Основы регулярных выражений

Литералы и классы символов

Большинство символов совпадают сами с собой: шаблон cat находит текст «cat». Некоторые символы имеют особое значение, например . * + ? ( ) [ ] { } ^ $ | \. Чтобы найти такой символ буквально, экранируйте его обратной косой чертой, например \. для точки.

Класс символов совпадает с одним символом из набора. [abc] совпадает с a, b или c; [a-z] — со строчной латинской буквой ASCII; [^0-9] — с любым символом, кроме цифры. Распространённые сокращения: \d (цифра), \w (буква, цифра или подчёркивание), \s (пробельный символ) и их противоположности \D, \W и \S. Точка . совпадает с любым символом, кроме переноса строки.

В JavaScript \w и \d охватывают только символы ASCII. Чтобы находить буквы любого языка, используйте свойство Unicode, например \p{L}, с флагом u.

Квантификаторы и якоря

Квантификаторы указывают, сколько раз может повторяться предыдущий элемент:

Якоря совпадают с позицией, а не с символом. ^ — начало, а $ — конец входного текста (или каждой строки с флагом m). \b — граница слова, поэтому \bcat\b находит «cat», но не «concatenate». При проверке значения целиком привязывайте оба конца: ^\d{5}$ принимает ровно пять цифр и ничего больше.

Группы и захват

Круглые скобки группируют часть шаблона, чтобы к ней применялся квантификатор или альтернатива: (ab)+ повторяет «ab», а (jpg|png) совпадает с любым из двух слов. Обычная группа также захватывает совпавший текст, который можно повторно использовать в замене как $1, $2 и так далее.

Именованные группы, например (?<year>\d{4}), делают шаблоны понятнее, и на них можно ссылаться как $<year>. Если нужна только группировка, незахватывающая группа (?:...) не создаёт лишнего захвата. Тестер RegEx от LeedyBox показывает каждое совпадение с его группами захвата и предпросмотр замен.

Флаги

Флаги меняют поведение всего шаблона. Распространённые флаги JavaScript:

• g (global): находить все совпадения, а не только первое.
• i (ignore case): не различать заглавные и строчные буквы.
• m (multiline): ^ и $ совпадают на каждом переносе строки.
• s (dotAll): . совпадает также с переносами строк.
• u (unicode): включает поиск с учётом Unicode и классы \p{...}.

В JavaScript есть также флаги y (sticky) и d (индексы совпадений), которые тестер тоже поддерживает.

Жадные и ленивые квантификаторы и катастрофические возвраты

По умолчанию квантификаторы жадные: они захватывают как можно больше, а затем отдают символы обратно, если остальная часть шаблона не совпадает. В тексте <b>bold</b> шаблон <.+> совпадает со всей строкой. Если добавить ?, квантификатор становится ленивым, и <.+?> совпадает только с <b>. Отрицательный класс вроде <[^>]+> часто понятнее и быстрее.

Большинство движков регулярных выражений, включая движок JavaScript, используют возвраты (backtracking). Вложенные квантификаторы вроде (a+)+$ или пересекающиеся альтернативы могут заставить движок перебирать огромное число комбинаций, когда совпадение не находится, и это может подвесить страницу или сервер. Это явление называется катастрофическими возвратами (catastrophic backtracking), и при недоверенном вводе его можно использовать для атак типа «отказ в обслуживании» (ReDoS). Не вкладывайте квантификаторы друг в друга над одними и теми же символами, предпочитайте конкретные классы вместо .* и тестируйте шаблоны на длинных несовпадающих строках.

Диалекты регулярных выражений различаются

Единого стандарта регулярных выражений нет. JavaScript, Python, Java, .NET, PCRE (используется в PHP), Go и базы данных поддерживают немного разный синтаксис. Ретроспективная проверка (lookbehind), сверхжадные (possessive) квантификаторы, синтаксис именованных групп, классы Unicode и синтаксис замен различаются. Например, движок RE2 в Go не поддерживает проверки окружения (lookaround) и обратные ссылки.

Тестер RegEx от LeedyBox использует движок JavaScript вашего браузера. Шаблон, который работает в нём, может потребовать изменений в другом языке, поэтому проверьте его ещё раз там, где он будет выполняться.

Часто задаваемые вопросы