Biểu thức chính quy không còn đáng sợ: Hướng dẫn thực dụng cho lập trình viên
Nắm các khối cơ bản của regex đủ dùng cho hầu hết công việc, cách hoạt động của flag và nhóm bắt, cái bẫy greedy và lazy, catastrophic backtracking, và khi nào không nên dùng regex.
Biểu thức chính quy (regex) nổi tiếng là loại code "chỉ viết được một lần": viết thì dễ, một tuần sau đọc lại thì chịu. Phần lớn nỗi khổ đó đến từ việc cố nhớ tất cả cùng lúc. Thực tế, một nhóm nhỏ các khối cơ bản đã bao được đa số công việc hằng ngày, phần còn lại khi cần thì tra. Bài viết này đi qua nhóm cơ bản đó, những cái bẫy ai cũng dính, và các trường hợp regex là công cụ sai.
Ví dụ dùng cú pháp JavaScript, nhưng các khối cơ bản gần như giống hệt trong Python, Go, Java, PHP và phần lớn ngôn ngữ khác.
Các khối cơ bản
Regex là một mẫu mô tả một tập các chuỗi. Bạn ghép vài loại mảnh ghép lại.
Lớp ký tự khớp một ký tự:
.ký tự bất kỳ (mặc định trừ ký tự xuống dòng)\dmột chữ số,\Dkhông phải chữ số\wký tự từ (chữ cái, chữ số hoặc_),\Wngược lại\skhoảng trắng,\Skhông phải khoảng trắng[abc]một trong a, b, c;[a-z]một khoảng;[^abc]mọi thứ trừ a, b, c
Lượng từ nói mảnh ghép ngay trước nó lặp lại bao nhiêu lần:
*không hoặc nhiều lần+một hoặc nhiều lần?không hoặc một lần (tùy chọn){3}đúng 3 lần,{2,5}từ 2 đến 5,{2,}từ 2 trở lên
Mỏ neo khớp một vị trí, không phải một ký tự:
^đầu chuỗi (hoặc đầu dòng, với flagm)$cuối chuỗi (hoặc cuối dòng)\branh giới từ, chỗ giáp giữa một\wvà một ký tự không phải\w
Nhóm và lựa chọn:
(...)nhóm bắt (ghi nhớ phần nó khớp)(?:...)nhóm không bắt (nhanh hơn, gọn hơn)a|bkhớp a hoặc b
Đó là khoảng 90% những gì bạn sẽ dùng tới. Ví dụ, \b\w+@\w+\.\w+\b là mẫu khớp email thô, còn ^\d{4}-\d{2}-\d{2}$ khớp ngày ISO như 2026-11-19.
Flag thay đổi toàn bộ phép khớp
Flag được đặt bên ngoài mẫu và thay đổi cách mẫu hoạt động. Những flag phổ biến trong JavaScript:
| Flag | Tên | Tác dụng |
|---|---|---|
g |
global | Tìm tất cả kết quả, không chỉ cái đầu |
i |
ignore case | A khớp a |
m |
multiline | ^ và $ khớp ở mỗi dòng, không chỉ cả chuỗi |
s |
dotall | . khớp cả ký tự xuống dòng |
u |
unicode | Xử lý đúng các ký tự ngoài tập cơ bản |
Một lỗi rất hay gặp: mặc định ^ và $ không có nghĩa "đầu và cuối dòng". Chúng nghĩa là đầu và cuối cả chuỗi. Muốn kiểm tra theo từng dòng, hãy thêm flag m.
Nhóm bắt và nhóm có tên
Dấu ngoặc ghi nhớ phần nó khớp, nên bạn lấy được giá trị ra:
const m = "2026-11-19".match(/(\d{4})-(\d{2})-(\d{2})/);
// m[1] = "2026", m[2] = "11", m[3] = "19"
Đếm số thứ tự nhóm rất nhanh rối. Nhóm có tên rõ ràng hơn và không hỏng khi bạn sửa lại mẫu:
const re = /(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})/;
const { groups } = "2026-11-19".match(re);
// groups.year = "2026", groups.month = "11"
Nhóm có tên cũng dùng được trong phần thay thế, giúp việc định dạng lại dễ đọc:
"2026-11-19".replace(re, "$<day>/$<month>/$<year>");
// "19/11/2026"
Cái bẫy greedy (tham lam)
Mặc định, các lượng từ là greedy: khớp càng nhiều càng tốt. Đây là bất ngờ hay gặp nhất. Với văn bản <b>one</b> <b>two</b>, mẫu <b>.*</b> khớp toàn bộ chuỗi chứ không chỉ <b>one</b>, vì .* ôm hết mọi thứ rồi chỉ lùi lại ở </b> cuối cùng.
Thêm ? sau lượng từ để biến nó thành lazy (khớp càng ít càng tốt):
<b>.*?</b> khớp riêng "<b>one</b>" rồi tới "<b>two</b>"
Quy tắc dễ nhớ: khi một phép khớp kéo dài hơn bạn tưởng, có lẽ bạn cần lượng từ lazy, hoặc một lớp ký tự cụ thể hơn như [^<]* thay cho .*.
Catastrophic backtracking
Một số mẫu trông vô hại có thể treo máy với vài đầu vào nhất định. Dạng kinh điển là một lượng từ nằm trong một lượng từ khác, như (a+)+$ hay (\w+\s?)*$, chạy trên một chuỗi dài gần như khớp. Engine thử một số lượng tổ hợp tăng theo cấp số mũ trước khi bỏ cuộc, và chỉ một request có thể làm đơ cả máy chủ. Đây là một dạng tấn công từ chối dịch vụ thật sự, gọi là ReDoS.
Cách giữ an toàn:
- Tránh lồng lượng từ, kiểu
(x+)+hay(x*)*. - Ưu tiên lớp ký tự cụ thể (
[^"]*) thay cho.*giữa hai dấu phân cách. - Kiểm tra mẫu với đầu vào dài và cố ý gần-khớp, không chỉ trường hợp thuận lợi.
- Ở phía máy chủ, hãy cân nhắc engine regex có timeout, hoặc gói
regexpcủa Go, vốn dùng engine RE2 miễn nhiễm với dạng lỗi này ngay từ thiết kế.
Khi nào không nên dùng regex
Regex là công cụ đúng để tìm hoặc kiểm tra mẫu trong văn bản phẳng. Nó là công cụ sai cho các định dạng lồng nhau hay có cấu trúc:
- HTML và XML: chúng lồng nhau sâu tùy ý, regex không theo dõi được. Hãy dùng trình phân tích DOM.
- JSON: dùng
JSON.parse, rồi làm việc với object. - CSV có dấu phẩy trong ngoặc kép: một trình phân tích CSV thật sự xử lý được các trường hợp biên mà regex bỏ sót.
- Email đúng từng chữ của đặc tả: mẫu regex email chuẩn đầy đủ dài tới hàng nghìn ký tự. Với form đăng ký, một kiểm tra lỏng kèm email xác nhận tốt hơn một mẫu chặt chẽ loại nhầm cả địa chỉ hợp lệ.
Khi kiểm tra tính hợp lệ, hãy nhắm tới "đủ tốt và dễ dãi" thay vì "chặt chẽ hoàn hảo". Loại nhầm số điện thoại hay địa chỉ thật của người dùng còn tệ hơn là chấp nhận một giá trị trông hơi lạ.
Xây mẫu từng bước
Cách giữ đầu óc tỉnh táo với regex là xây và kiểm tra theo từng bước nhỏ, đừng viết một con quái vật 200 ký tự rồi cầu may. Bắt đầu từ bản đơn giản nhất, dán văn bản mẫu thật vào, và quan sát phần nào khớp khi bạn thêm từng mảnh.
Công cụ Kiểm tra Regex của nicetool.dev làm đúng điều đó: tô sáng mọi kết quả khớp ngay khi bạn gõ, hiển thị từng nhóm bắt và nhóm có tên, cho bật/tắt flag bằng một cú nhấp, và có chế độ replace để bạn xem trước kết quả. Công cụ còn kèm sẵn các mẫu cho email, URL, IPv4, ngày ISO, mã màu hex, số điện thoại, UUID và slug để bạn lấy làm điểm khởi đầu. Mọi thứ chạy ngay trong trình duyệt, nên bạn kiểm tra với dữ liệu thật một cách an toàn.
Hãy nắm các khối cơ bản ở trên, dựa vào nhóm có tên cho mọi thứ không đơn giản, để ý phép khớp greedy và lượng từ lồng nhau, và chuyển sang trình phân tích thật khi định dạng có cấu trúc. Đó gần như là tất cả những gì gọi là thành thạo regex.
Tác giả
Nguyễn Thành Nam
Full-Stack Engineer · Backend & Platform
Kỹ sư full-stack với hơn 9 năm kinh nghiệm xây dựng API và nền tảng lưu lượng lớn bằng Go, NestJS, PHP (Laravel, Phalcon) và Node.js. Chuyên về thiết kế API GraphQL, hệ thống thời gian thực và tối ưu hiệu năng; xây dựng NICETOOL.dev cho cộng đồng lập trình viên.