Представьте, что вам нужно вытащить все email-адреса из огромного текстового файла на 10 000 строк или проверить, правильно ли пользователь ввел номер телефона в форме регистрации. Писать для этого десятки условий if/else с проверкой каждого символа - настоящий кошмар. Здесь на помощь приходят Регулярные выражения (или RegExp) - специальный язык шаблонов, который позволяет искать, заменять и валидировать текст с невероятной скоростью.
На первый взгляд регулярки выглядят как случайный набор символов, который оставил после себя кот, пробежавший по клавиатуре. Но за этим хаосом стоит строгая логика. Если ее освоить, вы сможете за одну строку кода сделать то, на что раньше уходил целый класс или функция.
Шпаргалка по базовому синтаксису
Чтобы начать пользоваться регулярками, нужно понять, из каких «кирпичиков» они строятся. Весь синтаксис можно разделить на несколько групп.
Якоря и границы
Якоря не ищут конкретные буквы, они ищут позицию. Это как указатель: «ищи только здесь».
^- начало строки или всего текста.$- конец строки или текста.\b- граница слова. Это критически важный символ, который отделяет букву от пробела, знака препинания или начала строки.\B- «не-граница» слова (используется редко, когда нужно найти совпадение именно внутри слова).
Символьные классы и диапазоны
Когда вам не нужен один конкретный символ, а подходит любой из набора, используйте квадратные скобки [...].
[А-Я]- любая заглавная буква русского алфавита.[0-9]- любая цифра.[^a-z]- любое что угодно, КРОМЕ строчных латинских букв (символ^внутри скобок работает как отрицание).
Квантификаторы: сколько раз повторять?
Квантификаторы всегда ставятся после того символа или группы, которую нужно повторить.
*- ноль или более раз.+- один или более раз.?- ноль или один раз (сделать символ необязательным).{n,m}- от n до m повторений.
| Символ | Значение | Пример | Что найдет |
|---|---|---|---|
. |
Любой один символ | к.т |
«кот», «кит», «к-т» |
| |
Или (альтернация) | (кот|пёс) |
Либо «кот», либо «пёс» |
\d |
Любая цифра | \d{3} |
«123», «456» |
\s |
Пробельный символ | \s+ |
Один или несколько пробелов/табуляций |
Ловушки для новичков: где чаще всего ошибаются
Регулярные выражения коварны. Одна маленькая точка или забытая граница слова могут привести к тому, что ваш код начнет «пожирать» лишние данные или пропускать нужные.
Проблема «жадных» квантификаторов
По умолчанию квантификаторы * и + являются жадными. Это значит, что они стараются захватить как можно больше текста.
Классический пример: вы ищете текст внутри кавычек в строке "Привет", сказал он, "как дела?". Если вы используете паттерн ".*", регулярка не найдет две отдельные фразы. Она найдет всё от первой кавычки до самой последней: "Привет", сказал он, "как дела?". Чтобы этого избежать, используют «ленивые» квантификаторы, добавляя знак вопроса: ".*?".
Коварная точка
Многие думают, что точка . - это просто разделитель. Но в мире регулярных выражений точка - это «джокер», который заменяет любой символ, включая пробел. Если вы ищете слово cat, используя c.t, вы найдете не только cat, но и c t, c1t или c-t. Если вам нужна именно точка как символ, её нужно экранировать обратным слэшем: \..
Забытые границы слов
Если вы ищете слово код с помощью паттерна код, регулярка найдет его и в слове кодек, и в слове входкода. Если ваша цель - найти именно отдельное слово, обязательно используйте \b: \bкод\b.
Специфика работы с русским языком
Если вы пишете код для русскоязычного сегмента, будьте внимательны с алфавитом. Самая частая ошибка - использовать диапазон [а-я] или [А-Я].
Запомните: буква «Ё» (и «ё») не входит в стандартный диапазон А-Я. Если пользователь введет фамилию «Семёнов», а ваш паттерн настроен только на [а-я], валидация не сработает. Правильный вариант для русского алфавита: [а-яёА-ЯЁ].
Также помните про регистр. По умолчанию «А» и «а» - это разные символы. Чтобы не писать огромные конструкции вроде [aA][bB]..., используйте флаг i (case-insensitive), который отключает чувствительность к регистру.
Практические советы по применению
Чтобы ваши регулярки не превратились в «нечитаемый код», который страшно править даже вам через месяц, следуйте этим правилам:
- Используйте r-строки в Python. Запись
r"\d+"избавляет от необходимости удваивать обратные слэши, что делает паттерн чище. - Разбивайте сложные паттерны. Если выражение занимает больше 50 символов, используйте флаг
x(verbose). Он позволяет добавлять пробелы и комментарии прямо внутрь регулярки, чтобы было понятно, какая часть за что отвечает. - Тестируйте на граничных случаях. Проверьте, как работает ваш поиск с пустыми строками, строками с одними пробелами или текстом, где искомый символ стоит в самом начале/конце.
- Предпочитайте символьные классы группам. Если вам нужно выбрать один из нескольких символов, например
grayилиgrey, лучше написатьgr[ae]y, чемgr(a|e)y. Это работает быстрее и выглядит лаконичнее.
Для обозначения перевода строки в тексте используйте последовательность \r\n. Это стандарт для многих систем, который позволит корректно обрабатывать многострочные текстовые блоки.
Что такое экранирование в регулярных выражениях?
Экранирование - это способ сказать интерпретатору, что специальный символ (например, точка, плюс или скобка) должен восприниматься как обычный текстовый знак. Для этого перед символом ставится обратный слэш \. Например, чтобы найти в тексте символ ?, нужно написать \?, иначе регулярка решит, что вы используете квантификатор.
В чем разница между `*` и `+`?
Разница в минимальном количестве совпадений. Квантификатор * означает «ноль или более», то есть символ может вообще отсутствовать в строке, и это будет считаться совпадением. Квантификатор + означает «один или более», то есть символ должен встретиться хотя бы один раз.
Как найти все числа в строке, если они разделены точками?
Если использовать жадную регулярку вроде \d*\.\d*, можно получить неожиданные результаты (например, захватить несколько чисел сразу). Правильнее использовать \d+(\.\d+)?. Это найдет одну или более цифр, и, если есть точка, то и цифры после неё.
Работают ли регулярные выражения во всех языках программирования?
Да, концепция RegExp реализована почти везде: в Python, JavaScript, Java, C#, PHP и даже в текстовых редакторах вроде VS Code или Sublime Text. Однако есть нюансы в «движках» (например, PCRE, ECMAScript), которые могут немного различать синтаксис сложных функций, таких как look-ahead или look-behind.
Почему мой поиск по русским буквам не находит букву Ё?
Потому что в таблице символов Unicode буква Ё находится отдельно от основного диапазона А-Я. Чтобы поиск работал корректно, всегда добавляйте её вручную в квадратные скобки: [а-яё].
Что делать, если регулярка не работает?
Если вы написали паттерн, но он либо ничего не находит, либо находит лишнее, попробуйте следующее:
- Проверьте регистр. Возможно, вы ищете
Admin, а в тексте написаноadmin. - Проверьте границы слов. Добавьте
\bпо краям шаблона, чтобы исключить совпадения внутри других слов. - Замените жадные квантификаторы на ленивые (добавьте
?после*или+). - Используйте специализированные сервисы-тестеры (например, Regex101), где в реальном времени видно, какая часть паттерна сработала, а какая - нет.