每次看到有人把「正则表达式API」算错还浑然不觉，我就有点急。这事儿真不难，但前提是你要知道那几个不能省的步骤。
来龙去脉
正则表达式用特殊字符描述字符串模式。基础：.任意字符、*0或多次、+1或多次、?0或1次、^开头$结尾、[]字符集、{}次数、()分组、|或。\d数字\w字母数字下划线\s空白，大写取反。量词默认贪婪(尽可能多)，加?变非贪婪。字符串操作要考虑多字节字符，中文一个字不等于一个字节。处理用户输入一定过滤特殊字符，防XSS和注入是基本功。
关键细节
进阶：(?=)正向预查、(?!)负向预查、(?:)非捕获分组、\1反向引用。常用正则：手机号^1[3-9]\d{9}$、邮箱^[\w.-]+@[\w.-]+\.\w+$、身份证^\d{17}[\dXx]$。不同语言正则语法略有差异(PCRE/JS/Python)。大文件别一次性读进内存，用流式处理或逐行读取，否则容易OOM。特殊字符在该转义的地方一定要转义，否则解析失败或被注入。
接着说实操
先搞清概念。正则表达式API这类文本操作，本质是对字符串按某种规则转换或分析。搞懂规则(编码标准、正则语法、格式规范)，操作就有章法；规则没吃透，照着抄都会出错。数据格式(JSON/XML/CSV)要先确认再解析，猜格式必出错。编码问题九成是UTF-8和GBK没统一，全链路统一UTF-8能解决一大半乱码。
延伸阅读
再说方法。文本处理最忌讳"想当然"——以为编码是A实际是B、以为分隔符是逗号实际是制表符。处理前先确认字符编码(UTF-8还是GBK)、数据格式、边界情况，再用对应工具转换。能用现成库别自己造轮子。编码转换先确认源编码，盲目转只会越转越乱。中文用mb_系列函数处理，旧函数容易截断半个汉字出乱码。
几个要注意的地方
有几个坑我得提前打个预防针：
- 特殊字符(. * + ? ^ $ () [] {} | \)在正则里要转义
- []是字符集、()是分组、{}是次数，新手最容易混
- 贪婪匹配尽可能多，非贪婪加?尽可能少，提取内容用非贪婪
- 不同语言正则语法略有差异(PCRE/JS/Python)，注意区分
最后啰嗦一句：「正则表达式API」这种事儿，谁跟你说"绝对"都要留个心眼。自己会算，才不会被忽悠。
常见问题
【正则表达式怎么入门？】先记基础元字符：.任意、*0+多次、?0或1次、^$开头结尾、[]字符集、{}次数。\d数字\w字母数字\s空白。然后学分组()、或|、转义\。多写多测，用在线测试工具即时验证。
【常用的正则有哪些？】手机号^1[3-9]\d{9}$、邮箱^[\w.-]+@[\w.-]+\.\w+$、身份证^\d{17}[\dXx]$、URL^https?://[\w./-]+$、IP^\d{1,3}(\.\d{1,3}){3}$。实际用要根据具体场景调整。
【正则表达式API是什么意思？】属于文本处理范畴，是对字符串按特定规则转换或分析的操作。具体含义要看场景，但核心都是让文本数据能在不同环境正确表示和使用。
【贪婪和非贪婪什么区别？】贪婪量词(*+{})尽可能多匹配，非贪婪加?尽可能少匹配。比如"a.*b"匹配"axbxb"会匹配整个"axbxb"(贪婪)，"a.*?b"只匹配"axb"(非贪婪)。提取内容常用非贪婪。
