约 1400 字 预计阅读 3 分钟
正则表达式速查表
常用元字符
| 元字符 | 说明 | 示例 | | |
|---|
. | 任意单个字符（除换行） | a.c 匹配 abc, a1c | | |
* | 0 次或多次 | ab* 匹配 a, ab, abb | | |
+ | 1 次或多次 | ab+ 匹配 ab, abb (不匹配a) | | |
? | 0 次或 1 次 | ab? 匹配 a, ab | | |
^ | 行首 | ^hello 匹配行首的 hello | | |
$ | 行尾 | world$ 匹配行尾的 world | | |
\ | 转义字符 | \. 匹配点号 | | |
| ` | ` | 或 | `cat | dog` 匹配 cat 或 dog |
[] | 字符集 | [abc] 匹配 a 或 b 或 c | | |
[^] | 否定字符集 | [^abc] 不匹配 a,b,c | | |
() | 分组 | (ab)+ 匹配 ab, abab | | |
预定义字符类
| 字符类 | 等价于 | 说明 |
|---|
\d | [0-9] | 数字 |
\D | [^0-9] | 非数字 |
\w | [a-zA-Z0-9_] | 单词字符 |
\W | [^a-zA-Z0-9_] | 非单词字符 |
\s | [ \t\n\r\f\v] | 空白字符 |
\S | [^ \t\n\r\f\v] | 非空白字符 |
Web 逆向常用模式
URL 匹配
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| # 完整 URL
https?://[\w\-\.]+(/[\w\-\./?%&=]*)?
# 提取域名
https?://([^/]+)
# 提取路径
https?://[^/]+(/[^?]+)
# 提取查询参数
[?&]([^=]+)=([^&]+)
# 提取所有 URL (宽松)
https?://[^\s]+
|
Python 示例:
1
2
3
4
5
| import re
text = "Visit https://example.com/api?key=value and http://test.com"
urls = re.findall(r'https?://[^\s]+', text)
# ['https://example.com/api?key=value', 'http://test.com']
|
加密特征
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| # MD5 (32位十六进制)
[a-f0-9]{32}
# SHA1 (40位)
[a-f0-9]{40}
# SHA256 (64位)
[a-f0-9]{64}
# Base64
[A-Za-z0-9+/]{4,}={0,2}
# JWT Token
eyJ[A-Za-z0-9_-]+\.eyJ[A-Za-z0-9_-]+\.[A-Za-z0-9_-]+
# UUID
[a-f0-9]{8}-[a-f0-9]{4}-[a-f0-9]{4}-[a-f0-9]{4}-[a-f0-9]{12}
|
JavaScript 示例:
1
2
| const md5Pattern = /[a-f0-9]{32}/g;
const md5Hashes = text.match(md5Pattern);
|
API 响应提取
1
2
3
4
5
6
7
8
9
10
11
| # JSON 字符串值
"([^"]+)"\s*:\s*"([^"]+)"
# 提取 token
["']token["']\s*:\s*["']([^"']+)["']
# 提取数字ID
["']id["']\s*:\s*(\d+)
# 提取所有键值对
["'](\w+)["']\s*:\s*["']?([^,"']+)["']?
|
示例:
1
2
3
4
5
6
7
8
| import re
import json
response = '{"token":"abc123","user_id":12345}'
# 提取 token
token = re.search(r'"token"\s*:\s*"([^"]+)"', response).group(1)
# 'abc123'
|
Cookie 提取
1
2
3
4
5
6
7
8
| # 提取所有 Cookie
([^=]+)=([^;]+)
# 提取特定 Cookie
session_id=([^;]+)
# 提取 Cookie 属性
;\s*(\w+)=([^;]+)
|
示例:
1
2
3
| cookie_str = "session_id=abc123; user=admin; expires=Wed, 21 Oct 2025"
cookies = dict(re.findall(r'([^=]+)=([^;]+)', cookie_str))
# {'session_id': 'abc123', 'user': 'admin', 'expires': 'Wed, 21 Oct 2025'}
|
JavaScript 代码模式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| # 函数定义
function\s+(\w+)\s*\([^)]*\)
# 变量声明
(var|let|const)\s+(\w+)\s*=\s*([^;]+)
# 字符串字面量
["']([^"']+)["']
# 数字字面量
\b\d+\.?\d*\b
# 注释
//.*$|/\*[\s\S]*?\*/
|
手机号/邮箱
1
2
3
4
5
6
7
8
9
10
11
| # 中国手机号
1[3-9]\d{9}
# 邮箱
[\w\.-]+@[\w\.-]+\.\w+
# IPv4
\b(?:\d{1,3}\.){3}\d{1,3}\b
# 身份证号
[1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]
|
JavaScript 中使用
基础用法
1
2
3
4
5
6
7
| const pattern = /pattern/flags;
// 常用方法
pattern.test(str) // 返回 true/false
str.match(pattern) // 返回匹配数组
str.replace(pattern, replacement)
pattern.exec(str) // 返回详细匹配信息
|
Flags (标志)
| Flag | 说明 |
|---|
g | 全局匹配 |
i | 忽略大小写 |
m | 多行模式 |
s | dotAll 模式（.匹配所有字符） |
u | Unicode 模式 |
y | 粘性匹配 |
示例
1
2
3
4
5
6
7
8
| // 提取所有链接
const html = '<a href="/page1">Link</a><a href="/page2">Link2</a>';
const links = html.match(/href="([^"]+)"/g);
// ['href="/page1"', 'href="/page2"']
// 只提取 href 值
const hrefValues = [...html.matchAll(/href="([^"]+)"/g)].map((m) => m[1]);
// ['/page1', '/page2']
|
Python 中使用
re 模块
1
2
3
4
5
6
7
8
9
10
11
| import re
# 编译正则（提高性能）
pattern = re.compile(r'pattern')
# 常用方法
re.search(pattern, string) # 查找第一个匹配
re.findall(pattern, string) # 查找所有匹配
re.finditer(pattern, string) # 返回迭代器
re.sub(pattern, repl, string) # 替换
re.split(pattern, string) # 分割
|
Flags
1
2
3
4
| re.IGNORECASE # 或 re.I - 忽略大小写
re.MULTILINE # 或 re.M - 多行模式
re.DOTALL # 或 re.S - .匹配所有字符
re.VERBOSE # 或 re.X - 详细模式（可以写注释）
|
示例
1
2
3
4
5
6
7
8
| # 提取加密参数
code = 'sign=md5("user"+password+"secret")'
match = re.search(r'sign=(\w+)\("([^"]+)"\+(\w+)\+"([^"]+)"\)', code)
if match:
algorithm = match.group(1) # 'md5'
param1 = match.group(2) # 'user'
param2 = match.group(3) # 'password'
secret = match.group(4) # 'secret'
|
高级技巧
非贪婪匹配
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| # 贪婪（尽可能多）
.*
# 非贪婪（尽可能少）
.*?
# 示例
<div>content</div><div>more</div>
# 贪婪: <div>.*</div>
# 匹配: <div>content</div><div>more</div>
# 非贪婪: <div>.*?</div>
# 匹配: <div>content</div>
|
前瞻和后顾
1
2
3
4
5
6
7
8
9
10
11
| # 正向前瞻 (?=pattern)
\w+(?=\d) # 匹配后面跟数字的单词
# 负向前瞻 (?!pattern)
\w+(?!\d) # 匹配后面不跟数字的单词
# 正向后顾 (?<=pattern)
(?<=\$)\d+ # 匹配前面有$符号的数字
# 负向后顾 (?<!pattern)
(?<!\$)\d+ # 匹配前面没有$符号的数字
|
命名分组
1
2
3
4
5
| # Python
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
match = re.search(pattern, '2024-01-15')
print(match.group('year')) # '2024'
print(match.group('month')) # '01'
|
1
2
3
4
| // JavaScript
const pattern = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
const match = "2024-01-15".match(pattern);
console.log(match.groups.year); // '2024'
|
在线测试工具
实战示例集
1. 提取 JavaScript 函数调用
1
2
3
| code = "encrypt('password', 'key'); hash(data)"
calls = re.findall(r'(\w+)\s*\(([^)]*)\)', code)
# [('encrypt', "'password', 'key'"), ('hash', 'data')]
|
2. 清理 HTML 标签
1
2
3
| html = "<p>Hello <strong>World</strong></p>"
text = re.sub(r'<[^>]+>', '', html)
# "Hello World"
|
3. 验证时间戳格式
1
2
3
4
5
| # 13位时间戳（毫秒）
\b1\d{12}\b
# 10位时间戳（秒）
\b1\d{9}\b
|
4. 提取混淆变量名
1
2
| # 提取 _0x 开头的变量
_0x[a-f0-9]+
|
1
2
3
| code = "var _0x1234 = function(_0xabcd) { return _0xabcd + _0x5678; }"
vars = re.findall(r'_0x[a-f0-9]+', code)
# ['_0x1234', '_0xabcd', '_0xabcd', '_0x5678']
|
性能优化
避免回溯
1
2
3
4
5
| # 慢（大量回溯）
(a+)*b
# 快（使用原子组）
(?>a+)*b
|
编译正则
1
2
3
4
| # 如果要多次使用，先编译
pattern = re.compile(r'complex_pattern')
for text in texts:
matches = pattern.findall(text) # 更快
|
相关章节
相关内容
支付宝
微信