我的电脑里有个文件夹，专门存放从网上抄来的正则表达式。验证邮箱的、提取网址的、匹配身份证号的，十几条，一条都看不懂，但一直凑合能用。直到上周要清洗一批客户留下的电话号码，格式五花八门，抄来的正则全军覆没，我才下决心把这东西学一遍。结果比想象便宜：一个下午，足够入门。
真正常用的符号就六个
正则看着像天书，拆开全是小零件。入门阶段记住这些，就够应付八成的活儿：
\d 代表任意一个数字，\w 代表字母、数字或下划线
. 代表任意一个字符
+ 表示前面的东西出现一次或多次，* 表示零次或多次，? 表示零次或一次
{n} 精确指定次数，\d{4} 就是四位数字
[ ] 圈定一个候选范围，[3-9] 表示 3 到 9 之间的任意一个数字
( ) 把一段括起来编组，后面替换时能按编号引用
三个例子就够本
第一个是手机号。大陆手机号 1 开头，第二位是 3 到 9，后面再跟九位数字，写出来是 1[3-9]\d{9}。十一位，一位不多一位不少。我那批脏数据里混着少一位的、带横杠的、多写一个 0 的，这一条就把合规的全筛了出来。
第二个是抠日期。想从一大段文字里找出所有 2026-07-22 这样的日期：\d{4}-\d{2}-\d{2}。四位数字、横杠、两位数字、横杠、两位数字，直白得像报数。
第三个稍微高级一点，用括号编组做替换。把 (\d{4})-(\d{2})-(\d{2}) 替换成 \2/\3/\1，日期就从 2026-07-22 变成 07/22/2026。括号里的内容按顺序编了号，替换时拿编号重新排队就行，整理表格、倒腾数据时常用。
正则不是背出来的，是拿真实数据喂出来的。
一个绕不开的坑：贪婪
新手翻车最多的是贪婪匹配。.* 这种东西会一口气吞到行尾。比如想匹配句子里引号中的内容，"他说"你好"，又说了"再见""，一个 ".*" 下去，会从第一个引号一直吃到最后一个，中间全被卷进去。解法是在后面加个问号，写成 ".*?"，意思是能少匹配就少匹配，遇到最近的那个引号就停。这个问号救过我，不止一次。
练手建议找个在线工具，左边写表达式，右边贴真实文本，匹配结果实时高亮，对错当场看得见。最好拿自己工作里的脏数据练，比做十道例题都管用。现在那个收藏文件夹我删了一半——看得懂的东西，不需要再供起来。
