1. 常用量词总览
1.1 基本概念与分类
量词在正则表达式中用于控制前一个字符、字符集合或捕获组的重复次数，决定了匹配的边界与粒度。通过理解量词的作用，可以快速将简单模式扩展为强大的文本提取工具。掌握它们后，开发者能够更精准地描述重复行为，从而提升匹配效率与正确率。
在学习正则表达式时，常把量词按重复范围分成若干类：零次到多次、至少一次、以及指定范围内的重复次数。理解这几类的边界，是实现顺畅匹配的前提。随着进阶使用，量词还能与边界、分组以及前瞻等特性组合，构建出复杂但高效的文本处理逻辑。
1.2 常见的基本量词集合
* 表示前一个元素可出现0次或任意多次，常用于松散匹配；在某些场景下需要谨慎使用，以避免过度匹配。示例：a* 可以匹配空串和若干个 a。
+ 表示前一个元素至少出现1次，常用于确保至少有一个目标字符或子表达式；示例：a+ 匹配一个或多个 a。
?", strong> 表示前一个元素最多出现1次，等价于“出现或不出现”；示例：colou?r 可以匹配 both “color” 与 “colour”。
{n} 表示严格重复n次，{n,} 表示至少n次，{n,m} 表示在n到m之间的次数。示例：\\d{2} 匹配恰好两位数字，\\d{2,4} 匹配2到4位数字。
# 示例：使用不同量词的简单演示
import re
texts = ["a", "aa", "aaa", ""]
print([re.fullmatch(r"a*", t) is not None for t in texts]) # ['True', 'True', 'True', 'True']// 示例：基于量词的简单匹配
const samples = ["a", "aa", "aaa", ""];
const reStar = /a*/;
console.log(samples.map(s => s.match(reStar)[0] ?? "")); // ["a", "aa", "aaa", ""]
2. 贪婪与非贪婪、边界与分组
2.1 贪婪匹配与非贪婪匹配
默认情况下，量词是<贪婪匹配，会尽可能多地匹配字符。理解贪婪行为，能帮助你控制截取的长度与粒度。若希望尽可能短的匹配，应使用非贪婪匹配，在量词后加上问号。
下面的对比展示了同一个目标文本在贪婪与非贪婪模式下的差异。通过改变量词的行为，可以从整体抓取到最小匹配，从而提升抽取精度。
import re
text = "a1b a2b a3b"
greedy = re.findall(r"a.*b", text) # 贪婪：从第一个 a 拖到最后一个 b
non_greedy = re.findall(r"a.*?b", text) # 非贪婪：从每个 a 到最近的 b
print(greedy) # ['a1b a2b a3b']
print(non_greedy) # ['a1b', 'a2b', 'a3b']// JavaScript 对比贪婪与非贪婪
const text = "a1b a2b a3b";
const greed = text.match(/a.*b/g);
const nonGreed = text.match(/a.*?b/g);
console.log(greed); // ['a1b a2b a3b']
console.log(nonGreed); // ['a1b', 'a2b', 'a3b']2.2 量词后的修饰符与边界
组合量词与边界锚点（如 ^、$、\b）可以显著提升匹配的准确性。边界限定了匹配的起止位置，有助于避免“子串误匹配”的场景。
例如，在提取以某单词结尾的短语时，使用单词边界可以确保只匹配完整词汇，而不是词的一部分。这样做的关键在于将量词的应用范围限定在合适的边界之内。
// 使用边界和量词组合：提取以3位数字结尾的单词
const re = /\\b\\w+\\d{3}\\b/g;
console.log("abc123 def456".match(re)); // ["abc123", "def456"]2.3 量词的组合与性能考量
在涉及大文本或复杂模式时，谨慎设计量词的组合可以显著提升匹配速度。避免不必要的回溯，例如过度泛化的模式会导致指数级的回溯开销。通过拆分成更小的子模式，或使用非贪婪匹配来限制探测范围，可以获得更稳定的性能。
import re
# 避免过度回溯的模式示例
text = "r" + "x"*1000 + "y"
pattern = re.compile(r"x{0,1}y") # 尽量避免把 x 重复部分放在可导致回溯的结构里
print(bool(pattern.search(text)))3. 实战案例
3.1 从文本中提取日期与时间
在日志分析、表单校验或数据清洗中，日期和时间的提取是最常见的任务之一。通过使用{n}、{n,m}等量词组合，可以精准地匹配常见的格式，如 YYYY-MM-DD或 HH:MM[:SS] 等形式。
下面给出一个实战示例，展示如何同时提取日期和时间段，避免把相邻数字错误地拼接在一起。
import re
text = "事件发生在 2024-08-05 14:30:45，统计时间段 2024-08-05 23:59."
date_pat = re.compile(r"\\b\\d{4}-\\d{2}-\\d{2}\\b")
time_pat = re.compile(r"\\b\\d{2}:\\d{2}(?::\\d{2})?\\b")
print(date_pat.findall(text)) # ['2024-08-05']
print(time_pat.findall(text)) # ['14:30:45', '23:59']// 相同任务的 JavaScript 实现
const text = "事件发生在 2024-08-05 14:30:45，统计时间段 2024-08-05 23:59.";
const dateRe = /\\b\\d{4}-\\d{2}-\\d{2}\\b/g;
const timeRe = /\\b\\d{2}:\\d{2}(?::\\d{2})?\\b/g;
console.log(text.match(dateRe)); // ['2024-08-05', '2024-08-05']
console.log(text.match(timeRe)); // ['14:30:45', '23:59']3.2 验证邮箱、手机号等常见格式
正则量词在校验场景中尤为重要，合理的量词组合可以覆盖绝大多数有效输入，同时尽量避免无效串的通过。常见的邮箱、手机号等模式都会用到多种量词的组合。
邮箱的一个常用模式是：本地部分允许字母数字与部分符号，域名部分允许字母、数字、点及短横符，域名后缀通常要求两到六位字母。这样的结构需要使用多段量词来控制重复次数与集合边界。
const emailPattern = /^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[A-Za-z]{2,}$/;
console.log(emailPattern.test("user@example.com")); // true
console.log(emailPattern.test("user@sub.domain.co")); // trueimport re
pattern = re.compile(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[A-Za-z]{2,}")
print(bool(pattern.match("test@example.org"))) # True3.3 跨语言实现与对比
在前后端或脚本语言之间迁移正则时，量词及其贪婪性、边界行为通常保持一致，但转义习惯和字符串表示会有所差异。了解两种语言中的等效写法，能提升跨平台开发的效率。
import re
# 一个跨语言可用的 URL 提取示例（简化版）
pattern = r"^(?:https?://)?(?:www\\.)?([a-z0-9.-]+)(?:/.*)?$"
print(bool(re.match(pattern, "https://example.com/path"))) # True// JavaScript 中相同思路的实现
const re = /^(?:https?:\/\/)?(?:www\.)?([a-z0-9.-]+)(?:\/.*)?$/;
console.log(re.test("https://example.com/path")); // true