Синтаксис регулярных выражений в Python

Здесь приводится базовая информация о синтаксисе регулярных выражений.

Сочетаемость

Несколько регулярных выражений можно склеивать между собой, чтобы сформировать новые выражения.
Например, если A и B являются регулярными выражениями, тогда AB тоже является регулярным выражением.

В общем случае, если строка p подпадает под шаблон A, а другая строка q подпадает под шаблон B, то строка pq подпадёт под AB. Исключение составляют случаи, когда :
1. A или B содержат условия;
2. в A или B используются пограничные описатели (\b);
3. A и/или B содержат нумерованные группы.

На заметку

Сложные выражения могут быть составлены из более простых. За более подробной информацией о регулярных выражениях можно обратиться к первому изданию книги Mastering Regular Expressions (Джеффри Фридл, русское издание — «Регулярные выражения»), или практически к любой другой книге об устройстве компиляторов.

Введение

Регулярные выражения могут содержать как специальные, так и обычные символы. Обычные символы, например, A, a, 0, уже можно расценивать, как простейшие регулярные выражения — под эти шаблоны подпадают собственно строки, состоящие из этих символов. Если склеить несколько символов, например, в шаблон cat, то под этот шаблон подпадёт строка cat.

Некоторые символы имеют специальное значение и потому называются специальными (пример: |, (). Обычные такие символы либо описывают целый класс обычных символов, либо воздействуют на то, как интерпретируется регулярное выражение.

Специальные символы

	Базовые
`\`	Либо экранирует специальные символы, либо указывает на использование специальной последовательности (см. ниже). Помните: в Питоне обратный слеш тоже используется для экранирования в строковых литералах, поэтому зачастую в шаблонах рекомендуется использовать сырые строки (с префиксом `r`), которые не требуют экранирования.
`.`	По умолчанию описывает любой символ, кроме перевода строки. С флагом `DOTALL` — также и перевод строки.
`^`	Начало строки. С флагом `MULTILINE` — начало каждой из строк.
`$`	Завершение строки. С флагом `MULTILINE` — завершение каждой из строк.
`x\|y`	Описывает первое подходящее из указанных выражений `x` или `y`. При помощи `\|` можно соединить и более двух выражений.
`[]`	Описывает указанное в скобках множество допустимых символов. Специальные символы внутри множества не работают. Поддерживаются диапазоны, например: `[a-z]`, `[Н-Я]`, `[0-8]`. Описатели классов символов допускаются, но зависят от режима интерпретации выражения (`ASCII`, либо `LOCALE`). Описать символы не входящие в указанное множество можно при помощи `^` после открывающей скобки, например: `[^abc]`, `[^\d]`. Чтобы включить символ `]` во множество, его можно либо указать непосредственно после открывающей скобки, либо экранировать при помощи `\`.

	Специальные последовательности (начинаются с обратного слеша — `\`)
`\num`	Где `num` — число (от 1 до 99). Ссылается на группу указанную при помощи её порядкового номера. Под группой с индексом `0` обычно понимается обнаруженная строка в целом.
`\A`	Пустая строка в начале строки.
`\b`	Пограничная пустая строка (в начале или конце слова). Определение слова может зависеть от текущей локали. Внимание: в диапазонах символизирует возврат на символ (backspace).
`\B`	Пустая строка не в начале и не в конце слова (т.е. обычно внутри слова).
`\d`	Описывает десятичную цифру. Для Юникода — это символы категории `[Nd]`, для ASCII и байт — это то же, что и `[0-9]`.
`\D`	Нецифровой символ.
`\s`	Пробельные символы. Для ASCII — то же, что и `[ \t\n\r\f\v]`, для Юникода включает дополнительные символы, например неразрывный пробел.
`\S`	Непробельные символы.
`\w`	Символы, которые могут входить в состав слов, включая числа и подчёркивание. Для ASCII и байт — то же, что и `[a-zA-Z0-9_]`.
`\W`	Несловарные символы.
`\Z`	Пустая строка в конце строки.

	Количественные описатели
`*`	0 и более повторений предшествующего выражения.
`+`	1 и более повторений предшествующего выражения.
`?`	0 или 1 повторение предшествующего выражения.
`{x}`	`x` (число) повторений предшествующего выражения.
`{x,y}`	От `x` до `y` повторений предшествующего выражения. Если опустить `x`, то предполагается 0; если опустить `y`, то предполагается неопределённое количество (запятую при этом опускать нельзя).
+py3.11 `{x,y}+`	Притяжательные количественные описатели. Сравните: под `a{3,5}aa` подпадает `aaaaaa` (под `a{3,5}` подходят первые 4 символа), в то время как при использовании `a{3,5}+aa` соответствие найдено не будет (найдутся пять символов, но за ними не будет `aa`. `x{m,n}+` то же, что и `(?>x{m,n})`.
`*?`, `+?`, `??`, `{x,y}?`	Добавление `?` к указанным описателям делает их нежадными, т.е. они станут описывать как можно меньшее количество символов. Сравните: под `<.+>` подпадёт вся строка `<x>b<y>` , в то время, как под `<.+?>` — только `<x>` .
+py3.11 `*+`, `++`, `?+`	Притяжательные количественные описатели. Сравните: под `aa` подпадает `aaaa` (под `a` подходят первые три символа), в то время как при использовании `a+a` соответствие найдено не будет (под `a` подходят все четрые символа, но за ними нет ещё одной `a`). `x+`, `x++`, `x?+` то же что и `(?>x)`, `(?>x+)`, `(?>x?)` соответственно.

	Группировка
`(x)`	Задаёт группу, в которую должно попасть выражение `x`, к которой можно обращаться в дальнейшем по индексу — `\1` (если группа имеет номер 1).
`(?P<name>x)`	Задаёт группу с именем `name`, в которую должно попасть выражение `x`. Групп в дальнейшем можно адресовать как по указанному имени, так и по индексу — `(?P=name)` или `\1` (если группа имеет номер 1).
`(?:x)`	Задаёт группу, в которую должно попасть выражение `x`, к которой нельзя будет обратиться в дальнейшем ни по индексу, ни по имени.
`(?#...)`	Комментарий. При разборе выражения будет проигнорирован.

	Условия
`x(?=y)`	Описывает выражение `x` только если за ним следует `y`. Например: `маршал (?=Жуков)` обнаружит `маршал` в строке `маршал Жуков`, но не в `маршал Конев`.
`x(?!y)`	Описывает выражение `x` только если за ним не следует `y`. Например: `маршал (?!Жуков)` обнаружит `маршал` в строке `маршал Конев`, но не в `маршал Жуков`.
`x(?<=y)`	Описывает выражение `y` только если ему предшествует `x`. Например: `(?<=маршал) Жуков` обнаружит `Жуков` в строке `маршал Жуков`, но не в `капитан Жуков`. Внимание: использование количественных описателей не поддерживается, требуются строки фиксированной длины.
`x(?<!y)`	Описывает выражение `y` только если ему не предшествует `x`. Например: `(?<!маршал) Жуков` обнаружит `Жуков` в строке `капитан Жуков`, но не в `маршал Жуков`. Внимание: использование количественных описателей не поддерживается, требуются строки фиксированной длины.
+py2.4 `(?(g)y\|n)`	Если группа `g` обнаружена, то описывает выражение `y`, иначе — выражение `n`. Например: под `(?P<is_comrade>товарищ)?(?(is_comrade) и брат\|тамбовский волк)` подпадают строки `товарищ и брат` и `тамбовский волк`.

	Управление интерпретацией
`(?aiLmsux)`	Позволяет задать флаги интерпретации всего выражения без передачи параметра flag функциям. Значения символов: `a` — только ASCII; `i` — игнорировать регистр; `L` — использовать локаль; `m` — многострочный режим; `s` — точка обозначает любой символ; `u` — Юникод; `x` — дозволить описания в выражении.
+py3.6 `(?aiLmsux-imsx:...)`	Позволяет задать флаги интерпретации указанного выражения. После минуса можно указать флаги, которые требуется сбросить. `a`, `L`, `u` — взаимоисключающие,

Флаги интерпретации

+py3.0 `re.A`, `re.ASCII`	Если установлен, то `\w`, `\W`, `\b`, `\B`, `\d`, `\D`, `\s` и `\S` описывают только ASCII символы, а не Юникод. Внимание: для байтовых шаблонов не используется.
`re.DEBUG`	Выводить отладочную информацию о скомпилированном выражении.
`re.I`, `re.IGNORECASE`	Игнорировать регистр символов. Текущая локаль не влияет на работу, покуда не проставлен `re.LOCALE`.
`re.L`, `re.LOCALE`	Если установлен, то `\w`, `\W`, `\b`, `\B` будут ориентироваться на настройки текущей локали. Рассчитан на работу с байтами. В +py3.0 использование не рекомендуется — работа с Юникодом даёт более надёжные результаты.
`re.M`, `re.MULTILINE`	Многострочный режим. Если установлен, то `^` и `$` будут находить начало и конец соответственно для каждой строки, включая переводы строк. В про время как по умолчанию на переводы строк указанные описатели не реагируют.
`re.S`, `re.DOTALL`	Если установлен, то `.` обозначает любой символ, включая перевод строки.
+py2.0 `re.U`, `re.UNICODE`	Если установлен, то `\w`, `\W`, `\b`, `\B`, `\d`, `\D`, `\s` и `\S` описывают символы Юникода. Внимание: для +py3.0 это режим по умолчанию.
`re.X`, `re.VERBOSE`	Дозволяет описания в регулярных выражениях. Благодаря описаниям иногда шаблоны становятся более читаемыми. Описание можно поместить прямо в шаблон, начав его с `#`, при этом неэкранированные пробелы в шаблоне игнорируются.

    import re

    # Компилируем выражение для последующего использования.
    # Совместим два флага re.X  и re.DEBUG
    re_test = re.compile(r'''
        (\d{4})\s # год
        кот # просто кот
    ''', re.X | re.DEBUG)

    # Строка '2018 кот' соответствует выражению.
    # Получим содержимое первой группы (год).
    re_test.match('2018 кот').group(1)  # 2018
    
    # Строка '2018 год' не соответствует выражению.
    re_test.match('2018 год')  # None

Синонимы поиска: Синтаксис регулярных выражений, named groups, re

В разделе «re (регулярные выражения)»: re.compile re.findall re.fullmatch re.match re.search re.split re.sub

ВКонтакте 0

На заметку

У нас есть представительство в Facebook. Ссылка в самом низу страницы.