Cheatsheet delle Regex

Un'espressione regolare (regex) è un pattern compatto che descrive un insieme di stringhe, usato per cercare, trovare corrispondenze e sostituire testo. Ad esempio, il pattern \d{3}-\d{4} corrisponde a un frammento di numero di telefono come 555-1234, perché \d significa 'una cifra' e {3} significa 'esattamente tre di esse'. Le regex sono alla base di trova-e-sostituisci, validazione dei form e analisi dei log in quasi ogni linguaggio di programmazione e editor di codice. Il tester live in cima a questa pagina ti permette di provare qualsiasi pattern all'istante.

Gli elementi fondamentali sono: . (qualsiasi carattere tranne newline), \d (una cifra), \w (un carattere alfanumerico — lettera, cifra o underscore), \s (spazio bianco), le ancore ^ (inizio) e $ (fine), e i quantificatori * (zero o più), + (uno o più) e ? (opzionale). Quindi \w+ corrisponde a un'intera parola e \d+ a un numero intero come 2024. Combinali — ^\d+$ corrisponde a una riga composta solo da cifre. Ogni token in questo cheat sheet include un esempio copiabile.

\d corrisponde a qualsiasi cifra da 0 a 9; \w corrisponde a un carattere alfanumerico (a–z, A–Z, 0–9 o _); \s corrisponde a spazio bianco (spazio, tab o newline). Le versioni maiuscole sono le negazioni: \D è un non-numero, \W un carattere non alfanumerico e \S un non-spazio. Ad esempio, nel testo 'a5 b', \d corrisponde a 5, \w corrisponde ad a, 5 e b, e \s corrisponde allo spazio tra loro. Queste tre classi abbreviate coprono la grande maggioranza dei pattern regex di uso quotidiano.

Le ancore corrispondono a una posizione anziché a un carattere. ^ corrisponde all'inizio della stringa (o di ogni riga con il flag m), $ corrisponde alla fine, \b corrisponde a un confine di parola e \B a un non-confine. Ad esempio, ^\d+$ corrisponde a una stringa composta solo da cifre, e \bcat\b corrisponde alla parola 'cat' ma non alla 'cat' dentro 'category'. Le ancore sono spesso fraintese come caratteri corrispondenti — in realtà corrispondono a posizioni nel testo, non a caratteri specifici.

I quantificatori indicano quante volte il token precedente può ripetersi: * è zero o più, + è uno o più, ? è zero o uno (opzionale), {n} è esattamente n, {n,} è n o più, e {n,m} è tra n e m. Sono greedy per impostazione predefinita (corrispondono al massimo possibile); aggiungi un ? per renderli lazy. Ad esempio \d{1,3} corrisponde da 1 a 3 cifre, e il lazy .+? corrisponde al minimo possibile. I quantificatori lazy sono essenziali quando si trovano tag HTML o stringhe tra virgolette.

Le parentesi (…) creano un gruppo di cattura che puoi estrarre o riutilizzare — (\d{4})-(\d{2}) cattura l'anno nel gruppo 1 e il mese nel gruppo 2 di '2024-06'. Usa (?:…) per un gruppo non-catturante quando hai bisogno di raggruppare solo per un quantificatore, e (?<nome>…) per un gruppo nominato come (?<anno>\d{4}). Un backreference come \1 corrisponde nuovamente a ciò che il gruppo 1 ha catturato, quindi (\w)\1 trova una lettera doppia — le 'll' in 'hello'.

I lookaround verificano che del testo sia (o non sia) adiacente alla corrispondenza senza consumarlo. (?=…) è un lookahead positivo, (?!…) un lookahead negativo, (?<=…) un lookbehind positivo e (?<!…) un lookbehind negativo. Ad esempio, \d+(?=px) corrisponde al 5 in '5px' ma esclude il 'px', e (?<=€)\d+ corrisponde al 9 in '€9' richiedendo un segno euro precedente. I lookaround sono una delle funzionalità che distinguono i motori regex moderni dal POSIX grep.

I flag cambiano il modo in cui l'intero pattern viene applicato: g (global) trova ogni corrispondenza, i rende la ricerca case-insensitive, m (multiline) fa sì che ^ e $ corrispondano a ogni riga, s (dotall) permette a . di corrispondere ai newline, u abilita il pieno supporto Unicode e y (sticky) ancella la ricerca a una posizione fissa. In JavaScript li aggiungi dopo lo slash di chiusura, quindi /cat/gi corrisponde a 'Cat' e 'CAT' ovunque nel testo. Il tester su questa pagina ha pulsanti di attivazione per ogni flag così puoi vederne l'effetto in tempo reale.

Pattern pratici di partenza: email — [\w.+-]+@[\w-]+\.[\w.-]+ ; URL — https?:\/\/[^\s]+ ; telefono italiano — \+?39?[\s.-]?\d{2,4}[\s.-]?\d{6,8}, che gestisce formati come +39 02 1234567 e 347-1234567. Questi sono pratici, non esaustivi — lo standard ufficiale per le email è molto più complesso — quindi testali sempre sui tuoi dati reali con il tester live in cima alla pagina, dove ciascuno è accessibile con un clic nell'elenco Pattern comuni.

Metti un backslash davanti a qualsiasi metacarattere per trovare la sua corrispondenza letterale. I caratteri che di solito richiedono l'escape sono . ^ $ * + ? ( ) [ ] { } | \ e /. Ad esempio \. corrisponde a un punto letterale e \$ a un segno dollaro, quindi \d+\.\d{2} corrisponde a un prezzo come 19,99. All'interno di una classe di caratteri la maggior parte di questi perde il suo significato speciale, quindi [.] corrisponde anche a un punto letterale senza escape.

La sintassi di base è condivisa, ma i dettagli differiscono. JavaScript nomina i gruppi con (?<nome>…) mentre Python usa (?P<nome>…); Python usa raw string come r"\d+" e Java richiede doppi backslash nei letterali stringa ("\\d+"). Dotall è il flag s in JS, re.DOTALL in Python e Pattern.DOTALL in Java. La tabella delle varianti su questa pagina riassume le differenze per Python, Java, PCRE e grep così puoi trasferire un pattern da un linguaggio all'altro con sicurezza.

In Python, le espressioni regolari si trovano nel modulo built-in re. Di solito scrivi il pattern come raw string e chiami funzioni come re.search, re.findall o re.sub — ad esempio re.findall(r"\d+", "a1 b22") restituisce ['1', '22']. I gruppi nominati usano (?P<nome>…) e si leggono con match.group('nome'). Il riferimento ai token su questa pagina si applica direttamente alle regex Python; differiscono solo l'API circostante e alcuni nomi di flag rispetto a JavaScript.

Usa il tester live in cima a questa pagina: scrivi il tuo pattern tra gli slash, attiva i flag che ti servono e incolla una stringa di test. Le corrispondenze vengono evidenziate in tempo reale, ogni gruppo di cattura numerato e nominato viene mostrato separatamente, e un pattern non valido mostra un messaggio di errore comprensibile invece di fallire silenziosamente — tutto gira localmente nel tuo browser, quindi nulla di ciò che incolli viene caricato. Strumenti come regex101.com e regexr.com funzionano in modo simile; questo combina riferimento e tester in un'unica pagina.

regex101.com è lo standard del settore per il debug approfondito delle regex — supporta più varianti (PCRE, Python, Java, .NET, Golang) e fornisce una spiegazione dettagliata di ogni token nel tuo pattern. regexr.com offre un'esperienza simile con una libreria pubblica di pattern. Entrambi sono eccellenti strumenti dedicati. Questo cheat sheet di UtiloKit è diverso: abbina una tabella di riferimento dei token con un tester live di base sulla stessa pagina, così puoi cercare qualcosa e verificarlo in pochi secondi senza cambiare tab. Per lavori regex di produzione complessi, il confronto tra varianti e il debugger dettagliato di regex101.com sono difficili da battere; per consultazioni rapide durante lo sviluppo, questa pagina di riferimento si carica più velocemente e non richiede navigazione.

Il nome viene dalla teoria dei linguaggi formali. Negli anni '50 il matematico Stephen Kleene descrisse i 'linguaggi regolari' — linguaggi che una semplice macchina a stati finiti può riconoscere — e la notazione che usò per descriverli divenne nota come espressione regolare. I moderni motori regex aggiungono funzionalità come backreference e lookaround che vanno oltre i linguaggi strettamente 'regolari', ma il nome storico è rimasto.