Шпаргалка по regex

Регулярное выражение (regex) — это компактный паттерн, описывающий множество строк, используемый для поиска, сопоставления и замены текста. Например, паттерн \d{3}-\d{4} найдёт фрагмент телефона вроде 555-1234, потому что \d означает «цифра», а {3} — «ровно три». Regex используется в поиске с заменой, валидации форм и разборе логов почти в каждом языке программирования и редакторе кода. Живой тестер в верхней части страницы позволяет опробовать любой паттерн мгновенно.

Основные строительные блоки: . (любой символ, кроме новой строки), \d (цифра), \w (символ слова — буква, цифра или подчёркивание), \s (пробельный символ), якоря ^ (начало) и $ (конец), а также квантификаторы * (ноль или больше), + (один или больше) и ? (опционально). Таким образом, \w+ найдёт целое слово, а \d+ — целое число, например 2024. Комбинируйте их — ^\d+$ совпадёт со строкой, состоящей только из цифр. Каждый токен в этой шпаргалке сопровождается примером для копирования.

\d совпадает с любой цифрой от 0 до 9; \w — с символом слова (a–z, A–Z, 0–9 или _); \s — с пробельным символом (пробел, табуляция или перевод строки). Их заглавные версии являются отрицаниями: \D — не цифра, \W — не символ слова, \S — не пробел. Например, в тексте «a5 b» \d совпадёт с 5, \w — с a, 5 и b, а \s — с пробелом между ними. Эти три сокращённых класса покрывают подавляющее большинство повседневных regex-паттернов.

Якоря совпадают с позицией, а не с символом. ^ совпадает с началом строки (или каждой строки с флагом m), $ — с концом, \b — с границей слова, \B — с позицией, не являющейся границей. Например, ^\d+$ совпадёт со строкой, состоящей только из цифр, а \bкот\b найдёт слово «кот», но не «кот» внутри «котёнок». Якоря часто ошибочно принимают за матчеры символов — на самом деле они совпадают с позициями в тексте, а не с конкретными символами.

Квантификаторы указывают, сколько раз предыдущий токен может повторяться: * — ноль или больше, + — один или больше, ? — ноль или один (опционально), {n} — ровно n, {n,} — n или больше, {n,m} — от n до m. По умолчанию они жадные (захватывают как можно больше); добавьте ? для ленивого режима. Например \d{1,3} совпадёт с 1–3 цифрами, а ленивый .+? захватит как можно меньше. Ленивые квантификаторы необходимы при совпадении с HTML-тегами или строками в кавычках.

Скобки (…) создают группу захвата, которую можно извлечь или использовать повторно — (\d{4})-(\d{2}) захватывает год в группу 1 и месяц в группу 2 из «2024-06». Используйте (?:…) для группы без захвата, когда группировка нужна только для квантификатора, и (?<name>…) для именованной группы, например (?<год>\d{4}). Обратная ссылка \1 повторно совпадёт с тем, что захватила группа 1, поэтому (\w)\1 найдёт удвоенную букву — «лл» в слове «аллея».

Проверки окружения утверждают, что текст есть (или нет) рядом с вашим совпадением, не потребляя его. (?=…) — положительная опережающая проверка, (?!…) — отрицательная, (?<=…) — положительная ретроспективная, (?<!…) — отрицательная ретроспективная. Например, \d+(?=px) найдёт 5 в «5px», не включая «px», а (?<=₽)\d+ найдёт 9 в «₽9», требуя наличия знака рубля перед числом. Проверки окружения — одна из функций, отличающих современные движки regex от POSIX grep.

Флаги изменяют применение всего паттерна: g (global) находит каждое совпадение, i делает поиск нечувствительным к регистру, m (multiline) заставляет ^ и $ совпадать с каждой строкой, s (dotall) позволяет . совпадать с переводами строк, u включает полную поддержку Unicode, y (sticky) привязывает совпадение к фиксированной позиции. В JavaScript они добавляются после закрывающего слэша: /кот/gi найдёт «Кот» и «КОТ» везде в тексте. Тестер на этой странице имеет кнопки-переключатели для каждого флага, чтобы вы могли увидеть эффект вживую.

Практичные отправные паттерны: email — [\w.+-]+@[\w-]+\.[\w.-]+ ; URL — https?:\/\/[^\s]+ ; российский телефон — (?:\+7|8)[-.\s]?\(?\d{3}\)?[-.\s]?\d{3}[-.\s]?\d{2}[-.\s]?\d{2}, который найдёт как +7 (495) 123-45-67, так и 8 495 123 45 67. Это прагматичные, а не исчерпывающие варианты — официальный стандарт email намного сложнее, — поэтому всегда проверяйте их на реальных данных с живым тестером выше, где каждый паттерн доступен одним кликом в списке типовых паттернов.

Поставьте обратный слэш перед любым метасимволом, чтобы совпасть с ним буквально. Символы, которые обычно нужно экранировать: . ^ $ * + ? ( ) [ ] { } | \ и /. Например, \. совпадёт с буквальной точкой, а \$ — со знаком доллара, поэтому \d+\.\d{2} найдёт цену вроде 19.99. Внутри символьного класса большинство из них теряют особое значение, поэтому [.] тоже совпадёт с буквальной точкой без экранирования.

Основной синтаксис общий, но детали различаются. В JavaScript группы именуются как (?<name>…), в Python — как (?P<name>…); Python использует «сырые строки» r"\d+", а Java требует удвоенных обратных слэшей в строковых литералах ("\\d+"). Режим dotall в JS — флаг s, в Python — re.DOTALL, в Java — Pattern.DOTALL. Таблица диалектов на этой странице резюмирует различия для Python, Java, PCRE и grep, чтобы вы могли уверенно переносить паттерны между языками.

В Python регулярные выражения находятся во встроенном модуле re. Обычно паттерн записывается как «сырая строка», и вызываются функции вроде re.search, re.findall или re.sub — например re.findall(r"\d+", "a1 b22") вернёт ['1', '22']. Именованные группы используют синтаксис (?P<name>…), а читать их можно через match.group('name'). Справочник токенов на этой странице напрямую применим к regex Python; отличаются только окружающий API и несколько названий флагов по сравнению с JavaScript.

Используйте живой тестер в верхней части страницы: введите паттерн между слэшами, переключите нужные флаги и вставьте тестовую строку. Совпадения подсвечиваются в реальном времени, каждая нумерованная и именованная группа захвата отображается отдельно, а некорректный паттерн показывает встроенное сообщение об ошибке вместо молчаливого сбоя — всё работает локально в браузере, поэтому ничего из введённого не загружается. Аналогичные инструменты — regex101.com и regexr.com; эта страница объединяет справочник и тестер на одной странице.

regex101.com — отраслевой стандарт для глубокой отладки regex: поддерживает несколько диалектов (PCRE, Python, Java, .NET, Golang) и даёт детальное объяснение каждого токена в паттерне. regexr.com предлагает схожий опыт с библиотекой паттернов от сообщества. Оба — отличные специализированные инструменты. Шпаргалка UtiloKit отличается: она объединяет таблицу токенов с базовым живым тестером на одной странице, чтобы вы могли найти нужное и проверить за секунды, не переключая вкладки. Для сложной production-отладки regex детальный отладчик regex101.com незаменим; для быстрых справок в ходе разработки эта страница загружается быстрее и не требует навигации.

Название происходит из теории формальных языков. В 1950-х годах математик Стивен Кини описал «регулярные множества» — языки, которые может распознать простой конечный автомат, — и используемая им нотация стала известна как регулярное выражение. Современные движки regex добавляют возможности, такие как обратные ссылки и проверки окружения, выходящие за рамки строго «регулярных» языков, но историческое название закрепилось.