Шпаргалка по регулярным выражениям в Python

Регулярные выражения — это мощный инструмент для поиска и обработки текста, основанный на специальных шаблонах. В Python их можно использовать с помощью встроенного модуля re.

1import re

Для экранирования служебных символов используются два подхода:

• Обратный слэш (\)
• Сырые строки (r"...")

Основные функции работы с регулярными выражениями

• re.match(r'шаблон', строка) — Ищет совпадение с началом строки.
• re.search() — Ищет первое совпадение в строке и возвращает объект match.
• re.span() — Возвращает кортеж с начальной и конечной позицией фрагмента.
• re.string() — Возвращает исходную строку, переданную в re.search().
• re.group() — Возвращает найденное совпадение.
• re.findall() — Ищет все совпадения и возвращает их списком.
• re.split() — Разделяет строку по указанному шаблону.
• re.sub() — Заменяет найденный фрагмент в строке по шаблону.
• re.compile() — Создает объект регулярного выражения для дальнейшего использования.

Основные синтаксические элементы

• . — Любой символ, кроме новой строки.
• ^ — Начало строки.
• $ — Конец строки.
• * — 0 или более вхождений.
• + — 1 или более вхождений.
• ? — 0 или 1 вхождение.
• {n} — Точное количество вхождений.
• {n,m} — От n до m вхождений.
• [] — Набор символов.
• \ — Экранирование символов.
• | — Логическое ИЛИ.
• () — Группировка выражений.
• [^...] — Любой символ, кроме указанных в квадратных скобках.

Специальные символы

• \w — Любая буква, цифра или подчеркивание.
• \W — Все, кроме букв, цифр и подчеркивания.
• \d — Любая цифра (0-9).
• \D — Любой нецифровой символ.
• \s — Пробел или символ новой строки.
• \S — Все, кроме пробельных символов.
• \A — Начало строки.
• \Z — Конец строки.
• \b — Граница слова.
• \B — Не граница слова.
• \n, \t, \r — Новая строка, табуляция, возврат каретки.

Флаги регулярных выражений

• g (global) — Продолжает поиск совпадений после первого найденного.
• m (multi-line) — Позволяет использовать ^ и $ для начала и конца каждой строки в многострочном тексте.
• i (insensitive) — Игнорирует регистр символов.

Простые примеры регулярных выражений

1. Поиск слов, начинающихся с буквы "a" и заканчивающихся на "z"

1import re
2
3pattern = r'a\w*z'
4text = "apple, azure, amazing, puzzle, jazz"
5result = re.findall(pattern, text)
6print(result)  # ['azure', 'amazing']

• \w* — соответствует любым символам (буквы, цифры или подчеркивания) между буквами "a" и "z".

2. Поиск всех чисел в строке

1pattern = r'\d+'
2text = "Цены: 500 рублей, 3000 долларов и 45 евро."
3result = re.findall(pattern, text)
4print(result)  # ['500', '3000', '45']

• \d+ — ищет одно или более чисел.

3. Поиск слов, содержащих букву "e"

1pattern = r'\b\w*e\w*\b'
2text = "Hello there, welcome to the world of regex!"
3result = re.findall(pattern, text)
4print(result)  # ['there', 'welcome', 'regex']

• \b — граница слова, \w* — любые символы.

4. Поиск слов с определенной длиной

1pattern = r'\b\w{5}\b'
2text = "Apple is a fruit, and tiger is an animal."
3result = re.findall(pattern, text)
4print(result)  # ['Apple', 'tiger']

• \w{5} — ищет слова длиной ровно 5 символов.

Сложные примеры регулярных выражений

1. Поиск и валидация номера телефона (формат: +7 (999) 123-45-67)

1pattern = r'\+7\s?\(\d{3}\)\s?\d{3}-\d{2}-\d{2}'
2text = "Мой номер: +7 (999) 123-45-67, и еще один номер +7(912)345-67-89."
3result = re.findall(pattern, text)
4print(result)  # ['+7 (999) 123-45-67', '+7(912)345-67-89']

• \+7 — ищет код страны.
• \(\d{3}\) — код города, состоящий из 3 цифр в скобках.
• \d{3}-\d{2}-\d{2} — основная часть номера телефона с дефисами.

2. Валидация электронной почты

1pattern = r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+'
2text = "Моя почта: [email protected], еще один адрес [email protected]."
3result = re.findall(pattern, text)
4print(result)  # ['[email protected]', '[email protected]']

• [a-zA-Z0-9_.+-]+ — имя пользователя, может содержать буквы, цифры, подчеркивания, точки и дефисы.
• @[a-zA-Z0-9-]+ — домен до точки, допускаются буквы и цифры.
• \.[a-zA-Z0-9-.]+ — доменная зона после точки, например .com или .ru.

3. Поиск IP-адресов (формат: 192.168.0.1)

1pattern = r'\b(?:\d{1,3}\.){3}\d{1,3}\b'
2text = "Серверы: 192.168.0.1, 10.0.0.255, 8.8.8.8."
3result = re.findall(pattern, text)
4print(result)  # ['192.168.0.1', '10.0.0.255', '8.8.8.8']

• \d{1,3} — три цифры (или меньше).
• (?:\d{1,3}\.){3} — повторяет блок цифр и точку 3 раза.
• \d{1,3} — завершающий блок из одной, двух или трех цифр.

4. Поиск дат в формате (дд.мм.гггг)

1pattern = r'\b\d{2}\.\d{2}\.\d{4}\b'
2text = "Мероприятие состоится 25.12.2024, а предыдущая дата была 01.01.2023."
3result = re.findall(pattern, text)
4print(result)  # ['25.12.2024', '01.01.2023']

• \d{2} — день и месяц в формате из двух цифр.
• \d{4} — год в формате из четырех цифр.

5. Удаление всех HTML-тегов из текста

1pattern = r'<.*?>'
2html_text = "<div><h1>Заголовок</h1><p>Текст статьи</p></div>"
3clean_text = re.sub(pattern, '', html_text)
4print(clean_text)  # ЗаголовокТекст статьи

• <.*?> — ищет все, что заключено в угловые скобки.

Эти примеры показывают, как можно использовать регулярные выражения для решения как простых, так и сложных задач, таких как валидация данных и обработка текста. Вы можете адаптировать эти шаблоны под свои нужды в зависимости от конкретной задачи.

Полезные ссылки

• Документация по регулярным выражениям в Python
• regexlearn.com — Учебный ресурс для изучения regex шаг за шагом.
• regex101.com — Онлайн-сервис для тестирования регулярных выражений.