15 道正则面试题，附详细解答

好的正则面试题考察的是你能否写出正确、易读、面对异常输入也安全的模式：校验用户名、转换日期格式、从日志行中提取字段、遮盖卡号，以及解释某个模式为何会让服务器卡死。下面是 15 道这样的练习，附详细解答、面试官会追问的边界情况，以及必要时的性能说明。

这里的所有模式都是 JavaScript，所有示例都可实时交互：阅读时匹配结果会高亮显示。Python 或 Java 行为不同的地方，解答中会注明。

01校验用户名

题目： 3 到 16 个字符；只能是小写字母、数字和下划线；以字母开头，不以下划线结尾，且不能出现两个连续的下划线。

原理： 首尾字符各有自己的字符类，中间部分取 1 到 14 个，所以总长是 3 到 16。否定先行断言 (?!.*__) 在消耗任何字符之前，先把整个字符串检查一遍有没有双下划线。

边界情况： 没有 ^ 和 $ 的话，!!night_owl!! 也能通过。这里不要用 \w：它允许大写字母，而且在 Python 3 中会匹配任何文字的字母。

02把日期从 DD/MM/YYYY 转成 YYYY-MM-DD

题目： 改写一段文本中的所有日期，其余内容保持不变。

替换时把各分组按新顺序放回：

text.replace(/\b(\d{2})\/(\d{2})\/(\d{4})\b/g, '$3-$2-$1')
// "Due 04/11/2026" → "Due 2026-11-04"

用命名分组，替换式一目了然：(?<d>\d{2})\/(?<m>\d{2})\/(?<y>\d{4}) 配 '$<y>-$<m>-$<d>'。在 Python 中对应写法是 \g<y>-\g<m>-\g<d>，分组写成 (?P<y>…)。

边界情况： 两侧的 \b 防止在更长的数字内部匹配。正则只检查格式，不懂日历：31/02/2026 也能通过，所以之后要用日期库校验真实日期。详见日期正则。

03从访问日志行中提取字段

题目： 从 Web 服务器的一行日志中取出 IP、时间、方法、路径、状态码和大小。

原理： 每个字段都靠它不能包含的内容来匹配：\S+ 匹配不含空格的字段，[^\]]+ 一直到右方括号，[^"]* 一直到右引号。命名分组让结果自带说明：line.match(re).groups.status 就是 "200"。

性能： 否定字符类永远不会越界，所以不合格的行会很快失败。在字段之间用 .* 的诱人写法，可能会在放弃之前尝试多种方式拆分一条长行。

边界情况： 格式错误的请求会被记录为 "-"，而这个模式会拒绝它；你要决定是跳过这些行，还是为它们加上 |-。

04只保留不含 DEBUG 的行

题目： 过滤日志，只留下不含单词 DEBUG 的行。

原理： 否定先行断言先在整行中查找这个单词；只有找不到时，.* 才会拿下这一行。两侧的 \b 让 DEBUGGER 得以保留。

接下来可以说： 在实际代码中，lines.filter(l => !/\bDEBUG\b/.test(l)) 或 grep -v -w DEBUG 更清晰。两种都会，正是这道题想考的。

05提取方括号中的文本

题目： 从 [error] disk full [code 28] 中取出 error 和 code 28。

陷阱： \[(.*)\] 是贪婪的。它会一直匹配到最后一个 ]，返回 error] disk full [code 28。懒惰的 \[(.*?)\] 可以用，但 [^\]]* 准确表达了你的意思，而且从不回溯。更多内容见贪婪与懒惰量词。

06查找注明负责人的 TODO 注释

题目： 列出 // TODO(name): note 形式的注释，以及负责人和备注。

边界情况： 如果你的团队写 todo，就加上 i 修饰符。要同时覆盖 # 注释，就以 (?://|#) 开头。还要明确说出来：正则分不清注释和包含 // 的字符串，所以 lint 规则才是稳妥的答案。

07遮盖卡号，只保留最后四位

题目： 把 4111111111111111 变成 ************1111。

'4111111111111111'.replace(/\d(?=\d{4})/g, '*')   // "************1111"

原理： 先行断言 (?=\d{4}) 只在一个数字后面还跟着四个数字时才匹配它，且不消耗后面的数字，所以最后四位永远不会被替换。

边界情况： 如果带空格，比如 4111 1111 1111 1111，就什么都不会被遮盖，因为没有哪个数字后面直接跟着四个数字。\d(?=(?:\D*\d){4}) 允许中间有分隔符，结果是 **** **** **** 1111。

08把 camelCase 转成 snake_case

题目： getUserId → get_user_id，parseHTTPResponse → parse_http_response。

s.replace(/(?<=[a-z0-9])(?=[A-Z])|(?<=[A-Z])(?=[A-Z][a-z])/g, '_').toLowerCase()

原理： 这个模式不匹配任何字符，只匹配位置：小写字母或数字之后、大写字母之前，或者一串大写字母中最后一个之前（HTTPResponse 中的 P）。只用前半部分会得到 parse_httpresponse，这是常见的错误答案。

边界情况： 所有现行浏览器、Node 和 Python 都支持后行断言（Python 的 re 要求定长，这里正是定长）。如果不能用后行断言，就改为捕获字母：([a-z0-9])([A-Z]) → '$1_$2'。

09校验 1h30m 这样的时长

题目： 接受 1h30m、45m 和 2h，但不接受空字符串。

原理： 两部分都是可选的，所以没有先行断言的话，模式也会接受空字符串。(?=\d) 表示“这里必须有内容，并且以数字开头”。只要一个模式的各部分全是可选的，这都是个常用技巧。

边界情况： 1h90m 也能通过。如果分钟必须小于 60，就用 ([0-5]?\d)m，或者在代码里检查数字，这样更易读。

10查找 1 到 3 级 Markdown 标题

题目： 在 Markdown 文件中找出 #、## 和 ### 标题，并捕获标题文本。

原理： #{1,3} 不会延伸到四个，因为后面必须紧跟 \s+。m 修饰符让 ^ 和 $ 在整个文档中按行生效（参见正则锚点）。

边界情况： 代码块里的 # 行不是标题，而正则看不到代码块。这时就该提一下 Markdown 解析器了。

11拆分含引号字段的 CSV 行

题目： 把 widget,"Sizes 2, 4 and 6",9.99 拆成三个字段，保留引号里的逗号。

使用 g 修饰符时，每次匹配的第 1 组就是一个字段：widget、"Sizes 2, 4 and 6" 和 9.99。之后去掉外层引号，并把 "" 换成 "。

接下来可以说： 带引号的字段可以包含换行，而逐行处理的正则应付不了。处理真实的 CSV，请用解析器（Python 的 csv 模块，JavaScript 的 Papa Parse）。好的面试答案既给出正则，也会说明这一点。

12查找 ASCII 以外的字符

题目： 标记出含有带重音字母、€ 之类符号或 emoji 的文本，比如在写入只接受 ASCII 的系统之前。

边界情况： 不加 u 修饰符时，一个 emoji 是两个 UTF-16 码元，两个都会匹配；加上 u 就是一个字符。如果只允许可打印 ASCII，就反过来写：^[\x20-\x7E]*$。

13校验主机名中的一个标签

题目： 一个标签（两个点之间的部分）由 1 到 63 个字母、数字或连字符组成，且不能以连字符开头或结尾。

原理： 先行断言和后行断言守住两端，所以长度限制只写在一处：{1,63}。最后一行有 64 个字符，多了一个。

边界情况： 不用环视的写法是 ^[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?$，正确但更难核对。完整的主机名是用点连接的多个标签，最多 253 个字符，这个限制在代码里检查更简单。

14解释某个模式为何让服务器卡死

题目： 这个检查“用单个空格分隔的单词”的模式在测试中没问题，但某些输入会让服务器卡死。为什么？怎么修？

^(\w+\s?)+$

答案： 空格是可选的，所以像 aaaaaaaa 这样的一串字母，可以用极多种方式分配给分组的各次重复（a|aaaaaaa、aa|aaaaaa、a|a|aaaaaa…）。当字符串以无法匹配的字符结尾，比如 !，引擎会试遍所有拆分方式才放弃。每多一个字母，工作量就翻倍：在 Node 中，24 个字母加一个 ! 花了 8 秒。这就是灾难性回溯。

修正： 确保每个字符只能以一种方式被匹配。把分隔符改为必需，并允许末尾有一个可选空格：

修正后的模式拒绝 3 万个字母加一个 ! 只需约 1 毫秒。其他好答案：在引擎支持时使用原子分组或占有量词（Java、PCRE、Python 3.11+），或对不可信输入使用 RE2 这样的线性时间引擎。完整内容见灾难性回溯。

15去除 HTML 标签，并知道何时打住

题目： 把 <p>Hello <b>world</b></p> 变成 Hello world。

text.replace(/<[^>]+>/g, '') 对简单标记有效。第三行展示了它在哪里失效：含有 < 和 > 的纯文本会丢掉 < 5 and 7 >。像 title="x > y" 这样的属性也会让它出错。

面试官想听的答案： HTML 是嵌套的，而嵌套正是正则表达式无法计数的。要从 HTML 中提取文本，请用浏览器自带的解析器（new DOMParser() 和 textContent）；要让 HTML 变得安全，请用清理（sanitizer）库。正则可以用来快速查看可信的标记，但绝不能用于安全防护。

16为面试做练习

读解答有帮助；在一点压力下亲手写模式帮助更大。

• 练习包每个包专练一种技巧，大多数关卡都是你工作中会写的模式：格式、日志行和代码中的标识符。
• 每日狩猎只需五分钟，能在两次面试之间保持你的正则手感。
• 如果面试用 Python，读读JavaScript 与 Python 正则表达式，了解那些容易让人踩坑的差异。