在编程世界里，有一条被反复“重新发现”的经典短视频：Fireship 频道的《Regular Expressions (Regex) in 100 Seconds // Finally Learn Regex》。它用三分钟不到的篇幅，把“正则表达式”这门让无数程序员又爱又怕的微型语言讲了个开门见山——一行代码干掉三十行 if-else。但这条视频真正的价值，恰恰藏在它没说完的部分：正则是编程史上极罕见的、从神经科学实验室走到每一台服务器、又能在一次配置失误中掀翻半个互联网的技术。本文以这条视频为骨架，把它没时间讲的理论源头、引擎内幕和真实事故一一补齐，让你三分钟的观看变成三小时的认知增量。
| 项目 | 详情 |
|---|---|
| 原题 | Regular Expressions (Regex) in 100 Seconds // Finally Learn Regex |
| 中文译名 | 100 秒学会正则表达式 // 这次真学会了 |
| 频道 | Fireship（主理人 Jeff Delaney） |
| 形式 | 快节奏动画+现场代码演示，"in 100 Seconds" 系列 |
| 发布时间 | 2021 年（据频道页面） |
| 热度 | 播放量数百万量级，长期位列该频道经典曲目（据频道公开数据，本文写作时未能实时复核） |
| 语言 | 英文（英文字幕），演示环境为 JavaScript |
数据说明：本期成文时实时抓取工具不可用，以上数据以频道页公开口径与多方转述交叉核对为准，未采用无法佐证的精确数字。
这条视频按"是什么→怎么写→哪里用”的顺序推进，节奏极快，拆开后有四个层次。
第一层主张：正则是一门“嵌在字符串里的迷你编程语言”。 视频开宗明义：正则表达式不是某个库、某个框架的功能，而是一种跨语言通用的文本模式描述语法。你在 JavaScript 里写的 /pattern/，和 Python、Java、Go、grep、VS Code 搜索框里的写法，九成以上是同一套符号系统。这是它值得专门学一次的根本原因——学一次，处处生效。
第二层主张：核心构件只有一巴掌那么多。 视频按顺序过了一遍积木：字符组 [abc] 与取反 [^abc]、量词 * + ? {n,m}、锚点 ^ $、任意字符 .、分组 () 与"或" |，再进阶到反向引用 \1 和前瞻断言。演示时它用了 JavaScript 的 .test() 方法，现场跑一个模式去匹配字符串，返回 true/false——用最小的可运行例子让你看见“模式在吃字符串”。这个教学策略很聪明：正则的难点从来不是语法记忆，而是“拿真实输入立刻验证”的反馈循环。
第三层主张：一行正则替代三十行代码。 这是标题党式但基本诚实的卖点。视频暗示的场景每个开发者都遇到过：从日志里抽 IP、校验表单格式、批量重构变量名、解析半结构化文本。用循环+条件判断堆出来的字符串处理代码，往往又长又脆；换成一条设计良好的正则， LOC 直接塌缩一个数量级。
第四层是它没说透的隐藏主张：正则是把双刃剑。 三分钟的体量装不下这个话题——而“剑的另一面”恰恰是本文后面最值得你带走的部分：同一条正则，可以让一个服务的 CPU 在 27 分钟内烧到 100%，让半个互联网的请求集体失败。这不是思想实验，是 2019 年真实发生的事故（下文详述）。
很多人不知道，正则表达式的诞生地不是贝尔实验室，而是神经科学。1956 年，数学家 Stephen Cole Kleene 在论文《Representation of Events in Nerve Nets and Automata》中，研究 Warren McCulloch 与 Walter Pitts 提出的神经元网络模型时，提出了一套描述"神经系统里哪些事件可以发生”的代数记号——他把这类事件称为"regular events"（正则事件）。所以严格地说，正则表达式的第一代“运行环境”是大脑模型，第二代才是计算机。这个冷知识顺带解释了正则的气质：它天生是关于“模式识别”的语言，而模式识别正是神经系统的看家本领。
1968 年，贝尔实验室的 Ken Thompson 在《Communications of the ACM》上发表《Regular Expression Search Algorithm》，把 Kleene 的记号第一次变成可执行的搜索算法，并植入了他在 CTSS 上用的 QED 编辑器。这条血脉一路传下去：QED→ed→grep。grep 这个名字本身就是正则的墓志铭——g/re/p，即 ed 编辑器里“全局（global）搜索正则表达式（regular expression）并打印（print）”的命令序列。今天你在终端里敲的每一个 grep，都在调用一条 1968 年定型的技术路线。
这是整条视频背后最重要的理论知识，也是 Fireship 完全没有展开的部分。同一个正则模式，在不同引擎上跑，性能可能有天壤之别，根源在于引擎实现分两派：
2007 年，Google 工程师 Russ Cox 发表了著名的三部曲文章《Regular Expression Matching Can Be Simple And Fast (but is slow in Java, Perl, PHP, Python, Ruby, ...)》，系统对比两派并指出：业界主流语言“放着线性算法不用，集体选择了会爆炸的算法”。这篇文章直接催生了 Google 的 RE2 库——一个保证线性时间的 C++ 正则引擎，曾支撑 Google Code Search；Go 语言的 regexp 标准库和 Rust 的 regex crate 都是 RE2 思想的直系后代，官方文档明确宣称不提供回溯、保证线性时间。
理论上的“指数爆炸”长什么样？2019 年 7 月 2 日，全世界见识了一次。当天 13:30（UTC）起，Cloudflare 全球边缘网络出现大面积 502 错误，大量网站无法访问，持续约 27 分钟。事后 CTO John Graham-Cumming 发布了技术复盘：一名工程师部署了一条新的 WAF（Web 应用防火墙）规则，其中一条正则含有嵌套量词结构（形如“可无限重复的组里又嵌着可无限重复的部分”）。这类模式喂给回溯型引擎时，某个恶意构造的 HTTP 请求就能触发灾难性回溯——CPU 在 combinatorial 爆炸中被烧到 100%，全球边缘节点集体瘫痪。复盘文章公称为一次“全球性停摆（global outage）”，并详细记录了从定位到回滚配置的完整时间线。这条新闻至今仍被当作 ReDoS（Regular expression Denial of Service，正则拒绝服务攻击）的教科书案例，OWASP 也为此维护着专门的 ReDoS 攻击条目与防御指南。
学术侧同样有量化证据：Virginia Tech 团队 Davis 等人在 ESEC/FSE 2017 发表的实证研究《The Impact of Regular Expression Denial of Service (ReDoS) in Practice》，大规模扫描了 npm 生态，报告了数以千计的 JavaScript 模块携带可被 ReDoS 攻击的正则——换句话说，你今天 npm install 下来的依赖树里，大概率就埋着几颗“Cloudflare 级”的小型地雷。
雅的彩蛋：正则可以判定素数。著名的 ^1?$|^(11+?)\1+$ 利用非贪婪捕获与反向引用，在“一进制”（用 11 表示 2、111 表示 3）上完成素性检验——它恰恰依赖回溯派引擎的反向引用能力，在 RE2 这类线性引擎上反而写不出来。这是“表达力换性能”最优雅的注脚。
俗的彩蛋：那句流传了二十多年的程序员圈谚语——"Some people, when confronted with a problem, think 'I know, I'll use regular expressions.' Now they have two problems."（有些人遇到问题想：我知道，用正则！于是他们有了两个问题。）通常归于 Netscape/Perl 老兵 Jamie Zawinski 在 1997 年的 Usenet 发言。它和视频的“一行抵三十行”构成一组绝妙的对冲：正省下的行数，就是负省下的可读性。
证据充分的部分。 自动机理论与回溯指数爆炸有严格的数学基础，不是经验之谈；Thompson 算法的线性性有 Cox 文章和 RE2/Go/Rust 的工程实现双重背书；Cloudflare 事故有厂商官方复盘全文，时间线、根因、修复过程全部公开，属于罕见的高透明度案例；npm 生态的 ReDoS 普遍性有同行评审论文支撑。这些是本文可以放心敲黑板的部分。
需要打折的部分。 其一，"100 秒学会”是营销话术。视频教你的是语法构件，而从“认识构件”到“写出正确、高效、可维护的正则”之间隔着大量实践——尤其嵌套量词的陷阱，恰恰是初学者最容易踩、而视频无暇提示的。其二，“一行抵三十行”要辩证看：行数塌缩的代价是可读性塌缩，团队里能看懂复杂正则的人永远少于能看懂三十行循环的人。其三，关于邮箱校验这类经典用例，社区早有共识：RFC 5322 兼容的正则长到荒谬，Stack Overflow 上围绕“用正则校验邮箱”的经典问题积累了百万级浏览量，高票答案几乎一边倒地建议——别硬校验，发一封确认邮件才是唯一可靠的验证。视频作为入门演示拿邮箱举例可以理解，照搬到生产环境则是另一回事。其四，客观地说，这条视频是 Fireship 内容漏斗的一环，节奏服务于"信息密度观感"，深水区的风险提示不是它的任务——这不是贬低，而是观看这类“神课”时应有的清醒。
长期争议点。 “该不该用正则处理结构化数据（HTML/JSON）"是社区常年互怼的话题。正则派说快，解析器派说稳。主流工程判断是：一次性的日志抽取、文本清洗，正则利大于弊；任何有嵌套结构的正式解析场景，请用真正的解析器——正则的“正则”二字（regular）本身就宣告了它只擅长正则语言，而 HTML 的嵌套结构早已超出正则语言的表述能力。
启示一：把“引擎选型”纳入正则技能树。 大多数人把正则当成纯语法知识，真正的分水岭在于追问一句：“这条正则会跑在回溯型引擎还是线性型引擎上？" 在高并发、处理不可信输入的路径上（网关、防火墙、日志接入），优先选 Go regexp、Rust regex、RE2 这类线性保证的实现；如果困在 JavaScript/Python 生态，至少在上线前用最坏输入（长串重复字符+嵌套量词模式）做一次压力测试，并为匹配操作设置超时或回溯上限（如 PHP 的 pcre.backtrack_limit）。npm 生态有 safe-regex、recheck 等静态检测工具，值得进 CI。
启示二：用 80/20 法则学语法，用可视化工具建立反馈循环。 字符组、量词、锚点、分组这四类构件覆盖了九成日常需求，先吃透它们，反向引用与断言按需补课。练习时别在编辑器里盲写——regex101、regexr 这类站点能实时可视化每一步匹配过程、标出回溯热点，把正则学习从“背咒语”变成“看得见的实验”。把复杂正则当代码而非字符串来维护：开启 verbose 模式加注释、使用命名分组、为它写单元测试。
启示三：警惕“来源不可信的正则”。 Cloudflare 事故的正则是自家工程师写的，尚且酿成全球事故；而现实中风险更大的场景是用户自定义正则——比如让用户输入自己的过滤规则、搜索语法的系统。这类入口等于把 CPU 出租给了外部世界，必须叠加静态检测、超时熔断、沙箱执行三层防护。一个朴素的代码审查习惯：看到 (.*)*、(.+)+ 这类嵌套量词结构，直接打回重写。
flowchart TD
A["1956 Kleene<br>研究神经元网络提出正则事件"] --> B["1968 Ken Thompson<br>QED / ed / grep 首个工程实现"]
B --> C{"两条引擎路线"}
C -->|"回溯派 NFA"| D["Perl / PCRE / JS / Python<br>支持反向引用 表达力强"]
C -->|"自动机派 线性"| E["Thompson 算法 / RE2<br>Go regexp / Rust regex"]
D --> F["嵌套量词触发指数回溯<br>ReDoS 风险"]
F --> G["2019-07-02 Cloudflare<br>全球宕机约27分钟"]
G --> H["OWASP ReDoS 防护指南<br>safe-regex / recheck 进CI"]
B --> I["Fireship 100秒神课<br>一行正则替代三十行代码"]
I --> J["收益 表达力与效率"]
I --> K["代价 可读性与风险"]
E --> L["线性时间保障<br>高并发不可信输入首选"]
J --> M["工程正解 会用 更要会防"]
K --> M
H --> M
L --> M
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。