前言
正則表達式 是用特定模式匹配字串的強大工具，廣泛應用於驗證、搜尋、替換、擷取等字串處理場景。本文從定義、起源、分類、引擎機制到實際應用全方位介紹。
什麼是正則表達式
多重定義視角：
- 模式匹配公式：用某種模式描述一類字串
- 字串匹配模板：由一般字元與中繼字元組成的文字模式
- 規則描述代碼：記錄文本規則，用於查找/替換/擷取
- 特徵驗證器：用一個「字串」描述特徵，驗證另一個「字串」是否符合
歷史起源
- 1943：McCulloch & Pitts 以數學描述神經網路
- 1956：Stephen Kleene 發表「神經網路事件表示法」，引入「正則表達式」術語，定義為「正則集的代數表達式」
- 1968：Ken Thompson 將正則表達式引入 QED 編輯器，後移植至 Unix
ed、grep
- 現代：Perl、PCRE、Java、.NET、JavaScript 等廣泛支援
正則表達式與萬用字元比較
| 特性 | 萬用字元 | 正則表達式 |
|---|
| 語法 | * ? | 豐富的中繼字元：. * + ? [] () | ^ $ 等 |
| 精確度 | 低（只能簡單匹配） | 高（可描述複雜結構） |
| 範例 | *.doc | \w+\.docx?$ |
引擎機制：NFA vs DFA
- NFA（非確定性有限自動機）：Perl、PCRE、Java、.NET、JavaScript 採用。同一字串可產生多種理解，**可能回溯**，效率通常較低但功能強大（支援反向參考、環視等）
- DFA（確定性有限自動機）：lex、awk、GNU grep (不含 -P) 採用。唯一理解路徑，**無回溯**，匹配速度快但功能受限
實務啟示：撰寫正則時盡量減少回溯（避免嵌套量詞、善用佔有優先量詞 ++ *+、具體化字元類別）以提升效能。
匹配的三種語法角色
- 形容詞性：「這字串匹配該正則」
- 動詞性：「在文本中匹配正則」
- 名詞性：「滿足正則的那一段子字串」（一個 match 物件）
四大核心應用場景
| 應用 | 說明 | 典型範例 |
|---|
| 驗證 | 檢查字串是否符合格式 | Email、URL、身分證號、手機號、密碼強度 |
| 查找 | 從文本找出符合模式的片段 | 日誌分析、關鍵字提取、程式碼搜尋 |
| 替換 | 將匹配部分替換為新字串 | 敏感詞過濾、格式統一、模板渲染 |
| 擷取 | 取出匹配的子字串供後續使用 | 網頁爬蟲、資料解析、分組捕獲 |
常見支援環境
- 作業系統：Linux、Unix、HP-UX、Windows (PowerShell)
- 程式語言：C#、PHP、Java、Python、JavaScript、Go、Rust、C++11
<regex>
- 工具軟體：VS Code、Notepad++、grep、sed、awk、EditPlus、UltraEdit
入門建議
- 先掌握核心中繼字元：
. * + ? ^ $ [] () | \
- 理解貪婪/非貪婪/佔有優先量詞差異
- 善用線上測試工具：Regex101、RegExr、Debuggex
- 實戰練習：從簡單驗證開始，逐步挑戰複雜解析
