Регулярные выражения (RegEx)

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Разработчику Инженеру

См. также: глоссарий — регулярные выражения · JavaScript — RegExp · Python — модуль re · Bash — =~ и grep · терминал — grep

---

RegEx — шаблон для текста

Регулярное выражение (RegEx, regexp) — компактная запись правила поиска и замены в строке. Одним шаблоном можно проверить формат телефона, вытащить дату из лога, отфильтровать строки в grep или задать атрибут pattern в HTML-форме.

Шаблон собирается из литералов (буквы и цифры «как есть») и метасимволов (точка, квантификаторы, классы символов). Движок сопоставляет шаблон с текстом слева направо; при совпадении возвращает фрагмент или группы для подстановки.

Разные «диалекты»

Синтаксис близок во многих языках, но детали расходятся: именованные группы, lookbehind, флаги Unicode. В Python — модуль re (синтаксис близок к Perl); в JavaScript — тип RegExp; в grep по умолчанию — POSIX ERE/BRE. Перед продакшеном сверяйте шаблон с документацией своего движка.

Теоретическая основа — регулярные языки (тип 3 в иерархии Хомского): те же классы строк, что задаёт конечный автомат. RegEx удобны для лексического разбора и валидации форматов, но не заменяют парсеры JSON, HTML или SQL.

---

Быстрый старт

Типичный цикл из трёх шагов:

1. Написать простой шаблон и проверить «есть ли совпадение».
2. Добавить группы (...), если нужно извлечь части строки.
3. Перейти к замене, когда задача — преобразовать текст, а не только найти.

Телефон: +7 (999) 123-45-67
Шаблон:  \D          → удалить всё, кроме цифр
Шаблон:  ^7\d{10}$   → ровно 11 цифр, первая — 7

В JavaScript тот же приём выглядит как replace(/\D/g, '') и test(/^7\d{10}$/).

---

Основы

Конструкция	Смысл
.	Любой символ, кроме перевода строки (если нет флага «точка = всё», см. ниже)
a	Символ a буквально
ab	Подстрока ab
a|b	a или b
a*	Ноль и более a подряд
\	Экранирует метасимвол: \. — точка, а не «любой символ»

Литералы совпадают сами с собой. Метасимволы нужно экранировать обратным слешем, если вы хотите их буквальное значение.

---

Квантификаторы

Конструкция	Смысл
*	Ноль и более предыдущего элемента
+	Один и более
?	Ноль или один
{2}	Ровно 2 повторения
{2,5}	От 2 до 5 включительно
{2,}	Два и более
{,5}	До 5 включительно

По умолчанию квантификаторы жадные (greedy): берут максимально длинное совпадение. Ленивый (reluctant) режим — добавить ? после квантификатора: *?, +?, {2,5}? — минимально возможное совпадение.

Пример: в строке <b>жирный</b> шаблон <.*> захватит всё от первого < до последнего >; <.*?> остановится на первом >.

---

Группы

Конструкция	Смысл
(...)	Захватывающая группа — попадает в результат под номером 1, 2, …
(?:...)	Группировка без захвата
(?P<имя>...)	Именованная группа (Python, часть других движков)
(?<имя>...)	Именованная группа (JavaScript)
\1, \2	Ссылка на группу по номеру в том же шаблоне
(?P=имя)	Совпадение с уже захваченной именованной группой (Python)
(?#комментарий)	Комментарий внутри шаблона (Python, флаг x)

Группы нужны и для извлечения данных, и для повторения фрагмента: (\d{2})-\1 найдёт 12-12, если обе части одинаковы.

---

Классы символов

Конструкция	Смысл
[ab-d]	Один символ из набора: a, b, c, d
[^ab-d]	Один символ вне набора
[\b]	Символ backspace (внутри класса)
\d	Цифра [0-9]
\D	Не цифра
\s	Пробельный символ (пробел, таб, перевод строки и т.д.)
\S	Не пробельный
\w	«Словесный» символ (буква, цифра, _; точное определение зависит от движка)
\W	Не «словесный»

Внутри [...] большинство метасимволов теряют особый смысл; диапазоны задают через дефис: [A-Za-z0-9_].

---

Утверждения (assertions)

Утверждения проверяют контекст вокруг совпадения, не расходуя символы входа (кроме lookbehind с переменной длиной в части движков).

Конструкция	Смысл
^	Начало строки (или начало строки в режиме многострочности)
$	Конец строки
\A	Начало всего текста (Python; игнорирует флаг m)
\Z	Конец всего текста (Python)
\b	Граница слова
\B	Не граница слова
(?=...)	Позитивный lookahead — дальше должно совпасть ...
(?!...)	Негативный lookahead — дальше не должно совпасть
(?<=...)	Позитивный lookbehind — слева должно совпасть
(?<!...)	Негативный lookbehind

Пример lookahead: пароль с цифрой — ^(?=.*\d).{8,}$ (минимум 8 символов и хотя бы одна цифра где угодно в строке).

Условные конструкции (?(условие)да|нет) есть в расширенных диалектах; в повседневном коде встречаются редко.

---

Флаги

Флаги задают режим сопоставления. В JavaScript их пишут после литерала /шаблон/flags; в Python — третьим аргументом re.compile(..., flags=re.I) или (?i) внутри шаблона.

Флаг	Назначение
i	Без учёта регистра
m	^ и $ привязаны к строкам внутри многострочного текста
s	. совпадает и с переводом строки (JavaScript s, Python re.DOTALL)
x	Пробелы вне классов игнорируются, допускаются комментарии (?#...)
u	Unicode-классы, корректная работа с суррогатными парами
g	Все совпадения, не только первое (JavaScript)
L	Локальные классы символов (редко)

Встроенная установка в шаблоне (Python): (?im) в начале или (?iLmsux-imsx:подшаблон) для части выражения.

---

Спецсимволы и escape-последовательности

Конструкция	Смысл
\n	Перевод строки
\r	Возврат каретки
\t	Табуляция
\YYY	Символ по восьмеричному коду (зависит от движка)
\xYY	Символ по шестнадцатеричному коду

В строках языка программирования обратный слеш часто экранируется дважды: в Python r"\d+", в JavaScript-строке "\\d+", в литерале RegExp — /\d+/.

---

Замена и подстановки

При replace / sub в строку подстановки попадают ссылки на группы:

Движок	Вставить всё совпадение	Группа 1	Именованная группа
JavaScript	$&	$1	$<имя>
Python re.sub	\g<0>	\1	\g<имя>
.NET	$0	$1	${имя}
sed (GNU)	&	\1	—

В JavaScript колбэк во втором аргументе replace удобен, когда подстановка зависит от логики, а не только от номера группы.

---

Где применяется в энциклопедии

Область	Механизм	Статья
Клиентский код	RegExp, методы строк	RegExp в JavaScript
Скрипты и данные	re.findall, re.sub	Python — re, pandas — str.contains
Shell	grep, sed, [[ =~ ]]	Справочник Linux, Bash
HTML-формы	атрибут pattern (подмножество JS RegExp)	Справочник <input>
SQL	LIKE с % и _ — не полный RegEx	Операторы WHERE
Безопасность	валидация входа, фильтры WAF	Основы ИБ

LIKE в SQL — отдельный мини-язык: % — любая длина, _ — ровно один символ. Для сложных масок в PostgreSQL есть ~ / ~* (POSIX regex); в других СУБД — свои операторы (REGEXP в MySQL и т.д.).

---

Ограничения и типичные ошибки

Когда RegEx не подходит

• HTML, XML, JSON — вложенная структура; нужен парсер, а не один большой шаблон.
• Email и URL «на 100 %» — в продакшене опирайтесь на типы полей HTML, библиотеки и серверную проверку.
• Катастрофический backtracking — вложенные квантификаторы вроде (a+)+ на длинном вводе «подвешивают» процесс; упрощайте шаблон или ограничивайте длину строки.

Задача	Разумный подход
Простая маска (телефон, код)	Короткий RegEx + нормализация ввода
Поля формы в браузере	type, pattern, Constraint Validation API
Поиск в логах на сервере	grep -E, при сложной логике — скрипт на Python
Разбор структурированного протокола	Парсер, грамматика, не regexp

---

Краткий итог

RegEx — шаблон, флаги и операции поиск / проверка / замена. Освойте таблицы основ, квантификаторов и классов символов, затем переходите к языковым статьям: синтаксис групп и подстановок в вашем движке чуть отличается, а идея одна — описать правило текста один раз и переиспользовать в коде, формах и терминале.

---