Что такое регулярные выражения: полный справочник по RegExp с шпаргалкой

В справочнике ниже — шпаргалка синтаксиса с таблицами токенов и примеры использования регулярных выражений в Python, JS, Java и PHP.

Что такое регулярное выражение и где оно используется

Регулярное выражение — шаблон, описывающий набор строк. Движок сравнивает шаблон с входным текстом и возвращает совпадения. Стандарт PCRE (версия PCRE2) вырос из языка Perl и сегодня поддерживается во всех основных языках программирования.

По умолчанию регулярные выражения регистрозависимы: Hello и hello — разные шаблоны. Флаг i снимает это ограничение.

Четыре основных применения RegExp

Регулярки применяются в четырёх типовых задачах:

• Поиск. Найти код ошибки «ERR_» с числовым суффиксом в многострочном логе.
• Валидация. Проверить, что серийный номер состоит строго из буквы, дефиса и шести цифр.
• Парсинг. Извлечь дату формата ДД.ММ.ГГГГ из произвольного текста.
• Замена. Схлопнуть несколько подряд идущих пробелов в один.

Регулярное выражение решает все четыре задачи единым синтаксисом — это его главное преимущество перед стандартными строковыми функциями.

Когда регулярные выражения не подходят

Три ситуации, где regex не справится:

• Парсинг HTML и XML. Разметка вложенная и нерегулярная — используйте специализированные парсеры.
• Проверка email по RFC 5322. Паттерн становится неуправляемым и всё равно не покрывает все крайние случаи.
• Произвольно глубокая вложенность. Регулярные выражения не умеют «считать» уровни вложенности — для этого нужны контекстно-свободные грамматики.

Синтаксис регулярных выражений: справочник токенов

Синтаксис regex — набор токенов: каждый описывает символ, позицию или поведение. Спецсимволы . ^ $ * + ? { } [ ] \ | ( ) экранируются обратным слешем \, чтобы трактоваться буквально. В строках Python и Java \ удваивается: \\d.

Символьные классы и метасимволы

Символьный класс — токен, который обозначает набор символов одним знаком в паттерне. Заглавная версия класса (\D, \W, \S) — всегда инверсия строчной.

Квантификаторы: таблица синтаксиса

Квантификатор применяется только к непосредственно предшествующему токену или группе. Режим по умолчанию — жадный; подробнее о режимах — в следующем разделе.

Якоря, группы и флаги

Якоря задают позицию в строке, а не конкретный символ. Группы объединяют фрагменты паттерна. Флаги меняют режим работы всего выражения.

Жадные, ленивые и ревнивые квантификаторы

Режим квантификатора определяет, сколько символов он «захватывает» прежде, чем движок проверяет остаток паттерна.

Жадный режим работает по умолчанию. Ленивый незаменим при разборе HTML-тегов: <.+?> последовательно находит <a>, затем <b>. Ревнивый (*+, ++) исключает возврат (backtracking) — ускоряет обработку строк, которые заведомо не совпадут с паттерном.

Скобочные группы и обратные ссылки

Круглые скобки выполняют две функции: группируют часть паттерна и (в захватывающем режиме) запоминают совпадение.

Три типа групп:

• (abc) — захватывающая. Совпадение доступно как \1 по номеру или \k<name> у именованных групп.
• (?:abc) — незахватывающая. Группирует без сохранения — ниже расход памяти, чуть выше скорость.
• (?<year>\d{4}) — именованная. Обращение по имени: \k<year> в паттерне или match.group('year') в Python.

Поиск повторяющегося слова. Паттерн (\w+)\s+\1 находит случайный дубль: (\w+) захватывает первое слово, \1 требует его точного повтора через пробел. «the the» или «как как» дадут совпадение, «the cat» — нет. Именованная версия (?<word>\w+)\s+\k<word> читается лучше, поведение то же.

Используйте незахватывающую группу (?:) везде, где запоминание не нужно: это заметно снижает потребление памяти в регулярных выражениях с десятками групп.

Регулярные выражения в Python: модуль re

Модуль re входит в стандартную библиотеку Python — устанавливать ничего не нужно. Пять ключевых функций:

• re.search(pattern, str) — первое совпадение в любой позиции; возвращает объект Match или None.
• re.match(pattern, str) — совпадение только в начале строки.
• re.findall(pattern, str) — список всех совпадений.
• re.sub(pattern, repl, str) — замена совпадений на repl.
• re.split(pattern, str) — разбиение строки по совпадениям.

re.compile() как кэш паттерна. При многократном применении одного паттерна — в цикле или к большому файлу — скомпилируйте его заранее:

import re

pattern = re.compile(r'\d{4}-\d{2}-\d{2}')

dates = pattern.findall(log_text)

Объект pattern хранит скомпилированный автомат — повторная компиляция не происходит. Практические примеры: re.findall(r'[\w.+-]+@[\w-]+\.[a-z]{2,}', text) извлекает email-адреса; re.sub(r'\s+', ' ', text) схлопывает дублирующиеся пробелы в один.

RegExp в JavaScript, Java и PHP

Все три языка следуют PCRE-совместимому синтаксису с небольшими отличиями в API. Ниже — краткий справочник по каждому.

JavaScript: синтаксис и методы RegExp

В JavaScript регулярное выражение записывается литеральным /pattern/flags или конструктором new RegExp(pattern, flags).

Основные методы:

• /\d+/.test(str) — возвращает true/false.
• /\d+/.exec(str) — первое совпадение (объект или null); с флагом g продвигается по строке при повторных вызовах.
• str.match(/\d+/g) — массив всех совпадений при флаге g.
• str.replace(/\s+/g, ' ') — замена.

Java и PHP

Java. Пакет java.util.regex: Pattern.compile("\\d+") компилирует паттерн; Matcher.find() ищет следующее совпадение. В строках Java обратный слеш удваивается: "\\d" — это токен \d.

PHP. Функции preg_* используют PCRE напрямую. Разделитель обязателен: preg_match('/\d+/', $str, $m) — первое совпадение; preg_replace('/\s+/', ' ', $str) — замена; preg_split('/,\s*/', $str) — разбиение по запятой.

Онлайн-инструменты для тестирования и отладки RegExp

Перед встраиванием паттерна в код проверьте его на реальных тестовых данных. Четыре инструмента для работы с регулярными выражениями онлайн:

Начинать рекомендуется с Regex101: пошаговый отладчик объясняет каждый шаг сопоставления и показывает, на каком токене сломался паттерн.

Хотите углубиться в работу с данными, кодом и цифровыми инструментами? В рамках федерального проекта «Активные меры содействия занятости» можно пройти обучение по IT-направлениям — аналитика, 1С, нейросети, дизайн — бесплатно, за счёт государства, без отрыва от работы. Смотрите каталог доступных программ.

Часто задаваемые вопросы

Чем регулярные выражения отличаются от обычного поиска по строке?

Обычный поиск находит точное вхождение: «test» — только «test». RegExp описывает шаблон: \btest\w*\b найдёт «test», «testing», «tested». Сила регулярок — в переменных частях: длине совпадения, диапазоне символов, числе повторений, позиции в строке. Именно это делает их незаменимым инструментом при работе с неструктурированным текстом.

В чём разница между жадным и ленивым квантификатором?

Жадный (*, +) захватывает максимально длинную строку, потом «отступает», если нужно. Ленивый (*?, +?) — минимальную. На строке <a><b>: паттерн <.+> вернёт всю строку целиком, а <.+?> — только <a>. Жадный режим — поведение по умолчанию.

Что такое захватывающая группа в регулярном выражении?

Круглые скобки (abc) создают захватывающую группу — совпадение сохраняется в памяти: \1 обращается к первой группе, \k<name> — к именованной (?<name>abc). Если запоминание не нужно, используйте (?:abc) — незахватывающая скобочная группа работает быстрее и экономит память.

Как найти пробел в регулярном выражении?

Пробельные символы — пробел, табуляция, перевод строки — обозначает \s. Один или более — \s+. Только буквальный пробел — [ ]. В Python: re.sub(r'\s+', ' ', text) схлопывает все пробелы в один. Для поиска строки без пробелов — \S+.

Как выглядит обратная ссылка для поиска повторяющегося слова?

Паттерн (\w+)\s+\1 находит слово, за которым через пробелы идёт то же самое — например «the the». (\w+) захватывает первое вхождение, \1 требует точного повтора. Именованная версия: (?<word>\w+)\s+\k<word> — то же самое, но читается понятнее.

Как применять RegExp в SQL?

MySQL: SELECT * FROM t WHERE col REGEXP '^\\d{4}-' — стандартный синтаксис REGEXP. PostgreSQL: col ~ '^\d{4}-' (регистрозависимо) или col ~* '^\d{4}-' (без учёта регистра). ANSI-аналог SIMILAR TO ограничен: не поддерживает \d и \w из PCRE.

Как использовать регулярки в Bash?

grep -E '\d{3}-\d{4}' — Extended RegExp (ERE). grep -P '\d{3}-\d{4}' — PCRE, как в Python. sed 's/\s\+/ /g' — замена в потоке. Важно: базовый grep без флагов работает в BRE-режиме: символы + и ? нужно экранировать как \+, \?.

Как RegExp применяется в задачах ЕГЭ по информатике?

Типичная задача: «Сколько строк соответствует паттерну [А-Яа-я]{3}\d{2}?» Разбираем токен за токеном: [А-Яа-я]{3} — ровно три кириллические буквы, \d{2} — ровно две цифры. Якоря ^ и $ ограничивают совпадение всей строкой. Практика на Regex101 существенно ускоряет подготовку.

Как протестировать регулярное выражение онлайн?

Regex101.com — выбор для начинающих: подсвечивает совпадения, объясняет каждый токен и предоставляет пошаговый отладчик. Regexper.com строит SVG-диаграмму паттерна — полезно для понимания чужого кода. Оба работают без регистрации, прямо в браузере.

Как использовать регулярные выражения в Notepad++?

В Notepad++: меню Search → Find → режим «Regular expression». Паттерн ^\s*$ с пустой строкой замены удаляет все пустые строки. Опция «. matches newline» позволяет захватывать многострочные блоки. Notepad++ использует диалект Boost.Regex — практически идентичен PCRE.