Регулярные выражения в Python — методическое руководство с нуля

1. Что такое регулярные выражения

Регулярные выражения (regex) — это способ искать, проверять и изменять текст по шаблону.

Аналогия:
Регулярное выражение — это трафарет.
Текст — это лист бумаги.
Ты прикладываешь трафарет и видишь, где совпадает рисунок.

Примеры задач:

• найти все номера телефонов
• проверить правильность email
• вытащить дату из текста
• заменить лишние символы
• разбить строку по шаблону

⸻

2. Модуль re — основной инструмент

В Python регулярные выражения находятся в модуле:

import re

Основные функции:

re.search() # ищет первое совпадение
re.match() # проверяет начало строки
re.findall() # находит все совпадения
re.sub() # заменяет текст
re.split() # разбивает строку

⸻

3. Первый пример — поиск слова

import re
text = "Я люблю Python"
result = re.search("Python", text)
print(result)

Результат:

<re.Match object>

Если не найдено:

None

⸻

4. Простые символы — точное совпадение

Если написать:

re.search("cat", "I have a cat")

Будет найдено cat.

Но:

re.search("cat", "catalog")

Тоже найдёт — потому что cat внутри слова.

⸻

5. Специальные символы — основа regex

. — любой символ

re.search("c.t", "cat")
re.search("c.t", "cut")
re.search("c.t", "c9t")

Совпадения:

cat
cut
c9t

Аналогия:
. — это любой символ на этом месте.

⸻

^ — начало строки

re.search("^cat", "cat is here")

Совпадение есть.

re.search("^cat", "my cat")

Совпадения нет.

⸻

$ — конец строки

re.search("cat$", "my cat")

Совпадение есть.

⸻

6. Классы символов [ ]

Позволяют выбирать символы.

re.search("c[ao]t", "cat")
re.search("c[ao]t", "cot")

Совпадения:

cat
cot

Но:

re.search("c[ao]t", "cut")

Нет совпадения.

⸻

Диапазоны

[a-z] # все маленькие буквы
[A-Z] # большие буквы
[0-9] # цифры

Пример:

re.search("[0-9]", "abc3def")

Найдёт:

3

⸻

Отрицание [ ^ ]

[^0-9]

Означает:

любой символ кроме цифры

Пример:

re.search("[^0-9]", "123a")

Найдёт:

a

⸻

7. Готовые классы

Очень важные:

\d # цифра [0-9]
\w # буква или цифра
\s # пробел

Обратные:

\D # не цифра
\W # не буква
\S # не пробел

⸻

Пример:

re.findall(r"\d", "a1b2c3")

Результат:

['1', '2', '3']

Обрати внимание:

r"\d"

r означает сырая строка (raw string).

Без неё:

"\d"

может работать неправильно.

⸻

8. Повторы — квантификаторы

Очень важный блок.

⸻

• — 0 или больше

ab*

Совпадает:

a
ab
abb
abbb

⸻

• — 1 или больше

ab+

Совпадает:

ab
abb
abbb

Но не:

a

⸻

? — 0 или 1

ab?

Совпадает:

a
ab

⸻

{n} — ровно n

\d{3}

Совпадает:

123
456

⸻

{n,m} — диапазон

\d{2,4}

Совпадает:

12
123
1234

⸻

9. Группы ( )

Используются для:

• выделения части совпадения
• повторов
• логики

⸻

Пример:

text = "Дата: 12-05-2024"
result = re.search(r"(\d{2})-(\d{2})-(\d{4})", text)
print(result.groups())

Результат:

('12', '05', '2024')

Теперь можно работать отдельно:

day = result.group(1)
month = result.group(2)
year = result.group(3)

⸻

10. Альтернатива |

Означает или.

re.search("cat|dog", "I have a dog")

Найдёт:

dog

⸻

11. Основные функции re

⸻

re.findall() — найти всё

text = "Телефоны: 123, 456, 789"
numbers = re.findall(r"\d+", text)
print(numbers)

Результат:

['123', '456', '789']

⸻

re.search() — первое совпадение

re.search(r"\d+", "abc123xyz")

⸻

re.match() — только начало строки

re.match(r"\d+", "123abc") # есть
re.match(r"\d+", "abc123") # нет

⸻

re.sub() — замена

text = "Цена: 100 руб"
result = re.sub(r"\d+", "XXX", text)
print(result)

Результат:

Цена: XXX руб

⸻

re.split() — разделение

text = "яблоко,груша,банан"
result = re.split(",", text)
print(result)

Результат:

['яблоко', 'груша', 'банан']

⸻

12. Реальные практические примеры

⸻

Проверка email

Простой шаблон:

pattern = r"\w+@\w+.\w+"
email = "test@mail.com"
if re.match(pattern, email):
print("OK")

⸻

Поиск телефона

text = "Мой номер: +7-999-123-45-67"
phones = re.findall(r"+\d-\d{3}-\d{3}-\d{2}-\d{2}", text)
print(phones)

⸻

Извлечение даты

text = "Сегодня 12.05.2024"
date = re.search(r"\d{2}.\d{2}.\d{4}", text)
print(date.group())

⸻

Удаление лишних пробелов

text = "Hello world"
result = re.sub(r"\s+", " ", text)
print(result)

Результат:

Hello world

⸻

13. Жадность (Greedy) — важная тема

По умолчанию regex жадный.

Берёт максимум.

⸻

Пример:

text = "text"
re.findall(r"<.*>", text)

Результат:

['text']

⸻

Ленивый режим ?

re.findall(r"<.*?>", text)

Результат:

['', '']

⸻

Аналогия:

• .* — загребает всё
• .*? — берёт минимум

⸻

14. Флаги (режимы)

Используются как параметр.

⸻

re.IGNORECASE

Игнорирует регистр.

re.search("python", "Python", re.IGNORECASE)

⸻

re.MULTILINE

Работа со строками в несколько строк.

re.search("^cat", text, re.MULTILINE)

⸻

re.DOTALL

. включает перенос строки.

⸻

15. Компиляция шаблона

Если используется много раз:

pattern = re.compile(r"\d+")
pattern.findall("123 abc 456")

Быстрее при повторных вызовах.

⸻

16. Типовые шаблоны (шпаргалка)

Email:

r"\w+@\w+.\w+"

Дата:

r"\d{2}.\d{2}.\d{4}"

Телефон:

r"+\d{1,3}-\d{3}-\d{3}-\d{2}-\d{2}"

IP:

r"\d{1,3}(.\d{1,3}){3}"

⸻

17. Как мыслить при написании regex

Алгоритм:

1. Определи цель
   Что ищем.

2. Разбей на части
   Например:

   12.05.2024

Разбор:

2 цифры
.
2 цифры
.
4 цифры

Regex:

\d{2}.\d{2}.\d{4}

⸻

18. Частые ошибки

19. Забыт r перед строкой

Неправильно:

"\d+"

Правильно:

r"\d+"

⸻

2. Точка без экранирования

.

Означает любой символ.

Если нужна точка:

.

⸻

3. Неправильные квантификаторы

\d+

может взять слишком много.

Иногда нужно:

\d{2}

⸻

19. Практические задания

Задание 1

Найти все числа:

abc123xyz456

Решение:

re.findall(r"\d+", text)

⸻

Задание 2

Проверить дату:

31.12.2024

Regex:

r"\d{2}.\d{2}.\d{4}"

⸻

Задание 3

Удалить все символы кроме букв:

re.sub(r"[^a-zA-Z]", "", text)

⸻

20. Итоговая структура знаний

Освоить:

1. Символы
   . ^ $
2. Классы
   [ ]
3. Готовые классы
   \d \w \s
4. Повторы
   • • ? {}
5. Группы
   ( )
6. Функции
   findall search sub split

После этого можно решать большинство задач обработки текста.