AntheaLaffy 正则表达式
主线：regex 是描述字符串集合的语言，用于模式匹配/校验/解析——命令行（grep/sed 用法见 shell-data-wrangling）、IDE、代码里都有（测试运行器也能用 regex 选测试子集）。先学本讲基础，之后按需查参考资料，别背整门语言；用 regex101 开发调试（还能切换 Python/JavaScript 等不同 flavor 试语法差异）。
示例
abc字面量；missing|semester或；\d{4}-\d{2}-\d{2}YYYY-MM-DD 形状（不验日期合法性，"2026-01-99" 也匹配）；.+@.+最弱的 email 形状；\bdef\b只匹配函数定义里的 def、不匹配 define 里的。
基本构件
- 字面量字符；
.任意单字符；[abc]/[^abc]/[a-f]字符集；a|b或；\d数字、\w单词字符、\b单词边界；(...)分组；?/*/+/{N}量词（零或一 / 任意 / 一或多 / 精确 N）；\.字面量点、\\字面量反斜杠；^行首、$行尾。
捕获组与引用
- 提取：
re.match(r"\d{4}-(\d{2})-\d{2}", "2026-01-14").group(1)→'01'。Python 用r''原始字符串省去转义的痛苦。 - 替换里引用分组语法随工具不同：VS Code 用
$1/$2，Vim 用\1/\2；Vim 连量词和分组都要反斜杠（\d\+、\(\d\+\)），而 ag/Python 里是\d+、(...)——这就是「flavor 差异」。 - 贪婪陷阱：量词默认贪婪，
.*会吞到最后一个可能位置——从 JSON 字符串里提取字段时极易吞多；按需换非贪婪.*?或更精确的字符集。
局限性
- 标准正则表达不了 {aⁿbⁿ | n≥0} 这类语言；HTML 不是正则语言——别用 regex 解析复杂结构，用解析器（pyparsing/PEG）或语言自带的 JSON 库。
- 现代引擎的前瞻、反向引用等已超出正则语言，实用但要知道边界。
- LLM 生成 regex 很有效（给它样例行，如 nginx 日志行），产物拿 regex101 验证再上线。
练习
学习材料在 exercises.md。
改编自 MIT The Missing Semester 课程 Lecture 9: Code Quality（讲义 + 口播稿，CC BY-NC-SA 4.0）：https://creativecommons.org/licenses/by-nc-sa/4.0/ · 课程站点：https://missing.csail.mit.edu/ · 讲座视频：https://www.youtube.com/watch?v=XBiLUNx84CQ