Регулярные выражения

Теория

Регулярное выражение — короткая запись шаблона текста: «две заглавные буквы, дефис, четыре цифры». С его помощью проверяют формат (артикул, телефон, промокод), находят нужные куски в тексте (номера заказов в логе), извлекают части и заменяют их. В Python для этого модуль re. Строковых методов (split, startswith, in) хватает для простых случаев; регулярное выражение нужно, когда структура текста сложнее «найти подстроку».

Шаблоны пишут в сырых строках r"...", чтобы обратный слеш (\d — цифра) не обрабатывался самим Python. Главная путаница — между функциями: re.fullmatch проверяет, что вся строка подходит под шаблон, re.search ищет совпадение где угодно внутри, re.findall возвращает все совпадения, re.sub заменяет. Для проверки формата нужен fullmatch — иначе «мусор» вокруг правильного фрагмента пройдёт проверку. Регулярки легко сделать нечитаемыми: если шаблон не помещается в голове, лучше разбить задачу или обойтись методами строк.

Наглядно

Таблица 1. Основные элементы шаблона.

Таблица 2. Функции модуля re.

На практике

Задача: проверять формат артикула и цены, вытаскивать номера заказов из лога, приводить телефоны к одному виду.

Шаг 1. Проверяем формат целиком

Артикул: две заглавные латинские буквы, дефис, четыре цифры, дефис, три буквы цвета:

import re

SKU = r"[A-Z]{2}-\d{4}-[A-Z]{3}"
for sku in ("KB-0142-BLK", "kb-0142-blk", "KB-142-BLK"):
    print(sku, bool(re.fullmatch(SKU, sku)))

Результат:

KB-0142-BLK True
kb-0142-blk False
KB-142-BLK False

Шаг 2. Отличаем search от fullmatch

search ищет подходящий кусок где угодно — для проверки формата это дыра:

bad = "XXKB-0142-BLK!!"
print(bool(re.search(SKU, bad)), bool(re.fullmatch(SKU, bad)))

Результат:

True False

Шаг 3. Извлекаем части группами

Скобки выделяют группы — их содержимое можно достать после совпадения:

m = re.fullmatch(r"([A-Z]{2})-(\d{4})-([A-Z]{3})", "KB-0142-BLK")
print(m.group(1), m.group(2), m.group(3))
print(int(m.group(2)))

Результат:

KB 0142 BLK
142

Группы всегда возвращают строки — число получают явным int().

Шаг 4. Находим все совпадения

Номера заказов из строки лога. С одной группой findall возвращает содержимое групп:

log = "заказ №1042 оплачен; заказ №1043 отменён; возврат по №1040"
print(re.findall(r"№(\d+)", log))

Результат:

['1042', '1043', '1040']

Шаг 5. Заменяем лишнее

Телефон из формы приводим к виду «только цифры» — заменяем всё, что не цифра, на пустую строку:

for phone in ("+7 (912) 345-67-89", "8-912-345-67-89"):
    print(re.sub(r"\D", "", phone))

Результат:

79123456789
89123456789

Шаг 6. Экранируем специальные символы

Точка в шаблоне — «любой символ». Чтобы найти именно точку, её экранируют:

for price in ("1499.90", "1499,90", "1499x90"):
    print(price, bool(re.fullmatch(r"\d+.\d{2}", price)), bool(re.fullmatch(r"\d+\.\d{2}", price)))

Результат:

1499.90 True True
1499,90 True False
1499x90 True False

Шаг 7. Ограничиваем жадность

.* захватывает как можно больше — до последней подходящей кавычки. .*? — как можно меньше:

text = 'В корзине "Мышь" и "Коврик"'
print(re.findall(r'"(.*)"', text))
print(re.findall(r'"(.*?)"', text))

Результат:

['Мышь" и "Коврик']
['Мышь', 'Коврик']

Частые ошибки

• search для проверки формата. Пропускает строки с мусором вокруг правильного фрагмента. Для проверки — fullmatch.
• Неэкранированная точка. \d+.\d{2} принимает 1499,90 и 1499x90. Нужна \..
• Жадное .*. Захватывает до последнего совпадения — сразу несколько значений. Используйте .*? или более точный набор ([^"]*).
• Строка без r. "\d" пока работает, но Python предупреждает о неизвестной escape-последовательности, а "\b" — это символ backspace, а не граница слова. Шаблоны — всегда r"...".
• Число из группы. m.group(2) — строка "0142"; для вычислений нужен int().
• Регулярка для всего. Email, URL, HTML честно разбираются только специальными инструментами; для простых задач хватает методов строк.

Итог

Шаблоны

• Сырые строки r"..."; \d, \w, \s, наборы [...], повторения {n,m}, +, *, ?.
• . — любой символ; точка как символ — \..
• Группы ( ) выделяют извлекаемые части; *? — ленивое повторение.

Функции

• fullmatch — проверка формата всей строки; search — поиск где угодно.
• findall — все совпадения (с группой — содержимое группы); sub — замена.
• Результат групп — строки.

Меры предосторожности

• Для проверки — только fullmatch.
• Сложный шаблон — повод упростить задачу.

Вопросы на собеседовании