RU
EN
RU
EN
Регулярные выражения в Python: подробное руководство с примерами
Регулярные выражения (regex) — мощный инструмент для поиска и обработки текста в Python. Модуль re предоставляет все необходимые функции для работы с регулярными выражениями. В этой статье рассмотрим основные метасимволы и практические примеры их использования.
Основные метасимволы регулярных выражений
| Метасимвол | Описание | Пример | Соответствие |
|---|---|---|---|
. |
Любой символ кроме новой строки | a.c |
abc, a1c, a@c |
^ |
Начало строки | ^hello |
hello world (в начале) |
$ |
Конец строки | world$ |
hello world (в конце) |
* |
0 или более повторений | ab*c |
ac, abc, abbc |
+ |
1 или более повторений | ab+c |
abc, abbc (не ac) |
? |
0 или 1 повторение | ab?c |
ac, abc |
{n} |
Ровно n повторений | a{3} |
aaa |
{n,} |
n или более повторений | a{2,} |
aa, aaa, aaaa |
{n,m} |
От n до m повторений | a{2,4} |
aa, aaa, aaaa |
[] |
Символьный класс | [abc] |
a, b, c |
[^] |
Отрицание класса | [^abc] |
Любой символ кроме a, b, c |
| |
Альтернатива (ИЛИ) | cat|dog |
cat или dog |
() |
Группировка | (ab)+ |
ab, abab, ababab |
\ |
Экранирование | \$ |
Буквальный символ $ |
Символьные классы
| Класс | Описание | Эквивалент |
|---|---|---|
\d |
Цифра | [0-9] |
\D |
Не цифра | [^0-9] |
\w |
Буква, цифра или подчёркивание | [a-zA-Z0-9_] |
\W |
Не буква, цифра или подчёркивание | [^a-zA-Z0-9_] |
\s |
Пробельный символ | [ \t\n\r\f\v] |
\S |
Не пробельный символ | [^ \t\n\r\f\v] |
Квантификаторы (жадные и ленивые)
| Жадный | Ленивый | Описание |
|---|---|---|
* |
*? |
0 или более (минимум) |
+ |
+? |
1 или более (минимум) |
? |
?? |
0 или 1 (минимум) |
{n,m} |
{n,m}? |
От n до m (минимум) |
Границы слов
| Метасимвол | Описание | Пример |
|---|---|---|
\b |
Граница слова | \bcat\b находит cat как отдельное слово |
\B |
Не граница слова | \Bcat\B находит cat внутри слова |
Особые последовательности
| Последовательность | Описание |
|---|---|
\n |
Символ новой строки |
\t |
Символ табуляции |
\r |
Символ возврата каретки |
\f |
Символ перевода страницы |
\v |
Символ вертикальной табуляции |
\0 |
Нулевой символ |
\xhh |
Символ с шестнадцатеричным кодом hh |
Примеры использования
import re
# Поиск email
email_pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
# Поиск телефона
phone_pattern = r'\+?[1-9]\d{1,14}'
# Поиск даты в формате DD.MM.YYYY
date_pattern = r'\d{2}\.\d{2}\.\d{4}'
# Поиск IP-адреса
ip_pattern = r'\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b'
Точка (.) — универсальный символ
Метасимвол точка соответствует любому символу, кроме символа новой строки. Это один из наиболее часто используемых элементов регулярных выражений.
import re
text = "cat bat mat rat"
pattern = r".at" # Находим слова, оканчивающиеся на "at"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['cat', 'bat', 'mat', 'rat']
Якорь начала строки (^)
Символ ^ указывает на начало строки. Он позволяет найти шаблон только в том случае, если он находится в самом начале текста.
import re
text = "hello world"
pattern = r"^hello" # Ищем слово, начинающееся с "hello"
match = re.search(pattern, text)
if match:
print(match.group()) # Вывод: 'hello'
Якорь конца строки ($)
Символ $ соответствует концу строки. Используется для поиска шаблонов в конце текста.
import re
text = "hello world"
pattern = r"world$" # Ищем слово, заканчивающееся на "world"
match = re.search(pattern, text)
if match:
print(match.group()) # Вывод: 'world'
Квантификаторы в регулярных выражениях
Звездочка (*) — ноль или более вхождений
Квантификатор * соответствует нулю или более вхождениям предшествующего элемента.
import re
text = "ac abc abbc abbbc"
pattern = r"ab*c" # Ищем "a", за которым идет ноль или более "b", а затем "c"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['ac', 'abc', 'abbc', 'abbbc']
Плюс (+) — одно или более вхождений
Квантификатор + требует наличия хотя бы одного вхождения предшествующего элемента.
import re
text = "ac abc abbc abbbc"
pattern = r"ab+c" # Ищем "a", за которым идет один или более "b", а затем "c"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['abc', 'abbc', 'abbbc']
Знак вопроса (?) — ноль или одно вхождение
Квантификатор ? делает предшествующий элемент необязательным.
import re
text = "colour color"
pattern = r"colou?r" # Ищем "colou" с нулевым или одним "u", за которым следует "r"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['colour', 'color']
Практические примеры использования regex
Валидация email-адресов
Поиск и валидация email-адресов — одна из наиболее распространенных задач при работе с регулярными выражениями.
import re
text = "Emails: test@example.com, another.test@mail.co.uk"
pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['test@example.com', 'another.test@mail.co.uk']
Извлечение URL из текста
Регулярные выражения помогают находить веб-адреса в тексте различных форматов.
import re
text = "Visit my website at https://www.example.com"
pattern = r"https?://(?:www\.)?([a-zA-Z0-9-]+\.[a-zA-Z]{2,})"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['example.com']
Поиск хэштегов в социальных сетях
Для анализа контента социальных сетей часто требуется извлечение хэштегов.
import re
text = "Check out #Python and #DataScience on Twitter!"
pattern = r"#\w+"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['#Python', '#DataScience']
Поиск IP-адресов
Регулярные выражения эффективно находят IP-адреса в логах и конфигурационных файлах.
import re
text = "IP addresses: 192.168.1.1 and 10.0.0.1"
pattern = r"\b(?:\d{1,3}\.){3}\d{1,3}\b"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['192.168.1.1', '10.0.0.1']
Парсинг дат в формате DD/MM/YYYY
Извлечение дат из текста с использованием групп захвата.
import re
text = "Dates: 20/01/2022 and 31/12/2023"
pattern = r"\b(0[1-9]|[12]\d|3[01])/(0[1-9]|1[0-2])/(\d{4})\b"
matches = re.findall(pattern, text)
print(matches) # Вывод: [('20', '01', '2022'), ('31', '12', '2023')]
Поиск HTML-тегов
Для обработки HTML-разметки используются ленивые квантификаторы.
import re
text = "<p>This is a paragraph</p> <a href='https://example.com'>Link</a>"
pattern = r"<.*?>" # Ленивый поиск всех символов между "<" и ">"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['<p>', '</p>', "<a href='https://example.com'>", '</a>']
Продвинутые техники работы с regex
Поиск слов с заглавной буквы
Для выделения имен собственных и начала предложений.
import re
text = "Hello world, Python is Amazing"
pattern = r"\b[A-Z][a-z]*\b"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['Hello', 'Python', 'Amazing']
Поиск палиндромов
Использование обратных ссылок для поиска слов, которые начинаются и заканчиваются одинаково.
import re
text = "level deed book car door"
pattern = r"\b(\w)\w*\1\b"
matches = re.findall(pattern, text, re.IGNORECASE)
print(matches) # Находит слова-палиндромы
Поиск повторяющихся символов
Выявление слов с двумя или более повторяющимися символами подряд.
import re
text = "ssss yyyy aa bb cccc"
pattern = r"\b\w*(\w)\1+\w*\b"
matches = re.findall(pattern, text)
print([match for match in re.finditer(r"\b\w*(\w)\1+\w*\b", text)])
Поиск слов определенной длины
Для анализа текста по длине слов используются квантификаторы с фигурными скобками.
import re
text = "apple banana orange kiwi"
pattern = r"\b\w{6}\b" # Ищем слова длиной в 6 символов
matches = re.findall(pattern, text)
print(matches) # Вывод: ['banana', 'orange']
Дополнительные примеры для практики
Поиск номеров телефонов
import re
text = "Contact: +7-900-123-45-67 or 8(495)123-45-67"
pattern = r"(\+7|8)[\s\-\(]?(\d{3})[\s\-\)]?(\d{3})[\s\-]?(\d{2})[\s\-]?(\d{2})"
matches = re.findall(pattern, text)
print(matches)
Извлечение чисел из текста
import re
text = "Temperature: 25.5°C, Humidity: 60%, Pressure: 1013.25 hPa"
pattern = r"\d+\.?\d*"
matches = re.findall(pattern, text)
print(matches) # Вывод: ['25.5', '60', '1013.25']
Поиск слов в кавычках
import re
text = 'He said "Hello world" and then "Goodbye"'
pattern = r'"([^"]*)"'
matches = re.findall(pattern, text)
print(matches) # Вывод: ['Hello world', 'Goodbye']
Регулярные выражения в Python - Полная справочная таблица
Основные методы модуля re
| Метод | Описание | Пример использования |
|---|---|---|
re.search(pattern, string, flags=0) |
Ищет первое совпадение в строке | re.search(r'\d+', 'abc123def') |
re.match(pattern, string, flags=0) |
Проверяет совпадение в начале строки | re.match(r'\d+', '123abc') |
re.fullmatch(pattern, string, flags=0) |
Проверяет полное совпадение всей строки | re.fullmatch(r'\d+', '123') |
re.findall(pattern, string, flags=0) |
Возвращает все совпадения как список | re.findall(r'\d+', 'a1b2c3') |
re.finditer(pattern, string, flags=0) |
Возвращает итератор объектов Match | re.finditer(r'\d+', 'a1b2c3') |
re.sub(pattern, repl, string, count=0, flags=0) |
Заменяет совпадения | re.sub(r'\d+', 'X', 'a1b2c3') |
re.subn(pattern, repl, string, count=0, flags=0) |
Заменяет и возвращает кортеж (результат, количество замен) | re.subn(r'\d+', 'X', 'a1b2c3') |
re.split(pattern, string, maxsplit=0, flags=0) |
Разбивает строку по паттерну | re.split(r'\s+', 'a b c') |
re.compile(pattern, flags=0) |
Компилирует регулярное выражение | re.compile(r'\d+') |
re.escape(string) |
Экранирует специальные символы | re.escape('a.b*c') |
re.purge() |
Очищает кеш регулярных выражений | re.purge() |
Флаги (модификаторы)
| Флаг | Константа | Описание | Пример |
|---|---|---|---|
re.IGNORECASE |
re.I |
Игнорирует регистр | re.search(r'hello', 'HELLO', re.I) |
re.MULTILINE |
re.M |
^ и $ работают для каждой строки |
re.findall(r'^line', text, re.M) |
re.DOTALL |
re.S |
. включает символы новой строки |
re.search(r'a.b', 'a\nb', re.S) |
re.VERBOSE |
re.X |
Позволяет использовать комментарии и пробелы | re.compile(r'(?x) \d+ # число') |
re.ASCII |
re.A |
\w, \b, \s и \d работают только с ASCII |
re.search(r'\w+', 'café', re.A) |
re.LOCALE |
re.L |
Использует текущую локаль (устарел) | re.search(r'\w+', text, re.L) |
re.UNICODE |
re.U |
Включает Unicode (по умолчанию в Python 3) | re.search(r'\w+', 'café', re.U) |
re.DEBUG |
- | Выводит отладочную информацию | re.compile(r'\d+', re.DEBUG) |
Методы объекта Match
| Метод | Описание | Пример |
|---|---|---|
match.group(num=0) |
Возвращает совпадение группы | match.group(1) |
match.groups() |
Возвращает все группы как кортеж | match.groups() |
match.groupdict() |
Возвращает именованные группы как словарь | match.groupdict() |
match.start(group=0) |
Возвращает начальную позицию | match.start() |
match.end(group=0) |
Возвращает конечную позицию | match.end() |
match.span(group=0) |
Возвращает кортеж (начало, конец) | match.span() |
match.expand(template) |
Расширяет шаблон с группами | match.expand(r'\1-\2') |
match.string |
Исходная строка | match.string |
match.re |
Объект регулярного выражения | match.re |
match.pos |
Позиция начала поиска | match.pos |
match.endpos |
Позиция конца поиска | match.endpos |
match.lastindex |
Индекс последней захваченной группы | match.lastindex |
match.lastgroup |
Имя последней захваченной группы | match.lastgroup |
Методы скомпилированного объекта Pattern
| Метод | Описание | Пример |
|---|---|---|
pattern.search(string, pos=0, endpos=len(string)) |
Поиск в строке | compiled.search('text') |
pattern.match(string, pos=0, endpos=len(string)) |
Совпадение с начала | compiled.match('text') |
pattern.fullmatch(string, pos=0, endpos=len(string)) |
Полное совпадение | compiled.fullmatch('text') |
pattern.findall(string, pos=0, endpos=len(string)) |
Все совпадения | compiled.findall('text') |
pattern.finditer(string, pos=0, endpos=len(string)) |
Итератор совпадений | compiled.finditer('text') |
pattern.sub(repl, string, count=0) |
Замена | compiled.sub('new', 'text') |
pattern.subn(repl, string, count=0) |
Замена с подсчетом | compiled.subn('new', 'text') |
pattern.split(string, maxsplit=0) |
Разбиение строки | compiled.split('text') |
pattern.pattern |
Исходный паттерн | compiled.pattern |
pattern.flags |
Флаги компиляции | compiled.flags |
pattern.groups |
Количество групп | compiled.groups |
pattern.groupindex |
Словарь именованных групп | compiled.groupindex |
Специальные последовательности для замены
| Последовательность | Описание | Пример |
|---|---|---|
\g<number> |
Группа по номеру | re.sub(r'(\d+)', r'\g<1>', text) |
\g<name> |
Именованная группа | re.sub(r'(?P<num>\d+)', r'\g<num>', text) |
\1, \2, ... |
Обратная ссылка на группу | re.sub(r'(\w+) (\w+)', r'\2 \1', text) |
\g<0> |
Вся совпадающая строка | re.sub(r'\d+', r'[\g<0>]', text) |
\\ |
Литеральный обратный слеш | re.sub(r'\d+', r'\\', text) |
Исключения
| Исключение | Описание |
|---|---|
re.error |
Ошибка компиляции регулярного выражения |
Примеры использования различных методов
import re
# Компиляция паттерна
pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})', re.IGNORECASE)
# Поиск
match = pattern.search('Date: 2023-12-25')
if match:
print(match.group(0)) # 2023-12-25
print(match.groups()) # ('2023', '12', '25')
# Замена с использованием групп
text = "Born: 1990-05-15, Died: 2020-10-30"
result = pattern.sub(r'\3/\2/\1', text)
print(result) # Born: 15/05/1990, Died: 30/10/2020
# Использование флагов
pattern_verbose = re.compile(r'''
(\d{4}) # год
- # разделитель
(\d{2}) # месяц
- # разделитель
(\d{2}) # день
''', re.VERBOSE)
# Разбиение строки
text = "apple,banana;orange:grape"
fruits = re.split(r'[,;:]', text)
print(fruits) # ['apple', 'banana', 'orange', 'grape']
# Поиск всех совпадений
numbers = re.findall(r'\d+', 'a1b22c333d4444')
print(numbers) # ['1', '22', '333', '4444']
# Использование именованных групп
pattern_named = re.compile(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})')
match = pattern_named.search('2023-12-25')
if match:
print(match.groupdict()) # {'year': '2023', 'month': '12', 'day': '25'}