Quase toda expressão regular é montada a partir de duas ideias: que tipo de caractere corresponder e quantas vezes corresponder a ele. As classes de caracteres respondem à primeira pergunta; os quantificadores respondem à segunda. Quando essas duas se encaixam, o resto é quase só pontuação.

Classes de caracteres: o que corresponder

As classes abreviadas cobrem os casos que você usa o tempo todo. \d é qualquer dígito, \w é qualquer caractere de palavra (uma letra, dígito ou sublinhado) e \s é qualquer espaço em branco. Cada uma tem uma negação em maiúscula: \D é qualquer não dígito, \W qualquer não caractere de palavra, \S qualquer não espaço. Um ponto isolado . corresponde a qualquer caractere — exceto uma quebra de linha, a menos que você ative a flag s (dotAll).

Quando as abreviações são amplas demais, construa sua própria classe com colchetes. [aeiou] corresponde a uma vogal; [a-z] corresponde a uma letra minúscula usando um intervalo; [A-Za-z0-9] combina vários intervalos. Coloque um circunflexo no início para invertê-la: [^0-9] corresponde a qualquer caractere que não seja um dígito. Dentro de uma classe, a maioria dos metacaracteres perde o significado especial, então [.+*] corresponde a um ponto, mais ou asterisco literal — sem necessidade de escape.

Uma classe sempre corresponde a exatamente um caractere. Para corresponder a mais de um, você precisa de um quantificador.

Quantificadores: quantos

Os três quantificadores curtos fazem a maior parte do trabalho. * significa zero ou mais, + significa um ou mais e ? significa opcional — zero ou um. Assim \d* corresponde a uma string vazia ou a qualquer sequência de dígitos, enquanto \d+ exige pelo menos um dígito.

Quando você precisa de uma contagem específica, use chaves. \d{4} corresponde a exatamente quatro dígitos, \d{2,} corresponde a dois ou mais e \d{2,4} corresponde a entre dois e quatro. Um fragmento de telefone no estilo dos EUA pode ser \d{3}-\d{4}, e um formato simples de e-mail é \w+@\w+\.\w+ — repare no \. ali, um ponto escapado que corresponde a um ponto literal em vez de "qualquer caractere".

Guloso versus preguiçoso

Por padrão, os quantificadores são gulosos: pegam o máximo que conseguem e só devolvem caracteres se o restante do padrão falhar. Acrescente um ? ao final para tornar um quantificador preguiçoso, fazendo-o pegar o mínimo possível. A diferença importa no instante em que você tenta corresponder a conteúdo delimitado. Contra o texto [one][two], o guloso \[.+\] corresponde à string inteira de uma vez, porque .+ engole tudo até o último colchete. O preguiçoso \[.+?\] para no primeiro colchete de fechamento e corresponde apenas a [one]. Escolher entre guloso e preguiçoso é uma das correções mais comuns quando um padrão "corresponde demais".

Âncoras, rapidamente

As âncoras correspondem a uma posição, não a um caractere. ^ é o início da string (ou o início de uma linha com a flag m), $ é o fim e \b é um limite de palavra — a junção entre um caractere de palavra e um não caractere de palavra. Envolver um padrão em ^...$ força a correspondência com a entrada inteira, que é exatamente o que você quer ao validar um campo completo em vez de encontrar um fragmento dentro dele.

Cole qualquer um desses no Kit de Regex para ver as correspondências se acenderem enquanto você digita, e depois leia sobre grupos e retrorreferências para capturar e reutilizar as partes que você corresponde.