Regular Expression 正規表達式完整教學｜從零開始到進階實戰指南 - Kyle's Code Blog

寫程式的時候，多少都會遇到需要檢查文字格式、從一大段文字裡撈出特定資訊的場景。像是檢查 Email 格式對不對、從 Log 裡面抓 IP 位址、或是把日期格式批次轉換。這些事情如果用一般的字串操作來處理，程式碼會又臭又長，但如果用 Regular Expression（正規表達式，簡稱 Regex），往往一行 pattern 就能搞定。不過很多開發者一看到像 ^(?=.*[A-Z])(?=.*\d)[A-Za-z\d]{8,}$ 這樣的 pattern 就頭痛，覺得像在看外星文。其實 Regex 是由一組簡單的規則積木組合而成，只要一塊一塊學，很快就能看懂，甚至自己寫出來。

Regular Expression 是什麼

簡單來說，Regular Expression 是一種描述文字模式的迷你語言。平常我們在文件裡按 Ctrl+F（macOS 是 Cmd+F）搜尋，只能找「固定的文字」，例如搜尋 “error” 就只會找到 error 這個字。但如果想找的是「所有 Email 地址」或「任何 YYYY-MM-DD 格式的日期」，固定文字就做不到了——這時候就需要 Regex 來描述這個模式（pattern），讓程式幫我們比對、擷取、甚至取代符合模式的文字。

Regex 本身不是一種程式語言，而是一種語法規範，被各種程式語言和工具支援。不管是 JavaScript、Python、Java、Go，還是終端機上的 grep、sed，甚至 VS Code 的搜尋功能，都能使用 Regex。

在哪些地方會用到 Regex

使用場景	範例	沒有 Regex	有 Regex
表單驗證	檢查 Email 格式	手動拆字串逐一判斷	一行 pattern 搞定
Log 分析	從 log 提取 IP 和時間戳	寫一堆 split / indexOf	一個 pattern 精準擷取
文字取代	日期格式 MM/DD/YYYY → YYYY-MM-DD	複雜的字串操作邏輯	sed 或 IDE 一次取代
程式碼搜尋	找出所有 TODO 和 FIXME 註解	grep 純文字搜尋有限	grep -E 支援 pattern

在哪裡練習

學 Regex 最好的方式就是邊看邊試。推薦使用 regex101.com ，它可以即時測試 pattern，還會用視覺化的方式解釋每一段的意思，支援 JavaScript、Python、Java、Go 等多種語言的 Regex 引擎。另外 regexr.com 也是不錯的選擇。建議把這些工具打開，跟著文章的範例一起操作。

基本語法入門

Regex 的核心是由一組「積木」組成的，每塊積木代表一個規則。接下來會從最簡單的開始，一個觀念一個觀念往上堆疊。

字面比對（Literal Match）

最簡單的 Regex 就是直接寫出想找的文字。例如 pattern hello 就會比對到字串中的 “hello”。大部分的字元都是直接對應自己，只有少數「特殊字元」有其他意義。

Pattern: hello
文字:    say hello world
比對:        ^^^^^ (比對到 hello)

特殊字元與跳脫（Metacharacters）

Regex 中有一些字元有特殊含義，稱為特殊字元（metacharacters）。如果想比對這些字元本身，就需要在前面加上反斜線 \ 來跳脫（escape）。

特殊字元	意義	比對字面意思
`.`	任意一個字元（換行除外）	`\.`
`^`	行首	`\^`
`$`	行尾	`\$`
`*`	前一個項目出現 0 次以上	`\*`
`+`	前一個項目出現 1 次以上	`\+`
`?`	前一個項目出現 0 或 1 次	`\?`
`{}`	指定出現次數	`\{\}`
`[]`	字元類別	`\[\]`
`()`	群組	``
`\|`	或（交替）	`\\|`
`\`	跳脫字元	`\\`

例如想比對 IP 位址中的 .，就要寫 \.，不然 . 會比對到任何字元。

Character Class 字元類別 […]

用中括號 [] 包起來的是字元類別，表示「比對其中任何一個字元」。

# 比對 a、b 或 c 其中一個
[abc]

# 用範圍表示：比對 a 到 z 的任何小寫英文字母
[a-z]

# 組合多種範圍：小寫、大寫、數字
[a-zA-Z0-9]

# 取反：比對「不是」a、b、c 的任何字元
[^abc]

# 在 [] 裡面，大部分特殊字元會失去特殊意義
# 例如 [.] 就是比對 . 這個字元本身
[.]

預定義字元類別（Shorthand Character Classes）

常用的字元類別有簡寫，省去每次都要寫 [a-zA-Z0-9] 的麻煩。

簡寫	等同於	說明
`\d`	`[0-9]`	數字
`\D`	`[^0-9]`	非數字
`\w`	`[a-zA-Z0-9_]`	文字字元（字母、數字、底線）
`\W`	`[^a-zA-Z0-9_]`	非文字字元
`\s`	`[ \t\n\r\f\v]`	空白字元（空格、Tab、換行等）
`\S`	`[^ \t\n\r\f\v]`	非空白字元

大寫版本就是小寫的相反。例如 \d 是數字，\D 就是「不是數字的任何字元」。

Quantifier 量詞

量詞用來指定前面的項目要出現幾次。

量詞	意義	範例
`*`	0 次以上	`ab*c` → ac, abc, abbc, abbbc…
`+`	1 次以上	`ab+c` → abc, abbc, abbbc…（不含 ac）
`?`	0 或 1 次	`colou?r` → color, colour
`{n}`	剛好 n 次	`\d{4}` → 剛好 4 個數字
`{n,}`	至少 n 次	`\d{2,}` → 2 個以上數字
`{n,m}`	n 到 m 次	`\d{2,4}` → 2 到 4 個數字

預設情況下，量詞是貪婪的（greedy），會盡可能多吃字元。在量詞後面加上 ? 就變成惰性的（lazy），盡可能少吃。這個差異在後面的進階語法會更詳細說明。

# 貪婪模式（預設）
Pattern: <.*>
文字:    <b>hello</b>
比對:    <b>hello</b>  （一次吃到底）

# 惰性模式
Pattern: <.*?>
文字:    <b>hello</b>
比對:    <b>  和  </b>  （盡量少吃）

Anchor 錨點

錨點不比對任何字元，而是比對位置。

錨點	意義	範例
`^`	行首（或字串開頭）	`^Hello` → 只比對行首的 Hello
`$`	行尾（或字串結尾）	`end$` → 只比對行尾的 end
`\b`	單字邊界	`\bcat\b` → 比對 cat 但不比對 catch
`\B`	非單字邊界	`\Bcat\B` → 比對 concatenate 中的 cat

錨點為什麼重要？如果驗證 Email 只寫 \w+@\w+\.\w+，像 [email protected]!!! 也會比對成功，因為 pattern 只要在字串中任何位置比對到就算過。加上 ^ 和 $ 之後就能確保整個字串都要符合。

分組與擷取（Groups and Capturing）

學會了基本的比對規則之後，接下來看怎麼把比對到的內容「拆開來用」。

捕獲群組 (…)

用小括號 () 把 pattern 的一部分包起來，就形成一個捕獲群組（capturing group）。比對成功後，可以分別取出每個群組的內容。

# 比對日期並分別擷取年、月、日
Pattern: (\d{4})-(\d{2})-(\d{2})
文字:    2026-04-09
結果:    群組 1 = 2026, 群組 2 = 04, 群組 3 = 09

在各語言中取出群組的方式：

// JavaScript
const match = '2026-04-09'.match(/(\d{4})-(\d{2})-(\d{2})/);
console.log(match[1]); // "2026"
console.log(match[2]); // "04"
console.log(match[3]); // "09"

# Python
import re
match = re.search(r'(\d{4})-(\d{2})-(\d{2})', '2026-04-09')
print(match.group(1))  # "2026"
print(match.group(2))  # "04"
print(match.group(3))  # "09"

// Java
Pattern pattern = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher matcher = pattern.matcher("2026-04-09");
if (matcher.find()) {
    System.out.println(matcher.group(1)); // "2026"
    System.out.println(matcher.group(2)); // "04"
    System.out.println(matcher.group(3)); // "09"
}

非捕獲群組 (?:…)

有時候需要用小括號來做分組（例如搭配量詞 (?:ab)+），但不需要擷取群組內容。這時候加上 ?: 就變成非捕獲群組，不佔群組編號，效能也稍微好一點。

# 捕獲群組：(?:https?://)會佔一個群組編號
Pattern: (https?://)(\w+\.\w+)
文字:    https://klab.tw
結果:    群組 1 = https://, 群組 2 = klab.tw

# 非捕獲群組：(?:https?://) 不佔編號
Pattern: (?:https?://)(\w+\.\w+)
文字:    https://klab.tw
結果:    群組 1 = klab.tw

Named Group 命名群組

當 pattern 裡有很多群組，用數字 1, 2, 3... 來記哪個是哪個很容易搞混。命名群組讓我們可以幫每個群組取名字，程式碼更容易閱讀和維護。

語言	命名群組語法	取值方式
JavaScript	`(?<name>...)`	`match.groups.name`
Python	`(?P<name>...)`	`match.group('name')`
Java	`(?<name>...)`	`matcher.group("name")`
.NET / C#	`(?<name>...)`	`match.Groups["name"]`
Go	`(?P<name>...)`	`match[index]`（需配合 SubexpNames）

// JavaScript 命名群組範例
const pattern = /(?\d{4})-(?\d{2})-(?\d{2})/;
const match = '2026-04-09'.match(pattern);
console.log(match.groups.year);  // "2026"
console.log(match.groups.month); // "04"
console.log(match.groups.day);   // "09"

Backreference 反向參照

反向參照可以在 pattern 裡引用前面已經捕獲的群組內容。最經典的用法就是找出重複的單字。

# 找出連續重複的單字
Pattern: \b(\w+)\s+\1\b
文字:    the the quick brown fox fox
比對:    "the the" 和 "fox fox"

# \1 參照第一個群組捕獲的內容
# 如果群組 1 捕獲了 "the"，\1 就只會比對 "the"

命名群組也可以做反向參照：用 \k<name>（JavaScript / .NET）或 (?P=name)（Python）。

進階語法

掌握了基礎之後，接下來這些進階功能會讓 Regex 的能力更上一層。

Alternation 交替 |

| 表示「或」，可以比對左邊或右邊的 pattern。搭配群組使用可以限定「或」的範圍。

# 比對 cat 或 dog
cat|dog

# 搭配群組：比對 cat food 或 dog food
(cat|dog) food

# 不加群組的話，| 的範圍是整個 pattern
# cat food|dog 會比對 "cat food" 或 "dog"，不是 "cat food" 或 "dog food"

Lookahead 與 Lookbehind 環視

環視（lookaround）是 Regex 中比較進階的功能。可以把它想成「往前看路或往後看路，但不移動」。環視會檢查某個位置的前面或後面是否符合條件，但不會消耗任何字元。

語法	名稱	說明
`(?=...)`	Positive Lookahead	後面必須符合
`(?!...)`	Negative Lookahead	後面必須不符合
`(?<=...)`	Positive Lookbehind	前面必須符合
`(?<!...)`	Negative Lookbehind	前面必須不符合

# Positive Lookahead：找數字，但後面要有 "元"
Pattern: \d+(?=元)
文字:    售價 100元，庫存 50個
比對:    100（50 不會比對到，因為後面不是 "元"）

# Negative Lookahead：找數字，但後面不能是 "元"
Pattern: \d+(?!元)
文字:    售價 100元，庫存 50個
比對:    10 和 50

# Positive Lookbehind：找數字，但前面要有 "$"
Pattern: (?<=\$)\d+
文字:    Price: $199, Code: A100
比對:    199（100 不會比對到，因為前面不是 $）

# Negative Lookbehind：找數字，但前面不能有 "$"
Pattern: (?

環視最常見的實戰用法就是密碼強度驗證。開頭提到的 ^(?=.*[A-Z])(?=.*\d)[A-Za-z\d]{8,}$，就是用多個 lookahead 來同時檢查「包含大寫」和「包含數字」這兩個條件。

要注意的是，不同語言對 lookbehind 的支援程度不一樣：

功能	JavaScript	Python	Java	Go	grep -P
Lookahead	✓	✓	✓	✗	✓
Lookbehind（固定長度）	✓	✓	✓	✗	✓
Lookbehind（可變長度）	✓（ES2024+）	✓	✓	✗	✓

Go 的 regexp 套件不支援環視，這是因為 Go 使用 RE2 引擎，保證線性時間複雜度，但犧牲了環視功能。

Greedy vs Lazy vs Possessive 貪婪、惰性與占有量詞

在基本語法提過量詞預設是貪婪的，這裡更深入解釋背後的回溯（backtracking）機制。

類型	語法	行為
Greedy（貪婪）	`*` `+` `?`	先盡量多吃，比對失敗就一個一個吐回來重試
Lazy（惰性）	`*?` `+?` `??`	先盡量少吃，比對失敗就多吃一個重試
Possessive（占有）	`*+` `++` `?+`	盡量多吃，但不回溯（Java / PCRE 支援）

# 想比對引號內的字串
文字: He said "hello" and "world"

# Greedy：吃到最後一個引號
Pattern: ".*"
比對:    "hello" and "world"

# Lazy：吃到第一個引號就停
Pattern: ".*?"
比對:    "hello" 和 "world"

# 更好的做法：用排除字元類別，不需要 lazy
Pattern: "[^"]*"
比對:    "hello" 和 "world"

最後那個用 [^"]* 的寫法值得記住，很多時候比 lazy 更直覺也更有效率。

Unicode 與多語言支援

對繁體中文使用者來說，比對中文字元是很常見的需求。傳統做法是用 Unicode 範圍 [\u4e00-\u9fff]，但更現代的方式是使用 Unicode Property。

// JavaScript（需要 u flag）
// 比對任何中日韓統一表意文字（CJK）
const pattern = /\p{Script=Han}+/u;
'Hello 世界'.match(pattern); // ["世界"]

// 比對任何 Unicode 字母（含中文、日文假名等）
const letterPattern = /\p{L}+/gu;
'Hello 世界 こんにちは'.match(letterPattern);
// ["Hello", "世界", "こんにちは"]

# Python（使用 regex 套件，非內建 re）
import regex
pattern = regex.compile(r'\p{Han}+')
pattern.findall('Hello 世界')  # ['世界']

# 用內建 re 的話，可以用 Unicode 範圍
import re
re.findall(r'[\u4e00-\u9fff]+', 'Hello 世界')  # ['世界']

實戰應用

學了這麼多語法，來看看實際開發中怎麼使用。

表單驗證

Email 驗證（簡化版）

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

^                     # 字串開頭
[a-zA-Z0-9._%+-]+    # 使用者名稱：英數字和一些特殊符號，至少 1 個
@                     # @ 符號
[a-zA-Z0-9.-]+       # 域名：英數字、點、連字號
\.                    # 一個 . (跳脫)
[a-zA-Z]{2,}         # 頂級域名：至少 2 個英文字母（com, tw, org...）
$                     # 字串結尾

這是簡化版的 Email 驗證，涵蓋絕大多數正常的 Email 地址。真正的 Email 規範（RFC 5322）極其複雜，實務上這個 pattern 已經夠用。

台灣手機號碼

# 台灣手機號碼：09 開頭，後面 8 個數字
^09\d{8}$

# 允許中間有連字號的格式（0912-345-678）
^09\d{2}-?\d{3}-?\d{3}$

台灣身分證字號

# 基本格式驗證：1 個大寫英文字母 + 1 或 2（性別碼）+ 8 個數字
^[A-Z][12]\d{8}$

# 2020 年後新增的居留證號碼格式
^[A-Z][89A-D]\d{8}$

注意：這些 pattern 只驗證「格式」正不正確，不驗證「內容」是否合法（例如身分證字號有檢查碼邏輯，需要額外計算）。

文字擷取與資料清洗

解析 Nginx Access Log

一筆典型的 Nginx access log 長這樣：

203.0.113.50 - - [09/Apr/2026:10:15:32 +0800] "GET /api/users HTTP/1.1" 200 1234

用命名群組一次擷取所有欄位：

import re

log_pattern = re.compile(
    r'(?P\d+\.\d+\.\d+\.\d+)'     # IP 位址
    r' - - '                              # 固定分隔
    r'\[(?P[^\]]+)\]'              # 時間戳（[] 內的內容）
    r' "(?P\w+)'                 # HTTP 方法
    r' (?P\S+)'                    # 請求路徑
    r' \S+"'                             # HTTP 版本
    r' (?P\d+)'                  # 狀態碼
    r' (?P\d+)'                    # 回應大小
)

line = '203.0.113.50 - - [09/Apr/2026:10:15:32 +0800] "GET /api/users HTTP/1.1" 200 1234'
match = log_pattern.search(line)
if match:
    print(match.group('ip'))      # 203.0.113.50
    print(match.group('status'))  # 200
    print(match.group('path'))    # /api/users

從文字中提取所有 URL

import re

text = "參考 https://klab.tw/2026/04/regex-tutorial/ 和 http://example.com/path?q=1"
urls = re.findall(r'https?://\S+', text)
print(urls)
# ['https://klab.tw/2026/04/regex-tutorial/', 'http://example.com/path?q=1']

清除 HTML 標籤

import re

html = '<p>Hello <b>World</b></p>'
clean = re.sub(r'<[^>]+>', '', html)
print(clean)  # Hello World

清除 HTML 標籤用 Regex 處理簡單的情境沒問題，但如果是複雜的巢狀 HTML，建議使用專門的 HTML parser（例如 Python 的 BeautifulSoup）。

開發工具整合

Regex 不只用在程式碼裡，日常使用的開發工具也處處用得到。

grep — 在檔案中搜尋

# 從 log 中找出所有 IP 位址
grep -oE '\b[0-9]{1,3}(\.[0-9]{1,3}){3}\b' access.log

# 找出所有 TODO 和 FIXME 註解
grep -rn -E 'TODO|FIXME' src/

# 找出定義函式的行（JavaScript）
grep -rn -E 'function\s+\w+|const\s+\w+\s*=' src/*.js

sed — 批次取代

# 把日期格式從 MM/DD/YYYY 轉成 YYYY-MM-DD
sed -E 's|([0-9]{2})/([0-9]{2})/([0-9]{4})|\3-\1-\2|g' data.csv

# 移除行尾空白
sed -E 's/[[:space:]]+$//' file.txt

# 把 console.log 全部註解掉
sed -E 's/(console\.log\()/\/\/ \1/' app.js

VS Code 搜尋取代

在 VS Code 的搜尋框開啟 Regex 模式（點擊 .* 圖示或按 Alt+R），就可以使用 Regex 搜尋和取代。取代時用 $1、$2 參照群組。

# 把 console.log("...") 改成 logger.info("...")
搜尋:  console\.log\(([^)]+)\)
取代:  logger.info($1)

Git grep — 搜尋整個 Git 倉庫

# 在整個 Git 倉庫搜尋符合 pattern 的內容
git grep -E 'TODO|FIXME|HACK'

# 搜尋特定語言的檔案
git grep -E 'import\s+.*axios' -- '*.ts' '*.js'

各語言 Regex 差異對照

Regex 語法在各語言大致相同，但建立方式、flag 名稱和一些細節有所不同。以下整理主要差異：

功能	JavaScript	Python	Java	Go	grep -E
建立方式	`/pattern/flags`	`re.compile(r'...')`	`Pattern.compile("...")`	`regexp.Compile("...")`	CLI 參數
全域搜尋	`g` flag	`re.findall()`	`find()` 迴圈	`FindAllString()`	預設行為
忽略大小寫	`i` flag	`re.IGNORECASE`	`CASE_INSENSITIVE`	`(?i)` 前綴	`-i` flag
多行模式	`m` flag	`re.MULTILINE`	`MULTILINE`	`(?m)` 前綴	預設逐行
Named Group	`(?<n>...)`	`(?P<n>...)`	`(?<n>...)`	`(?P<n>...)`	`(?P<n>...)`
跳脫字串	不需要雙跳脫	使用 `r'...'`	需要 `\\` 雙跳脫	使用反引號 `...`	不需要

特別注意 Java 的字串需要對反斜線做雙跳脫，所以 \d 在 Java 裡要寫成 "\\d"，Python 用 raw string r'\d' 就不用，Go 用反引號也不用。

常見陷阱與效能考量

Catastrophic Backtracking 災難性回溯

某些 pattern 在特定輸入下會導致引擎瘋狂回溯，執行時間呈指數成長。這不只是效能問題，還可能被惡意利用——這種攻擊叫做 ReDoS（Regular Expression Denial of Service）。

# 危險 pattern 範例
Pattern: (a+)+$
文字:    aaaaaaaaaaaaaaaaaaaaX

# 引擎會嘗試所有可能的 a 分組方式，時間複雜度 O(2^n)
# 20 個 a 加一個 X，可能要跑好幾秒甚至更久

避免災難性回溯的原則：

避免巢狀量詞（如 (a+)+、(a*)*）
用具體的字元類別取代 .*（例如 [^"]* 取代 .*?）
使用 Possessive 量詞或 Atomic Group 防止回溯（如果語言支援）
在 regex101.com 上測試，留意步驟數（steps）是否異常高

不要用 Regex 的時候

Regex 很強大，但不是萬能的。以下情境建議用其他工具：

解析 HTML/XML：Regex 無法正確處理巢狀標籤，請用 HTML parser（Python BeautifulSoup、JavaScript DOMParser）
複雜的巢狀結構：像是 JSON、程式語言語法，Regex 無法處理遞迴巢狀，需要用 parser
簡單的字串操作：只是檢查開頭結尾或是否包含某段文字，用 startsWith()、includes()、endsWith() 更清楚也更快

常用語法速查表

最後整理一份速查表，方便日後回來查閱。

字元比對

語法	說明
`.`	任意一個字元（換行除外）
`\d` / `\D`	數字 / 非數字
`\w` / `\W`	文字字元 / 非文字字元
`\s` / `\S`	空白 / 非空白
`[abc]`	a、b 或 c
`[a-z]`	a 到 z 的範圍
`[^abc]`	不是 a、b、c

量詞

語法	說明
`*`	0 次以上（貪婪）
`+`	1 次以上（貪婪）
`?`	0 或 1 次
`{n}`	剛好 n 次
`{n,m}`	n 到 m 次
`*?` / `+?`	惰性版本

錨點與斷言

語法	說明
`^`	行首 / 字串開頭
`$`	行尾 / 字串結尾
`\b`	單字邊界
`(?=...)`	Positive Lookahead
`(?!...)`	Negative Lookahead
`(?<=...)`	Positive Lookbehind
`(?<!...)`	Negative Lookbehind

群組與參照

語法	說明
`(...)`	捕獲群組
`(?:...)`	非捕獲群組
`(?<name>...)`	命名群組
`\1`	反向參照第 1 個群組
`a\|b`	a 或 b

Post Views: 53