# 正则：程序员的黑白魔法——一条“100秒神课”深度解读 ## 概述：为什么这条视频值得认真读一遍 在编程世界里，有一门技能几乎人人用过、人人怕过、人人骂过，却谁也离不开它——正则表达式（Regular Expression，简称 regex）。YouTube 上知识类频道 Fireship 的《Regex in 100 Seconds》正是把这门“黑白魔法”压缩进两分钟的神课：节奏极快、信息密度极高，评论区常年是一边“我看了五遍才消化”一边“这是我唯一看懂的正则入门”的两极景观。它常青的原因很朴素：只要你还需要处理文本——验证表单、解析日志、清洗数据、改配置——你就迟早会和正则狭路相逢。 但两分钟只能给你一张“地图”，不能给你“地形”。这篇文章的任务，是把这条视频里的每一句话拆开、放慢、溯源、批判：正则从哪里来（它其实是一门被数学定义过的语言）、它的两个引擎为什么性能天差地别、为什么它既是程序员的最爱又是生产事故的常客。看完本文，你没看过视频也能懂；看过视频，你会多懂一整层。 ## 视频基本信息 | 项目 | 内容 | |---|---| | 视频标题 | Regex in 100 Seconds（100秒讲完正则表达式） | | 频道 | Fireship（主理人 Jeff Delaney） | | 发布时间 | 2020年12月前后（据频道页面） | | 播放量 | 数百万级，为其“100秒”系列常青头部（据频道页面，未实时核验精确数字） | | 时长 | 约2分钟 | | 观看渠道 | YouTube 检索 "Fireship Regex in 100 Seconds"，或访问其官方频道页 | （注：以上数据以频道页面公开信息为准，本文无法实时核验精确播放量，故只标注量级。） ## 核心主张拆解：两分钟里到底装了什么 这条视频的叙事结构极其紧凑，本质上是一堂“从零到能写”的速成课。按镜头顺序拆开，它讲了五层内容。 ### 第一层：正则到底是什么——描述“模式”的语言 视频开宗明义：正则表达式是一种用**符号描述文本模式**的微型语言。它不是某家公司的产品，也不是某个库的 API，而是一种横跨几乎所有编程语言的通用记法。你写下 `^\d{3}-\d{4}$`，任何语言都能读懂这句话：“以三个数字开头、中间一个连字符、后面跟四个数字、然后结束。” 视频在这里埋了一个重要的认知锚点：正则解决的不是“查找某个字符串”，而是“查找**一类**字符串”。前者用 Ctrl+F 就够了，后者才是正则存在的理由。这也是它难的根源——你从“字面思维”切换到“模式思维”，等于换了一种世界观。 ### 第二层：字符与字符类——积木的最小单元 接下来视频快速演示了基础积木：普通字符按字面匹配；方括号 `[abc]` 表示“这个位置可以是 a、b 或 c”；`\d` 代表任意数字，`\w` 代表字母数字下划线，`.` 代表任意单个字符。这一层的要点是：正则的每个符号都在回答一个问题——“**下一个字符长什么样**”。把正则读对的方法，是从左到右逐位“过筛子”，而不是把它当一个整体去猜。 ### 第三层：量词与贪婪——正则真正的威力区 然后是威力最大的部分：量词。`*` 表示零次或多次，`+` 表示一次或多次，`?` 表示零次或一次，`{2,5}` 表示两次到五次。视频在这里出现了一个几乎所有初学者都会踩、但两分钟课程没时间展开的深坑——**贪婪匹配**：默认情况下量词会“吃掉尽可能多”的字符，想让它“吃少一点”，要在量词后面加问号变成懒惰模式。`<.*>` 和 `<.*?>` 在解析 HTML 时会给出完全不同的结果。这个加号后的小问号，是新手与老手写出的正则最常见的一处分水岭。 ### 第四层：锚点与分组——给模式装上骨架 量词解决“重复”，锚点解决“位置”：`^` 锚定行首，`$` 锚定行尾，`\b` 锚定单词边界。分组用圆括号实现，除了把几个符号捆成一个整体，还能“捕获”匹配内容供后续引用，配合 `|` 实现“或”的分支。至此，视频已经拼出了完整的能力图谱：字符描述内容，量词描述重复，锚点描述位置，分组描述结构。 ### 第五层：断言、场景与工具——从会写到会用 最后视频亮出了高级技能——环视断言（lookahead / lookbehind）：只匹配“后面跟着 XX”的位置，却不把 XX 吃进结果。然后给出了正则的三大典型战场：表单验证（邮箱、手机号）、搜索替换（编辑器里的批量改写）、日志与数据的抽取清洗。结尾不忘安利两个神器：regex101 这类在线调试工具（实时高亮、逐条解释每个符号）和“别背语法、要用时现查”的实用主义态度。 ## 知识与理论溯源：这条视频背后七十年的学术与工程史 两分钟的视频当然没时间讲历史，但正则的每个符号背后都站着真实的人和论文。这一节是本文要给你的“多懂的一层”。 ### 1. 数学源头：Kleene 的“正则事件”（1951） 正则不是程序员发明的，是数学家发明的。1951年，美国兰德公司（RAND）的数学家斯蒂芬·科尔·克莱尼（Stephen Cole Kleene）在研究神经网络建模时，提出了一类可以用极简规则描述的“正则事件”（regular events），后于1956年发表为论文《Representation of Events in Nerve Nets and Finite Automata》。他证明了：这类语言恰好等于**有限自动机**所能识别的语言。这个等价关系是整个正则帝国的地基——你在键盘上敲的每个 `*` 和 `+`，都是一个数学对象。 ### 2. 工程落地：Ken Thompson 把数学塞进编辑器（1968） 真正让正则“飞入寻常百姓家”的是 Unix 传奇肯·汤普森（Ken Thompson）。1968年，他在 CACM 发表论文《Regular Expression Search Algorithm》，给出了把正则编译成 IBM 7094 机器码的高效实现，并把它做进了 QED 编辑器。随后在贝尔实验室的 ed 编辑器里，搜索命令的用法是“全局（global）搜索正则表达式（regular expression）并打印（print）结果”——这个命令的缩写 `g/re/p`，就是日后命令行神器 **grep** 的名字。你在终端里敲下的每一次 grep，都是在向 1968 年的贝尔实验室致敬。 ### 3. 方言大分裂：一套语法，各说各话 正则随后随 Unix 扩散，但也开始了几十年的“方言分裂”：POSIX 定义了基础正则（BRE）与扩展正则（ERE）两套标准；Perl 横空出世后加入大量糖衣与高级特性，形成了事实上的 PCRE（Perl Compatible Regular Expressions）流派；JavaScript、Python、Java、.NET 各自实现了“大致像 Perl 但各有出入”的版本。同一条正则，换一个语言可能语义就变——这正是视频里“别背语法、用时查工具”态度背后的历史原因：不是你不努力，是这门语言确实没有唯一标准。 ### 4. 引擎的两条路线：回溯派与自动机派 这是理解正则性能的钥匙，也是视频中完全没讲、但任何在生产环境用过正则的人都该懂的一层。实现正则的引擎分两大流派： - **回溯引擎（backtracking，NFA 路线）**：PCRE、Perl、Python、JavaScript、Java 默认都是这一派。它像走迷宫的老鼠：一条路走到黑，撞墙了退回来换条路再试。好处是支持环视断言、反向引用等高级功能；坏处是**最坏情况下会指数级爆炸**——模式里的每个岔路都让试探次数翻倍。 - **自动机引擎（DFA/NFA 模拟，线性路线）**：Go 的 regexp、Rust 的 regex、谷歌的 RE2 是这一派。它把正则编译成有限自动机，模拟**所有**可能路径同时前进，时间永远与输入长度成正比，绝不会爆炸；代价是不支持反向引用等高级特性。 2010年前后，谷歌工程师拉斯·考克斯（Russ Cox）在 swtch.com 发表的著名三部曲《Regular Expression Matching Can Be Simple And Fast (but is slow in Java, Perl, PHP, Python, Ruby...)》系统梳理了这段历史：Thompson 1968 年的算法本来就是线性的，后来的主流语言却普遍选择了容易实现高级功能的回溯路线，等于在性能上“开倒车”。这篇文章是正则领域被引用最多的工程文献之一。 ### 5. 血的教训：回溯爆炸引发的两次著名宕机 理论爆炸是真的会炸的。2016年7月，Stack Overflow 因一条性能问题正则在负载评估环节触发灾难性回溯，页面大面积不可用，事后官方复盘公开了全过程；2019年7月2日，Cloudflare 全球边缘网络因一条正则（内含嵌套量词叠加的病态模式）导致边缘节点 CPU 打满，接近全网宕机约27分钟，其官方博客以《Details of the Cloudflare outage on July 2, 2019》做了极其坦诚的复盘。两次事故的模式高度一致：一条“在测试数据上跑得好好的”的正则，遇到某段“恰好恶意”的输入，回溯次数指数级增长，CPU 瞬间归零可用性。这类攻击有个专门的名字：**ReDoS**（Regular Expression Denial of Service，正则拒绝服务）。 ## 批判性审查：这条视频哪里靠谱，哪里埋着坑 ### 证据充分、值得放心的部分 视频对正则语法的讲解本身零瑕疵——字符类、量词、锚点、分组、断言的表述全部准确，这是 Fireship 一贯的工程严谨度。“用 regex101 调试”的建议也完全正确：正则是典型的“看会了≠会写”技能，逐符号可视化反馈是最高效的学习路径，这个建议值得再加倍强调。 ### 被压缩掉的关键一课：引擎是怎么“想”的 100秒课程最大的取舍，是只教“怎么写”，没教“引擎怎么读”。而上面两起宕机事故证明：**只会写、不懂引擎，等于拿着能走火的工具不知道枪里有没有子弹**。`(a+)+b` 这种嵌套量词模式，对普通输入毫无异样，对一串 "aaaaaaaaaaaaaaaaaaaaX" 却会让回溯型引擎卡到天荒地老——同一份代码，换个输入就是事故。这不是初学者才需要的知识，而是每一个把正则投放到生产环境的人的必修课。 ### 被一带而过的深坑：邮箱验证 视频把邮箱验证作为典型场景，但没说的是：**“用一条正则完美验证邮箱”本身就是社区里被嘲笑了二十年的经典陷阱**。RFC 5322 定义的合法邮箱地址复杂到理论上需要递归才能完全描述；业界共识早已是“用一条宽松正则做初筛 + 发送确认邮件做真验证”。程序员圈流传的名言出自 Netscape 早期工程师 Jamie Zawinski： > “有些人遇到问题时想：‘我知道，我用正则吧。’现在他们有两个问题了。” xkcd 漫画也曾专门调侃“用正则解析 HTML”的自噬行为。这些调侃的共同内核是：正则适合**正则语言**层面的任务，一旦任务涉及任意深度的嵌套结构（HTML、JSON、配对括号），正则在理论上就注定力不从心——这又要回到 Kleene 的等价性定理：有限自动机没有栈，数不了括号层数。你嘲笑的每个“正则解析 HTML”的段子，其实都是 1956 年那篇数学论文早已证明的定理。 ### 值得补上的另一面：它其实没那么可怕 大量“正则恐惧症”来自可读性差的超长正则。但工程实践里有一条被低估的纪律：**正则的复杂度应该被控制在“一眼能读”的范围内**，超出的部分应该拆成多条简单正则加普通代码，或者直接用字符串 API（split、indexOf、模板匹配）解决。社区 surveys 中“程序员最怕的正则”大多是人祸——把三百个业务规则硬塞进一条模式。正则不是用来炫技的一行流，是用来消灭重复样板代码的工具；当它开始制造样板般的晦涩时，就该退场了。 ## 认知提升与实用启示：三条可以立刻执行的建议 ### 建议1：写正则前，先在心里画状态机 看懂一条复杂正则的秘诀，是把“模式”翻译成“状态流转”：我从行首出发，此刻期待什么字符，吃到它之后进入什么状态，什么情况宣告失败。下次面对一条看不懂的正则，别整段盯着看，用 regex101 的高亮逐步喂样例字符串，观察哪些位置点亮、哪些位置熄灭——你实际上是在观察一台自动机的运转。理解从“背符号”升级为“走状态”，正则就从咒语变成了透明的机器。 ### 建议2：对来自外部的输入，默认它会攻击你的正则 给自己立一条工程铁律：凡是用在服务端、处理不可信输入的正则，写完后必须做两件事——第一，检查是否存在嵌套量词（`(a+)+`、`(a|a)*`、`(.*)*` 这类结构）；第二，用超长重复样本压测一遍耗时。如果你的语言/运行时有条件，优先选择线性引擎：Go 的 regexp、Rust 的 regex、谷歌 RE2 天生免疫 ReDoS；必须用回溯引擎时，把匹配调用放进超时保护里。Cloudflare 那条炸掉半个边缘网络的正则，上线前没人觉得它会出事。 ### 建议3：把正则当“手术刀”，别当“瑞士军刀” 正则最甜的场景有三类：**格式明确的短文本验证**（日期、编号、版本号）、**编辑器与命令行里的批量搜索替换**（一次顶一小时手工）、**日志与数据的结构抽取**（配合分组捕获）。超出这三类的诱惑——解析 HTML、校验复杂业务规则、“一行搞定”的炫技——都先问自己一句：普通代码是不是更清楚？可读性是团队资产，一行别人看不懂的“优雅”正则是团队负债。 ## 视频论证结构与知识关系图 ```mermaid flowchart TD A["Kleene 正则集
1951"] --> B["Thompson 塞进编辑器
1968"] B --> C["grep 诞生
g/re/p"] C --> D["方言大分裂
POSIX 与 PCRE"] D --> E1["回溯引擎
功能多 会爆炸"] D --> E2["自动机引擎
线性 永不爆炸"] E1 --> F["嵌套量词
回溯爆炸"] F --> G["ReDoS 事故
2016 与 2019 两次宕机"] E2 --> H["RE2 等线性实现
生产安全选项"] G --> I["三条纪律
查嵌套 压测 限超时"] ``` ## 延伸阅读 1. **Russ Cox《Regular Expression Matching Can Be Simple And Fast》三部曲**（swtch.com/~rsc/regexp/）——把本文“两种引擎”一节展开成三篇神作，读完你会彻底理解正则的性能本质，是进阶的第一必读。 2. **regex101.com**——视频里推荐的在线调试器，逐符号解释 + 实时匹配 + 回溯步数统计；建议把本文提到的 `(a+)+b` 喂进去，亲眼看一次回溯爆炸。 ## 参考来源 1. [Fireship 官方频道页](https://www.youtube.com/@Fireship) — 《Regex in 100 Seconds》可在频道内直接检索观看 2. [Russ Cox 正则系列文章](https://swtch.com/~rsc/regexp/) — 《Regular Expression Matching Can Be Simple And Fast》等三部曲原文 3. [Cloudflare 官方博客](https://blog.cloudflare.com) — 复盘文章《Details of the Cloudflare outage on July 2, 2019》，2019年正则宕机事故的一手资料 4. [regular-expressions.info](https://www.regular-expressions.info) — 老牌正则教程站，各语言方言差异的系统对照 5. Ken Thompson《Regular Expression Search Algorithm》，Communications of the ACM, 1968 — 正则工程化的开山论文（ACM 数字图书馆可检索） --- > 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。