说明：本次会话联网工具受限，未能在线复核视频页实时数据；本文对该集内容的概述基于视频公开信息与系列惯例整理，播放量等实时数据以频道页面为准。文中涉及的技术史与安全事件均为公开可查证的资料，出处见文末参考来源。
正则表达式是程序员用得最多、却理解得最浅的工具之一：几乎人人会“抄”一段正则来校验邮箱、抓取日志，但很少有人真正明白，这段 /.../ 里的符号串到底是怎么“跑”起来的，以及为什么同一个模式在 A 系统里毫秒出结果、在 B 系统里能把 CPU 打满到服务瘫痪。
Fireship 频道的《Regular Expressions (Regex) in 100 Seconds》正是补齐“第一层认知”的经典单集：一百多秒的正片冲刺，把正则从“神秘天书”还原成“一门微型声明式语言”。本文在视频只讲“是什么”的地方，替你往下多挖三层——它从哪来（理论溯源）、它怎么执行（两种引擎）、它怎么闯祸（一场真实的大型事故）——让你看完等于看完了视频，还多懂一层。
| 项目 | 内容 |
|---|---|
| 视频标题 | Regular Expressions (Regex) in 100 Seconds（正则表达式100秒速成） |
| 频道 | Fireship（主讲：Jeff Delaney） |
| 频道定位 | 头部编程知识频道，以"…in 100 Seconds"高密度速成系列和行业快评著称 |
| 发布时间 | 约2021年（该系列高峰期单集；精确日期未能在线核验，以频道页为准） |
| 播放量 | 未能在线核验，实时数据以频道页面为准 |
| 本集定位 | 100秒系列的编程基础经典单集，长期被用作正则入门的“第一课” |
视频的叙事极快，但骨架清晰，按顺序其实是五件事。
第一件：正则不是“符号技巧”，而是一门语言。 视频开宗明义地把正则定义为“用模式描述文本”的声明式语言——你不写“先取第一个字符，再判断是不是数字”的过程代码，而是直接写出“我要的东西长什么样”。这是理解正则最重要的视角转换：从“怎么做”转向“是什么”。
第二件：五类积木拼出一切模式。 视频用连续的代码示例过了一遍正则的核心构件——字符类（如 [0-9]、\d 匹配一个数字）、任意字符 .、锚点（^ 开头、$ 结尾）、量词（* 零次以上、+ 一次以上、{2,4} 指定次数）、分组与捕获 ()。复杂如校验电话号码、抓取 HTML 标签的模式，都是这五类积木的组合。
第三件：它不挑宿主语言。 视频以 JavaScript 为示范宿主（match、replace、test），但刻意点明：正则语法几乎是跨语言通用的最小公约数，Python、Java、Go、编辑器的查找框里都认同一套写法。这让它成为程序员的“第二母语”——学一次，处处能用。
第四件：会用，不等于用好。 一百秒的正片当然讲不完善的艺术，但视频用邮箱校验这类经典例子暗示了正则的深坑：看起来人畜无害的一行模式，遇到“恶意构造”的输入可能完全失控。这层在视频里只是轻轻带过，却是本文要重点展开的“多懂一层”。
第五件：为什么值得每个工程师学。 视频的收尾立场很鲜明——在日志分析、数据清洗、搜索替换、词法解析这些场景里，正则的投入产出比极高；它不是炫技工具，而是工程师的日常杠杆。
视频没讲的来龙去脉，才是这条知识链真正精彩的部分。
1. 起源：1950年代，正则诞生于神经科学。 “正则表达式”的理论源头是数学家 Stephen Kleene 1956年的论文《Representation of Events in Nerve Nets and Automata》：他在研究麦卡洛克-皮茨神经网络的建模时，定义了一类可以用极简算子（连接、并、 Kleene 星号 *）描述的“正则事件”——这就是今天每个正则里那个 * 的名字来源。也就是说，正则最初描述的不是文本，而是神经网络的可达状态。
2. 工程化：1968年，Ken Thompson 把它变成了软件。 Thompson 在 CACM 发表《Regular Expression Search Algorithm》，首次把正则编译成 IBM 7094 的机器码来执行搜索，核心技术后来被称为“Thompson 构造法”——把正则展开成非确定性有限自动机（NFA）同时模拟所有可能路径，时间与文本长度成正比。他把这套实现带进了贝尔实验室的编辑器 ed，而 ed 里那条“全局搜索正则并打印”（g/re/p）的命令，后来独立成一个工具，就是沿用至今的 grep。1976年，Michael Rabin 与 Dana Scott 因有限自动机理论（包括 NFA 与 DFA 等价性，1959年论文）共同获图灵奖——正则的理论地基在七十年代就已浇筑完毕。
3. 分岔：Perl 与 PCRE 的“回溯时代”。 1987年 Larry Wall 发布 Perl，把正则扩展成带反向引用、环视等特性的“超集”——这些新特性破坏了纯自动机的线性时间保证，Perl 选择了递归回溯引擎：匹配失败就退一步换条路再试。Philip Hazel 开发的 PCRE（1997年起）继承了这套语义，被 PHP、Apache、无数编辑器采纳，也成了今天大多数语言标准库的默认行为。代价被埋进了地基里：回溯引擎的最坏时间复杂度是指数级的。
4. 警钟：2007年，Russ Cox 的著名长文。 Google 工程师 Russ Cox 发表系列文章《Regular Expression Matching Can Be Simple And Fast (but is slow in Java, Perl, PHP, Python, Ruby)》，用实测数据证明：对同一批模式，基于 Thompson/NFA 模拟的引擎在恶意输入面前保持线性时间，而主流语言的回溯引擎会慢上千万倍；他随后主导了线性时间引擎 RE2 的实现（放弃反向引用作为代价），Google 自家的 Go 语言标准库 regexp 采用的正是 RE2 语义，Rust 的 regex crate、.NET 7 新增的 RegexOptions.NonBacktracking 都是同一条技术路线。V8 引擎（Chrome/Node.js）的 Irregexp 则走另一条路：保留回溯语义，但把正则即时编译成本地机器码来压低成本。
5. 事故：一条正则放倒半个互联网的基础设施。 2019年7月2日，Cloudflare 部署了一条内含嵌套量词的 WAF（Web应用防火墙）规则，其正则在特定输入上触发“灾难性回溯”（catastrophic backtracking）——回溯路径数随输入长度指数爆炸，全球机房的 CPU 被这一条正则吃满，大量请求返回 502，事故持续约27分钟（据 Cloudflare 官方复盘）。一个服务全球近半流量的网络，被一行“长得没问题”的正则拖垮。这类攻击有自己的名字：ReDoS（Regular Expression Denial of Service），已被 OWASP 收录为独立攻击类别。这也是为什么每份现代安全清单都要求：凡是处理用户输入的正则，必须限制输入长度、设置超时，或改用线性时间引擎（Python 可换 google-re2，Java 有 RE2J，Go 原生即安全）。
6. 一句流传四十年的忠告。 “有些人遇到问题，想‘我知道了，用正则吧’。于是他们有了两个问题。”这句话常被归于 Netscape 早期工程师 Jamie Zawinski 名下——它不是让你别用正则，而是提醒你：你引入的是一门语言加一个引擎，两者的坑你都得懂。
证据充分的部分： 视频对正则语法本身的演示（字符类、量词、锚点、分组）是教科书级无误的，语法语义在 ECMAScript、PCRE、POSIX 几大标准间高度一致；"正则是声明式语言”“跨语言通用”的定位也是社区共识。
被压缩或省略的部分（这是100秒体裁的必然代价）：
\w、. 对多语言文本、组合字符、Emoji 的行为随引擎标志位而变，中文处理者尤其需要留意——这是面向英文示例的入门课共同的盲区。公道话： 作为100秒体裁，它完成了最难的任务——让初学者在两分钟内建立“模式即语言”的正确心智模型，而不是把正则当成一堆需要死记的咒语。深度的缺失是体裁属性，不是内容错误；缺的那一层，正是本文与 Russ Cox 系列文章存在的意义。
1. 给处理用户输入的正则做“安全体检”。 上线前问三个问题：输入长度有没有上限？这个引擎有没有超时或中断机制？量词是否嵌套（如 (a+)+、(a|a)* 这类结构是回溯爆炸的经典火药）？三条里有任何一条答不上来，就改用线性时间方案或加防护。
2. 用工具代替“瞪眼调试”。 regex101.com 能逐条解释模式、实时高亮匹配并单步回放引擎的回溯过程；开源工具 recheck 可以静态扫描你代码库里的正则，标记潜在 ReDoS 风险。与其背符号手册，不如把这两个工具焊进日常调试流程。
3. 记住引擎的“三句话模型”，比多背十个符号更值钱。 一、老牌引擎（Perl/PCRE 系）靠回溯，表达力强但最坏指数级；二、新派引擎（Go/RE2/Rust/.NET NonBacktracking）靠自动机模拟，恒定线性但砍掉反向引用；三、凡是能把模式写进“嵌套量词”结构的地方，就是事故预定的地方。用这三句话审视每一行正则，你就拥有了大多数工程师没有的“引擎视角”。
flowchart TD
A[一条正则被提交] --> B{引擎如何执行}
B -->|自动机模拟| C[Thompson构造<br/>线性时间]
B -->|递归回溯| D{量词是否嵌套}
D -->|否| E[常规输入可正常工作]
D -->|是| F[回溯路径指数爆炸<br/>CPU打满]
F --> G[真实事故<br/>Cloudflare约27分钟]
C --> H[工程对策<br/>RE2系引擎]
F --> H
H --> I[再加保险<br/>限长与超时]
这条视频只用了一百秒，但正则的故事横跨七十年：从 Kleene 笔下的神经网络事件，到 Thompson 的 7094 机器码，到 Perl 的回溯分岔，再到 Cloudflare 机房里那27分钟的 CPU 风暴。看懂这条线，你就不会再把正则当作“会抄就行”的咒语——你抄下去的每一行，都是一门有引擎、有代价、有脾气的小语言。下次写 /(a+)+$/ 之前，你会想起机房里那台风扇狂转的服务器。
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。