字符串过滤正则表达式实用方法|新手必学常用技巧

其实正则没你想的那么难——它就是个“字符串找规律的工具”，学会几个常用技巧，就能解决80%的字符串过滤问题。今天我就把自己用了3年的“新手友好版”正则技巧分享给你，不用记复杂公式，看完就能上手。

先搞懂：正则表达式到底能帮你解决哪些字符串过滤问题？

在讲技巧前，得先明确“正则能帮你省多少事”——毕竟学东西得先知道“有用”，才愿意往下看。我 了3个最常见的场景，几乎覆盖了普通人90%的字符串处理需求：

第一个是过滤垃圾内容：比如文章里的排版符号（↑、→、）、用户留言里的广告字符（@#￥%）、复制内容带的“版权所有”尾巴——我朋友的菜谱里就全是这些，用正则一键替换，把“[W_]+”（匹配所有非字母、数字、下划线的字符）换成空，原本“番茄鸡蛋→做法↑点击查看”的内容，直接变成“番茄鸡蛋做法点击查看”，干净得像重新打了一遍。

第二个是提取关键信息：比如从一堆文本里找手机号、邮箱、订单号——我之前帮公司整理客户问卷，几千条数据里的“联系电话”栏，有的写“手机：138xxxx1234”，有的写“电话159xxxx5678”，手动找得眼睛花，用正则“1[3-9]d{9}”（匹配中国大陆手机号）一提取，5分钟就把所有手机号导出来了，比同事手动做快了整整2小时。

第三个是验证数据合法性：比如填表单时，用户输的邮箱是不是“abc@.com”这种无效格式，身份证号是不是少了一位——我妹去年找工作填简历，就因为身份证号多输了一位，差点没通过初审，后来我教她用正则“^d{15}|d{18}$”（匹配15或18位身份证号）核对，再也没犯过这种错。

谷歌开发者文档里说过：“正则表达式是处理字符串最高效的工具之一，尤其适合重复、有规律的内容”—— 只要你遇到“需要重复处理同一类字符串”的情况，正则就能帮你把“手动劳动”变成“一键完成”。

新手必学的3个正则过滤技巧，看完就能上手

接下来讲的这3个技巧，是我从“踩过的坑”里提炼出来的——最开始学正则时，我也以为要记几十种符号，后来发现只要把这3个学会，就能解决大部分问题。每个技巧我都附了“具体用法+真实例子+原理解释”，你跟着做一遍，绝对能会。

需求：把字符串里的非文字/数字符号删掉，比如“Hello!@# 世界123$%^”变成“Hello世界123”。 正则表达式：[W_]+ 用法：用“替换”功能（不管是Word、Excel还是编程软件，都有“查找替换”），把[W_]+匹配到的内容换成“空”（也就是删掉）。

我得先给你解释下这个正则的意思——别慌，大白话版：

举个我自己的例子：去年我写公众号文章，复制了一段知乎的回答，里面有很多“「」”“『』”之类的繁体标点，手动删要5分钟，用这个正则替换后，不到10秒就清干净了。更绝的是，我把这个正则做成了“快捷指令”，现在不管复制什么内容，点一下就能自动过滤——省了我超多时间。

注意：如果想保留某些符号（比如小数点、连字符），可以调整正则——比如想保留“.”，就把正则改成[W_&&[^.]]+（意思是“匹配所有非字母、数字、下划线，但排除小数点的字符”）。

需求：从文本里快速找出手机号、邮箱、订单号这类“有固定规律”的内容——比如从“我的手机号是13812345678，邮箱是abc@example.com”里提取出手机号和邮箱。

我整理了2个最常用的“提取正则”，连原理带例子给你讲清楚：

（1）提取手机号：1[3-9]d{9}

原理：

例子：文本里有“联系我：159xxxx7890（手机），186xxxx1234（备用）”，用这个正则能直接提取出“159xxxx7890”和“186xxxx1234”——我之前帮公司整理客户电话时，就是用这个正则，把几千条数据里的手机号全导出来了，比手动复制快10倍。

（2）提取邮箱：w+([-+.]w+)@w+([-.]w+).w+([-.]w+)

原理（大白话版）：

例子：文本里有“我的邮箱是abc123@example.com，备用邮箱是def-456@test.co.uk”，用这个正则能提取出两个邮箱——我妹找工作时，就是用这个正则把简历里的邮箱核对了一遍，避免输错导致HR联系不上。

这里要提醒你：提取信息时，

不要贪多——比如你想提取手机号，就用专门的手机号正则，别试图用一个正则提取所有内容，否则容易“漏”或者“错”。我最开始学的时候，试过用“通配符”提取所有数字，结果把订单号里的数字和手机号混在一起，反而更麻烦——后来才明白“精准匹配”比“全能匹配”更有用。

需求：检查字符串是不是符合要求（比如邮箱是不是有效、身份证号是不是正确）——比如用户填“abc@.com”，要能及时提示“邮箱格式错误”。

我用得最多的是

“匹配”功能：如果字符串能被正则“匹配上”，就说明格式对；匹配不上，就是错的。下面讲2个最常用的验证场景：

（1）验证邮箱格式：用提取邮箱的正则

正则：^w+([-+.]w+)@w+([-.]w+).w+([-.]w+)$ 用法：把“^”和“$”加在提取正则的前后——“^”表示“字符串开头”，“$”表示“字符串 ”，这样就能确保“整个字符串都符合邮箱格式”（而不是“字符串里包含邮箱”）。

比如“abc@example.com”能匹配上（正确），“abc@.com”匹配不上（因为域名部分是空的），“abc.example.com”也匹配不上（没有@）——我帮公司做表单时，就把这个正则加到了“邮箱”输入框里，直接拦截了80%的无效邮箱，省了后续核对的功夫。

（2）验证身份证号：^d{15}|d{18}$

原理：

例子：“110101199001011234”（18位）能匹配上，“110101900101123”（15位）也能匹配上，但“11010119900101123”（17位）匹配不上——我妹填简历时，就是用这个正则检查的，避免了“少输一位”的错误。

这里要注意：

验证正则一定要加“^”和“$”——比如你验证身份证号，如果不加“^”和“$”，那么“110101199001011234abc”也会被当成“包含身份证号”，但实际上它是错的。我之前就犯过这个错，把“123456789012345abc”当成了有效身份证号，后来加了“^”和“$”才解决。

最后：给新手的3个“避坑提醒”

讲完技巧，再跟你唠3句“真心话”——都是我踩过的坑，能帮你少走弯路：

第一，

不要记所有正则符号：我最开始学的时候，买了本《正则表达式大全》，结果看了3章就放弃了——后来发现，常用的符号就那么几个（w、d、+、、[]），把这些学会，就能解决大部分问题。

第二，

先试小例子，再用大数据：比如你写了个提取手机号的正则，先找10条测试数据试试（比如“138xxxx1234”“159xxxx5678”“123456”），确认没问题了再用到几千条数据里——我之前就因为没测试，把“1[3-9]d{9}”写成了“1[3-8]d{9}”，结果漏掉了所有19开头的手机号，差点被领导骂。

第三，

用工具辅助验证：推荐你用“Regex101”（https://regex101.com/）这个网站——把正则和测试文本输进去，能实时看到匹配结果，还能解释每部分的意思。我现在写正则前，都会先在这个网站测一遍，避免写错。

其实正则的核心不是“记符号”，而是“找规律”——比如你想过滤特殊字符，就找“特殊字符的规律”（非字母、数字、下划线）；想提取手机号，就找“手机号的规律”（1开头，11位）。等你练多了，会发现“写正则”就像“找不同”：先看目标内容的规律，再用符号把规律“描述”出来。

我这些技巧都是自己“摸爬滚打” 的，比如最开始学正则时，我以为要“精通”才能用，后来发现“会用常用的几个”就够了。你要是按我说的试了，比如用正则过滤了文章里的乱码，或者提取了手机号，欢迎回来留言告诉我效果——毕竟好用的技巧，要大家试过才知道是不是真的香！

对了，最后给你整理了个“常用正则表”，直接存下来就能用：

你要是有不会的地方，或者想验证某个正则，直接留言问我——反正正则这东西，越用越熟，越熟越觉得“香”。赶紧去试试吧！

比如你处理商品价格的时候，肯定遇到过这种情况：文本里写着“橘子8.9元→点击领券”，用之前的[W_]+过滤会把小数点也删掉，变成“橘子89元点击领券”，这价格直接错了——这时候就得给正则“开个绿灯”，把想保留的小数点留下来。你把过滤的正则改成[W_&&[^.]]+就行，这里的“&&”其实就是“同时满足”，“[^.]”是“不包含小数点”，合起来就是“所有非字母、数字、下划线的符号我都删，但小数点除外”。这么一改，再过滤“橘子8.9元→点击领券”，结果就是“橘子8.9元点击领券”，小数点保住了，多余的箭头也清干净了，价格还对。

再比如你整理快递单号，文本是“单号：SF-20231005-4567#查看物流”，想保留里面的连字符但删掉冒号和#，那就把正则改成[W_&&[^-]]+。这时候正则会盯着冒号、#这些符号删，但连字符“-”不会碰，过滤后就是“单号SF-20231005-4567查看物流”，快递单号的格式还整整齐齐的。其实这招的核心就是“告诉正则‘哪些符号别碰’”——你想保留什么，就把什么放进[^ ]里，比如想同时留小数点和连字符，就改成[W_&&[^.-]]+，两个符号都能保住。我之前帮朋友整理外卖订单的时候就用过这招，原本“奶茶15.8元-少糖#备注”的文本，过滤后变成“奶茶15.8元-少糖备注”，价格和备注里的连字符都没丢，比手动改快多了。

还有种情况，比如你处理文章里的时间，比如“2023-10-05发布→点击阅读”，想保留日期里的连字符，就用刚才的方法改正则，过滤后变成“2023-10-05发布点击阅读”，日期格式一点没乱。其实不用记什么复杂术语，就记住“想留什么，就把什么放进[^ ]里”，比如留句号就加[^.]，留横线就加[^-]，组合起来就行。我一开始学的时候也觉得这规则绕，后来试了几次就明白了——反正正则就是“按你给的规律找东西”，你给它划清楚“不能删的边界”，它就不会乱删了。

新手学正则表达式需要记很多符号吗？

不用记所有符号，新手只需掌握几个核心常用符号就能解决80%的字符串过滤问题，比如w（匹配字母、数字、下划线）、d（匹配数字）、+（匹配1个或多个）、[]（匹配括号内任意字符）。文章里提到的过滤、提取、验证技巧，用到的符号重复率很高，越用越熟练。

有没有工具能帮我验证正则写得对不对？

推荐使用「Regex101」（https://regex101.com/），这个工具可以实时显示正则的匹配结果，还会逐部分解释正则的含义。比如你写了提取手机号的正则，输入测试文本（如“我的手机是138xxxx1234”），就能立刻看到是否匹配成功，避免写错正则导致漏提或错提。

过滤特殊字符时，想保留比如小数点、连字符怎么办？

可以通过调整正则表达式实现。比如想保留小数点，就把过滤特殊字符的正则改成「[W_&&[^.]]+」（意思是“匹配所有非字母、数字、下划线，但排除小数点”）；想保留连字符，就改成「[W_&&[^-]]+」。原理是用“交集（&&）”和“排除（[^x]）”缩小匹配范围。

用正则提取手机号，会不会漏掉19开头的号码？

不会。文章里的手机号正则是「1[3-9]d{9}」，其中「[3-9]」覆盖了3到9的数字——19开头的手机号第二位是9，完全符合这个范围，所以能正常提取所有13到19开头的中国大陆手机号。

验证邮箱的正则能覆盖所有有效的邮箱格式吗？

文章中的正则能覆盖绝大多数标准邮箱格式（比如abc@example.com、def+test@co.uk），但对于部分特殊格式（比如带中文的邮箱“张三@示例.com”）可能需要调整——因为标准正则默认处理英文、数字的情况。如果需要支持中文邮箱，可以把正则里的w替换为「[wu4e00-u9fa5]」（匹配字母、数字、下划线和中文）。

YUANLEISVIP

收藏 链接