一点点——引擎内部有优化。而且写出来更简洁。比如提取 IP 地址：
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}看着不舒服？其实 \d{1,3} 指的是「匹配 1 到 3 个数字」，这个我们后面章节会细讲。现在你只要能理解 \d 的含义就行。
\D、\W、\S）永远是小写上对应的「取反」。记住这个规律，你就不用死记硬背了。
三者对比：什么时候用谁？
很多初学者会问：点号、字符集、预定义类，到底选哪个？嗯，我一般按这个优先级决定：
- 优先用预定义类：比如
\d或\w，写起来最快，语义明确。 - 其次用字符集：当预定义类不能精确描述时，比如只要大写字母
[A-Z]，或者只要某些特定符号[+*%]。 - 最后才用点号：只有当你真的不在乎具体是什么字符时才用点号。说白了，点号是「懒人救星」，但容易误伤。
我曾经在写一个数据清洗脚本时，遇到一行格式很乱，用 .+? 想偷懒，结果把相邻字段给吞了。最后老老实实改用 [^,]+ 按逗号分割，才解决。所以结论是：能精确就别模糊。
知识体系流程图
避坑与实战技巧
刚用正则时，我踩过这些坑，今天分享给你：
- 转义元字符：如果你想匹配真正的点号
.，必须写成\.。否则点号会被当成元字符。同理，[、]、\都需要转义。我记得刚开始写匹配文件名的正则，一直匹配不上，查了半天才发现 .png 里的点没转义。 - 字符集内的特殊字符：在
[]内部，^只在开头取反，其他地方是普通字符；-表示范围，最好放在开头或结尾避免歧义；\仍然需要转义。 - 预定义类的边界：
\w包含下划线，如果你只想要字母数字，就用[a-zA-Z0-9]。曾经有同事用\w+匹配用户名，结果包含了下划线导致校验出了问题。 - 点号和换行：大多数正则引擎中，点号默认不匹配换行。如果你需要匹配跨行内容，要么开启
s修饰符（DotAll），要么用[\s\S]来替代点号。