Aide-mémoire Regex

Une expression régulière (regex) est un motif compact qui décrit un ensemble de chaînes, utilisé pour rechercher, faire correspondre et remplacer du texte. Par exemple, le motif \d{3}-\d{4} correspond à un fragment de numéro comme 555-1234, car \d signifie « un chiffre » et {3} signifie « exactement trois d'entre eux ». Les regex alimentent la recherche-remplacement, la validation de formulaires et l'analyse de journaux dans presque tous les langages de programmation et éditeurs de code. Le testeur en direct en haut de cette page vous permet d'essayer n'importe quel motif instantanément.

Les éléments fondamentaux sont : . (n'importe quel caractère sauf le saut de ligne), \d (un chiffre), \w (un caractère de mot — lettre, chiffre ou tiret bas), \s (espace blanc), les ancres ^ (début) et $ (fin), et les quantificateurs * (zéro ou plus), + (un ou plus) et ? (optionnel). Ainsi \w+ correspond à un mot entier et \d+ correspond à un nombre entier comme 2024. Combinez-les — ^\d+$ correspond à une ligne ne contenant que des chiffres. Chaque token de cet aide-mémoire inclut un exemple copiable.

\d correspond à n'importe quel chiffre de 0 à 9 ; \w correspond à un caractère de mot (a–z, A–Z, 0–9 ou _) ; \s correspond à un espace blanc (espace, tabulation ou saut de ligne). Leurs versions en majuscules sont les négations : \D est un non-chiffre, \W un non-caractère de mot et \S un non-espace. Par exemple, dans le texte « a5 b », \d correspond à 5, \w correspond à a, 5 et b, et \s correspond à l'espace entre eux. Ces trois classes abrégées couvrent la grande majorité des motifs regex du quotidien.

Les ancres correspondent à une position plutôt qu'à un caractère. ^ correspond au début de la chaîne (ou à chaque ligne avec le drapeau m), $ correspond à la fin, \b correspond à une limite de mot et \B à une non-limite. Par exemple, ^\d+$ correspond à une chaîne composée uniquement de chiffres, et \bcat\b correspond au mot « cat » mais pas au « cat » dans « category ». Les ancres sont souvent confondues avec des caractères correspondants — elles correspondent à des positions dans le texte, pas à des caractères spécifiques.

Les quantificateurs indiquent combien de fois le token précédent peut se répéter : * correspond à zéro ou plus, + à un ou plus, ? à zéro ou un (optionnel), {n} à exactement n, {n,} à n ou plus, et {n,m} à entre n et m. Ils sont gourmands par défaut (correspondent à autant que possible) ; ajoutez un ? pour les rendre paresseux. Par exemple \d{1,3} correspond à 1 à 3 chiffres, et le paresseux .+? correspond à aussi peu que possible. Les quantificateurs paresseux sont essentiels pour faire correspondre des balises HTML ou des chaînes entre guillemets.

Les parenthèses (…) créent un groupe capturant que vous pouvez extraire ou réutiliser — (\d{4})-(\d{2}) capture l'année dans le groupe 1 et le mois dans le groupe 2 de « 2024-06 ». Utilisez (?:…) pour un groupe non-capturant lorsque vous n'avez besoin de grouper que pour un quantificateur, et (?<nom>…) pour un groupe nommé comme (?<année>\d{4}). Une référence arrière telle que \1 correspond à nouveau à ce que le groupe 1 a capturé, donc (\w)\1 trouve une lettre doublée — le « ll » dans « hello ».

Les lookarounds vérifient que du texte se trouve (ou ne se trouve pas) à côté de votre correspondance sans le consommer. (?=…) est un lookahead positif, (?!…) un lookahead négatif, (?<=…) un lookbehind positif et (?<!…) un lookbehind négatif. Par exemple, \d+(?=px) correspond au 5 dans « 5px » mais exclut le « px », et (?<=€)\d+ correspond au 9 dans « €9 » en exigeant un signe euro précédent. Les lookarounds sont l'une des fonctionnalités qui distinguent les moteurs regex modernes du grep POSIX.

Les drapeaux modifient la façon dont le motif entier est appliqué : g (global) trouve chaque correspondance, i le rend insensible à la casse, m (multiligne) fait correspondre ^ et $ à chaque ligne, s (dotall) permet à . de correspondre aux sauts de ligne, u active l'Unicode complet et y (sticky) ancre la correspondance à une position fixe. En JavaScript, vous les ajoutez après le slash de fermeture, donc /cat/gi correspond à « Cat » et « CAT » partout dans le texte. Le testeur de cette page dispose de boutons bascule pour chaque drapeau afin d'observer leur effet en direct.

Motifs de départ pratiques : e-mail — [\w.+-]+@[\w-]+\.[\w.-]+ ; URL — https?:\/\/[^\s]+ ; téléphone français — 0[1-9]([ .-]?\d{2}){4}, qui correspond à 01 23 45 67 89 et 06.12.34.56.78. Ces motifs sont pragmatiques, pas exhaustifs — la norme officielle des e-mails est bien plus complexe — alors testez-les toujours sur vos données réelles avec le testeur en direct ci-dessus, où chacun s'active en un clic dans la liste des motifs courants.

Placez une barre oblique inverse devant tout métacaractère pour le faire correspondre littéralement. Les caractères qui nécessitent généralement un échappement sont . ^ $ * + ? ( ) [ ] { } | \ et /. Par exemple \. correspond à un point littéral et \$ à un signe dollar, donc \d+\.\d{2} correspond à un prix comme 19,99. À l'intérieur d'une classe de caractères, la plupart de ces caractères perdent leur signification spéciale, donc [.] correspond également à un point littéral sans échappement.

La syntaxe de base est commune, mais les détails diffèrent. JavaScript nomme les groupes (?<nom>…) tandis que Python utilise (?P<nom>…) ; Python utilise des chaînes brutes comme r"\d+" et Java nécessite des barres obliques inverses doublées dans les littéraux de chaîne ("\\d+"). Le dotall est le drapeau s en JS, re.DOTALL en Python et Pattern.DOTALL en Java. Le tableau des dialectes sur cette page résume les différences pour Python, Java, PCRE et grep afin que vous puissiez porter un motif d'un langage à l'autre en toute confiance.

En Python, les expressions régulières se trouvent dans le module intégré re. Vous écrivez généralement le motif sous forme de chaîne brute et appelez des fonctions comme re.search, re.findall ou re.sub — par exemple re.findall(r"\d+", "a1 b22") renvoie ['1', '22']. Les groupes nommés utilisent (?P<nom>…) et vous les lisez avec match.group('nom'). La référence des tokens de cette page s'applique directement au regex Python ; seules l'API environnante et quelques noms de drapeaux diffèrent de JavaScript.

Utilisez le testeur en direct en haut de cette page : saisissez votre motif entre les barres obliques, activez les drapeaux dont vous avez besoin, et collez une chaîne de test. Les correspondances se surlignent en temps réel, chaque groupe capturant numéroté et nommé est détaillé en dessous, et un motif invalide affiche un message d'erreur en clair plutôt que d'échouer silencieusement — le tout s'exécutant localement dans votre navigateur, donc rien de ce que vous collez n'est envoyé. Des outils comme regex101.com et regexr.com fonctionnent de façon similaire ; celui-ci combine la référence et le testeur sur une seule page.

regex101.com est la référence du secteur pour le débogage regex approfondi — il prend en charge plusieurs dialectes (PCRE, Python, Java, .NET, Golang) et fournit une explication détaillée de chaque token de votre motif. regexr.com offre une expérience similaire avec une bibliothèque communautaire de motifs. Les deux sont d'excellents outils dédiés. Cet aide-mémoire UtiloKit est différent : il associe une table de référence des tokens avec un testeur en direct de base sur la même page, vous permettant de chercher quelque chose et de le vérifier en quelques secondes sans changer d'onglet. Pour un travail regex de production complexe, la comparaison de dialectes et le débogueur détaillé de regex101.com sont difficiles à égaler ; pour des consultations rapides en cours de développement, cette page de référence se charge plus vite et ne nécessite aucune navigation.

Le nom vient de la théorie des langages formels. Dans les années 1950, le mathématicien Stephen Kleene décrivit les « ensembles réguliers » — des langages qu'une machine à états finis simple peut reconnaître — et la notation qu'il utilisait pour les décrire devint connue sous le nom d'expression régulière. Les moteurs regex modernes ajoutent des fonctionnalités telles que les références arrières et les lookarounds qui dépassent les langages strictement « réguliers », mais le nom historique est resté.