正则表达式不是一种程式语言，而是一套用来描述「字串样式规则」的语法，我们称之为正则表达式（Regular Expression），又称规则运算式，简称 Regex。正则表达式就像一位数据世界的魔法符号，当你掌握这些符号，例如 ^、$、``，就能搞定复杂的数据搜寻、验证和替换任务，大幅提升你的工作效率与精准度，本篇文章将帮助读者更轻松地跨越困难的正则表达式学习。
Regex 的用途有哪些？
因为它能让你用非常简洁的方式完成复杂的文字处理任务，主要用途：
验证资料：检查使用者输入的电子邮件地址、电话号码、身分证字号格式是否正确。
搜寻与取代：在文字编辑器或程式码中，快速找到符合某种复杂模式的所有内容，并批次取代，例如：将所有的日期格式从 「YYYY-MM-DD」 改为 「MM/DD/YYYY」。
撷取资讯：从一大段文字（如日志档案、网页程式码）中抓取你需要的特定部分。例如：从伺服器记录中提取所有出错的时间戳记。
分割字串：按照复杂的规则（而不仅仅是单个字元）来分割字串。
在哪里可以用 Regex？
文字编辑器：如 VS Code, Sublime Text, Notepad++ 的「寻找和取代」功能都支援 Regex。
命令列工具：如 grep, sed, awk，是处理文字档案的利器。
程式语言：几乎所有主流程式语言（Python, JavaScript, Java, C#, PHP, Go 等）都内建了 Regex 支援。
资料库：一些资料库（如 PostgreSQL）在查询时也支援 Regex。
基础篇：认识正则表达式的「元素」
在深入学习正则表达式(规则运算式)前，有一个小小的建议：现在就打开一个线上 Regex 测试工具，例如 Regex101、regexr，文章中的所有范例，都强烈鼓励读者边看边试，让抽象的符号在实际操作中变得直观易懂。
【 Regex 工具1：Regex101 】
【 Regex 工具2：regexr 】
第一步，从「字」开始！
最简单的匹配，就是「是什么就找什么」，这被称为字面量字元。例如，如果你想找到所有包含 cat 这个单字的地方，你的正则表达式咒语就是 /cat/。它会精准地匹配到字串中的 cat、catnip 或 concatenate。
但如果你的目标不是单一字元，而是任何单一字元呢？这时万用字元 .（点符号）就派上用场了。它能匹配除了换行符号外的任何单一字元，包括字母、数字、符号或空白。例如 a.c 可以匹配 abc、a#c，甚至 a c，只要 a 和 c 之间有一个字元就可以。
不用一个一个写！ 「字元集」与「缩写」
如果需要匹配多种可能的字元，一个个列出来会很麻烦，幸好我们有字元集，也就是中括号，它让你定义一个集合，只要字串中出现其中任何一个字元，就符合匹配。例如，gr[ae]y 可以同时匹配 gray 或 grey。你也可以用破折号 -来定义一个连续的字元范围，让咒语更简洁。例如，[a-z] 代表所有小写英文字母，[0-9] 代表所有数字。
中括号还有一个特别的用法：否定，当你在中括号的开头加上脱字元 ^，例如 [^0-9]，它的意思就变成了「除了中括号内的所有字元以外」。因此，[^0-9] 会匹配所有非数字字元，这在需要排除某些数据时非常实用。
为了进一步简化常用的字元集，正则表达式还提供了一些简写，让你的咒语更短、更易读。
-
\d：匹配任何数字，等同于 [0-9]。
-
\w：匹配任何英文字母、数字或底线，等同于 [A-Za-z0-9_]。
-
\s：匹配任何空白字元，如空格、Tab 键或换行符号。
-
\D、\W、\S：它们分别是上述简写的「否定」形式，例如 \D 匹配任何非数字字元。
量词：决定你的魔法要重复几次？
当你想匹配重复出现的字元时，量词就是你的得力助手，它们总是紧跟在要重复的字元或群组后面，决定了匹配的次数。
问号 ?：代表前面的字元出现 0 次或 1 次。也就是说，它「可有可无」。例如，colou?r 就可以同时匹配 color 或 colour。
星号 *：代表前面的字元出现 0 次或多次。它是一个非常「包容」的量词，即使字元没有出现也符合匹配。例如，go*gle 可以匹配 ggle（o 出现 0 次）、google（o 出现 2 次）或 gooogle（o 出现 3 次）。
加号 +：代表前面的字元出现 1 次或多次。它与 * 类似，但强制要求字元至少出现一次。例如，ab+c 可以匹配 abc、abbc，但无法匹配 ac。
大括号 {}：提供更精确的次数控制。
-
{n}：精准匹配 n 次。例如，\d{3} 匹配三个连续的数字。
-
{n,}：匹配至少 n 次。例如，\d{5,} 匹配五个或更多数字。
-
{n,m}：匹配至少 n 次，但不超过 m 次。这在设定帐号或密码的长度限制时非常常见，例如 [a-z]{6,16} 匹配六到十六个小写英文字母。
正则表达式常用符号速查表
| 符号 | 说明 | 简单范例 | 应用情境 |
|---|---|---|---|
| . | 匹配任意单一字元 | a.b | 匹配 acb, a1b 等 |
| [] | 字元集，匹配任一字元 | [aeiou] | 匹配元音字母 |
| [^] | 否定字元集，不匹配任一字元 | [^0-9] | 匹配任何非数字字元 |
| \d, \w, \s | 常用字元缩写 | \d{8} | 匹配八位数字 |
| ? | 0 或 1 次 | colou?r | 匹配 color 或 colour |
| * | 0 或多次 | a*b | 匹配 b, ab, aab 等 |
| + | 1 或多次 | a+b | 匹配 ab, aab 等，但不匹配 b |
| {n,m} | 指定重复次数范围 | \d{3,5} | 匹配三到五位数字 |
| ^ | 锚点：字串开头 | ^/blog/ | 匹配以 /blog/ 开头的网址 |
| $ | 锚点：字串结尾 | \.pdf$ | 匹配以 .pdf 结尾的字串 |
| () | 分组与捕获 | (go)+ | 匹配 go, gogo 等，并捕获 go |
| | | 或（OR）运算 | (a|b)c | 匹配 ac 或 bc |
| \b | 单字边界 | \bSQL\b | 匹配完整的 SQL 单字，不匹配 NoSQL |
进阶魔法篇：让你的正则表达式更精准强大
当你的需求变得更复杂时，你需要的就不仅仅是匹配字元本身，还需要锁定它们的位置和关系。
锚点：让你的匹配钉在特定位置
锚点是一种特殊的符号，它不匹配任何字元，只用来界定匹配的「位置」。
-
脱字元 ^：当它放在正则表达式的开头时，代表匹配从字串的开头开始。例如，^eat 可以匹配 eaten，因为 eat 出现在字串开头。
-
钱字符号 $：代表匹配从字串的结尾结束。例如，eat$ 可以匹配 creat，但不会匹配 eaten。如果结合使用 ^eat$，则会精准匹配 eat 这个字串本身。
-
单字边界 \b：这是一个极其实用的符号，它用来匹配单字与非单字字元的交界处。这确保了你的匹配对象是一个完整的单字，而非某个单字的一部分。例如，\bSQL\b 可以匹配 learn SQL 中的 SQL，但不会匹配 NoSQL 中的 SQL，在 SQL 查询中，需要使用 \\b 来转义。
分组 () 与或 |：一次满足多个愿望
当你想对一组字元执行操作时，就需要使用小括号 () 来进行分组。分组会将括号内的字元视为一个单一单位，让你可以对它应用量词。例如，如果你想匹配 gogogo，写法可以是 (go)+，表示 go 这个群组重复出现一次或多次。
管线符号 | 则代表了或（OR）运算，它让你能在多个条件中选择一个进行匹配。当它与分组结合时，会产生极强大的效果。例如，gr(a|e)y 可以同时匹配 gray 或 grey。这在数据分析中非常有用，例如用 (Facebook|Instagram|Google) 一次性筛选出多个社群媒体来源。
捕获分组与后向引用：让正则表达式记住你的数据！
小括号 () 不仅用于分组，它还具备一个更强大的功能：捕获。当一个匹配成功时，括号内的子字串会被捕获并储存在一个编号的分组中，这个编号从左到右，从 1 开始递增。
这个捕获的数据，可以用后向引用的方式，在同一个正则表达式或后续的处理中再次使用。在许多程式语言中，后向引用通常写作 \1、\2 等。在 JavaScript 等工具的替换功能中，则使用 $1、$2 来引用。这个概念是许多进阶应用的基石。例如，(\d+)-\1 可以匹配 2024-2024 这种前后数字相同的模式。
掌握正则表达式的贪婪特性，告别数据陷阱
一个关于量词的重要观念，是它们预设是贪婪的，这意味着，*、+ 或 {} 等量词会尽可能地匹配最长的字串。这在处理 HTML 标签时最容易出错。例如，如果你想提取 <td>...</td> 之间的内容，你可能会写 <td>.*</td>。但如果字串是 <table><tr><td>hello world</td><td>hello regex</td></tr></table>，贪婪模式会从第一个 <td> 一路匹配到最后一个 </td>，而不是两个独立的标签，这会导致你的数据追踪或筛选出错。
这个问题的解决方法是将贪婪模式转换为非贪婪模式，你只需要在量词后面加上一个问号 ?，例如 *?、+? 或 ??。这样，正则表达式引擎就会尽可能匹配最短的字串。以同样的例子，<td>.*?</td> 就可以成功地匹配出 <td>hello world</td> 和 <td>hello regex</td> 两个独立的结果。这个简单的符号，正是确保数据精准的关键。
实战应用篇：正则表达式在 GTM 与 GA4 的超级武器
掌握了这些正则表达式咒语后，你就能在数位行销的世界中大显身手，为什么行销人需要这项技能呢？因为它能帮助你处理大量、多样化的 URL 模式，验证数据格式，排除特定数据，并建立精准的用户分群。
更深层次来看，正则表达式是连结行销与工程的桥梁，GTM 与 GA4 提供了友善的介面，但底层仍然仰赖正则表达式这样的技术。掌握正则表达式，意味着行销人不再需要事事仰赖工程师来处理复杂的追踪需求，能够自主完成更多精细的数据分析任务。这不仅提升了个人技能，也让整个团队的协作效率大大提高。
GTM 应用：设定聪明的追踪规则
在 GTM 的触发条件设定中，正则表达式的主要应用入口就是运算子选单中的「与规则运算式相符」（Matches Regex），透过这个运算子，你可以将一个复杂的追踪需求，简化为一行精准的 Regex 规则。
以下是一些实用的 GTM 追踪案例：
-
追踪所有产品页面：如果你所有产品页面的网址都包含 /products/，你可以设定 Page Path Matches Regex ^/products/.*。这个咒语会匹配所有以 /products/ 开头的网页，无论后面跟着什么内容。
-
追踪多种感谢页面：你的网站可能有不同的结帐感谢页面，例如 /thank-you 和 /order-confirmation。你可以用 Page Path Matches Regex ^/(thank-you|order-confirmation)/?$，一个咒语就能同时追踪这两种页面。
-
追踪特定文件下载：如果你想追踪所有 PDF 或 ZIP 档案的下载，你可以设定触发条件为 Click URL Matches Regex \.(pdf|zip|doc)$。这个咒语会匹配所有以 .pdf、.zip 或 .doc 结尾的点击网址。
GTM 實戰-正規表示式範例表
| 追蹤目標 | GTM 變數 | 運算子 | 規則運算式範例 | 解析說明 |
|---|---|---|---|---|
| 所有產品頁面 | Page Path | Matches Regex | ^/products/ | 匹配所有以 /products/ 開頭的網址。 |
| 多種感謝頁面 | Page Path | Matches Regex | ^/(thank-you|order-confirmation)/?$ | 匹配以 /thank-you/ 或 /order-confirmation/ 結尾的網址。| 表示「或」。 |
| 特定檔案下載 | Click URL | Matches Regex | \.(pdf|zip|xlsx)$ | 匹配以 .pdf、.zip 或 .xlsx 結尾的網址。\ 用於轉義 .，使其成為普通字元。 |
| 排除特定來源流量 | Page Referrer | Matches Regex | ^https?://(www\.)?mywebsite\.com/ | 匹配來自自身網域的參照網址，通常用於排除追蹤內部流量。s? 表示 s 可有可無。 |
GA4 应用：让你的数据报表更清晰
在 GA4 中，正则表示式(规则运算式)的应用同样强大且灵活，它能让你在数据报告层面进行精准的筛选与分群。
-
数据筛选器：GA4 允许你建立数据筛选器，以便在报告中排除或仅包含特定数据。最经典的应用就是排除内部流量。如果你公司有特定的 IP 位址区段，例如 198.51.100.1 到 198.51.100.25，你不需要手动输入所有 25 个 IP，只需使用 198\.51\.100\.\d* 即可一次筛选整个 IP 网段。这里的 \. 用于转义点符号，确保其被视为一个普通的字元，而不是万用字元。
-
建立目标对象：利用正则表达式，你可以根据用户的行为模式或来源建立精准的目标对象（Audience）。例如，你可以筛选所有造访过产品页面且来自特定行销活动（Campaign）的用户，然后对这个群组进行再行销。
-
报表中的筛选：在 GA4 的标准报告中，许多维度（Dimension）的筛选框都支援正则表达式。例如，你可以在「网页路径与萤幕画面类别」报告的搜寻框中输入 ^/blog/，即可快速筛选出所有部落格文章页面的流量，而非仅查看单一页面的数据。
透过正则表达式，我们可以从庞杂的 URL 中提取出更有意义的模式，例如商品 ID、语言代码、活动名称等，从而进行更深入的分析，例如分析特定 ID 商品的热销程度、不同语言版本的表现差异，或哪些活动的用户转换率最高。
练习时间到了！考验你的正则表达式功力
现在，是时候动手练习了！尝试自己写出下列问题的正则表达式咒语，并在文章结尾检查你的答案。
1. GTM 触发条件 - 追踪多个感谢页面：
-
情境： 你的电商网站有两种不同的订单完成感谢页面，网址分别是 /order-confirm 和 /thank-you。你希望在 GTM 中设定一个单一的「事件」，当使用者造访这两个页面时都能触发。
-
问题： 撰写正则表达式，用来设定 Page Path 的「与规则运算式相符」触发条件，让它能同时匹配这两个网址，并确保是从字串开头开始匹配。
2. GA4 目标对象 - 排除特定内部流量：
-
情境： 你的公司 IP 网段是 198.51.100.1 到 198.51.100.25。你希望在 GA4 的目标对象中，排除所有来自这个 IP 范围的内部员工流量，以获得更干净的数据。
-
问题： 撰写正则表达式，用来设定 GA4 数据筛选器，一次性匹配这个 IP 网段，而不是手动输入 25 个独立的 IP 位址。
3. GA4 报表筛选器 - 找出特定分类的产品：
-
情境： 你的产品网址结构为 /products/category-name/product-id，例如 /products/electronics/tv-101 或 /products/home-appliances/fridge-202。你希望在 GA4 报表中，快速筛选出所有「电子产品」或「家用电器」分类的所有产品页面。
-
问题： 撰写正则表达式，用来在 GA4 报表的搜寻框中，同时筛选出这两个分类的所有产品页面。
4. GTM 触发条件 - 追踪多种档案下载：
-
情境： 你希望追踪网站上所有 .pdf 和 .zip 档案的下载行为。
-
问题： 撰写正则表达式，设定 GTM 的 Click URL 触发条件，用来匹配任何以 .pdf 或 .zip 结尾的点击连结。
5. GTM 触发条件 - 追踪多个行销活动网址：
-
情境： 你正在进行多个行销活动，其网址都含有 utm_campaign 参数，但值不同，例如 ?utm_campaign=summer_sale 或 ?utm_campaign=spring_promo。你希望设定一个通用的 GTM 触发条件，追踪所有来自这些活动的页面浏览。
-
问题： 撰写正则表达式，用来设定 Page URL 的触发条件，匹配所有带有 utm_campaign 参数的网址，无论其值是什么。
总结＆下一步：如何让你的正则表达式功力更上一层楼
恭喜你！到这里，你已经掌握了正则表达式的基础与进阶概念，并能够应用于实际问题。正则表达式虽然初学时可能看起来有些复杂，但一旦你熟悉了它的语法，它将成为你处理任何文字任务时，不可多得的得力助手。
学习正则表达式的过程不只是一个技术的习得，更是一种逻辑思维的训练。透过不断地建构、测试与除错，你将锻炼出更精准、严谨的问题解决能力。为了让你的学习之路更加顺畅，以下提供几点建议：
-
多练习：没有捷径，多动手写、多测试是唯一的王道。
-
使用工具：利用线上 Regex 测试工具，如 Regex101 或 RegExr。这些工具不仅能让你即时看到匹配结果，还能详细解释你的模式，帮助你有效除错。
-
持续探索：本文因篇幅限制，仅介绍了正则表达式的核心概念。在未来，你可以继续探索更多进阶主题，例如「非捕获分组 (?:...)」、先行/后行断言 (?<...)，以及针对不同语言的 Unicode 属性 \p{...}。
记住，文章核心是将抽象的概念，转化为具体的、可操作的知识，希望这篇文章能成为你正则表达式(规则运算式)学习旅程中的一个稳固起点。
练习题解答揭晓！
练习题 1：
正则表达式： ^/(order-confirm|thank-you)$
-
解析： ^ 锚定到字串开头。小括号 () 将 order-confirm 和 thank-you 视为一个分组。 | 符号代表「或」的逻辑，让模式能够匹配两个网址中的任何一个。 $ 则确保匹配在字串结尾结束。
练习题 2：
正则表达式： ^198\.51\.100\.\d{1,2}$
-
解析： ^ 锚定到字串开头。 198\.51\.100\. 是字面量匹配，其中点号 . 使用反斜线 \ 进行跳脱，避免其被当作万用字元。 \d{1,2} 匹配一到两个数字，这足以涵盖 1 到 25，是一种常见的简化写法。 $ 锚定到字串结尾。
练习题 3：
正则表达式： ^/products/(electronics|home-appliances)/
-
解析： ^ 锚定到字串开头。 products/ 是字面量匹配。 () 和 | 的组合用来同时筛选 electronics 和 home-appliances 这两个分类名称。模式结尾的 / 确保匹配只针对分类页面，而不是以分类名称开头的其他网址。
练习题 4：
正则表达式： \.(pdf|zip)$
-
解析： \. 转义点号 .，确保其被当作字面量字元。 () 和 | 建立分组，匹配 .pdf 或 .zip 这两种档案类型。 $ 则确保匹配只针对结尾是 .pdf 或 .zip 的网址。
练习题 5：
正则表达式： \?utm_campaign=.+
- 解析： \? 转义问号 ?，因为在网址中它代表查询参数的开始。 utm_campaign= 字面量匹配。 . 匹配任何字元，而 + 则表示该字元出现一次或多次。这个组合能够匹配 utm_campaign 后面的任何值，无论其内容为何。
(本文为达文西数位科技所有，禁止文图使用)
