Регулярные выражения. Модуль re

Одна строка-шаблон находит, проверяет и преобразует текст — без циклов и условий

Представь, что ты ведёшь паблик класса во ВКонтакте, и за день там 500 сообщений. Нужно посчитать, сколько раз упоминается новая учительница — но ребята пишут по-разному: @anna_p, А. П., Анна Петровна, АП. Или другая задача: выдрать из объявлений все телефоны, все email, все даты. Или проверить, что пароль на сайте школьного кружка достаточно надёжный.

Искать подстрокой через in. Работает, только если ты точно знаешь, что ищешь: "Анна" in message. Но ты не знаешь точно — формат меняется. Придётся писать десять проверок, и всё равно что-то пропустишь.

Разбирать строку посимвольно в цикле. Принципиально можно. Практически — 40 строк кода на одну задачу, куча if-ов, и при малейшем изменении формата всё ломается. Программа превращается в лабиринт.

Регулярное выражение (regex, регулярка) — это короткая строка-шаблон, которая описывает форму искомого текста. Мы описываем не конкретные буквы, а устройство: «знак плюс, цифра 7, потом три цифры, потом ещё семь цифр с любыми разделителями». Модуль re по шаблону ищет, проверяет или заменяет — за одну строку кода.

Модуль re встроен в Python — ставить ничего не нужно:

import re

text = "Сегодня 17 апреля, завтра 18 апреля"
result = re.findall(r"\d+", text)
print(result)                  # ['17', '18']

Обрати внимание на r перед кавычками — это raw-строка. В ней обратный слэш \ остаётся обратным слэшем и не перехватывается Python. А в регулярках \ встречается постоянно (\d, \w, \b...), поэтому raw-строки — стандарт.

Большинство символов в шаблоне означают сами себя: r"кот" найдёт подстроку «кот». Но есть метасимволы — знаки с особым смыслом. Их всего 12:

.   ^   $   *   +   ?   {   }   [   ]   \   |   (   )

Чтобы найти такой символ буквально, его экранируют обратным слэшем: r"\." ищет точку, r"\?" ищет знак вопроса.

Точка . — это «любой символ, кроме перевода строки». А если нужно разрешить конкретный набор — используется класс в квадратных скобках: [аоуыэ] — одна из пяти гласных; [0-9] — любая цифра; [а-я] — любая строчная кириллическая буква. С ^ в начале класс инвертируется: [^0-9] — любой символ кроме цифры.

Есть сокращения для популярных классов:

После любого элемента шаблона можно поставить квантификатор — указать, сколько раз элемент повторяется.

re.findall(r"\d+", "В 9А 28 учеников, в 9Б — 26")
# ['9', '28', '9', '26']

re.findall(r"\d{4}", "Родились в 2008, 2009 и 2010 годах")
# ['2008', '2009', '2010']

Квантификаторы по умолчанию жадные: хватают как можно больше. Это главный источник сюрпризов у новичков. Добавь ? после квантификатора — получится ленивый вариант: хватает минимально возможное.

Разница драматическая: жадный шаблон съедает всё от первого < до последнего > и возвращает одно гигантское совпадение; ленивый ищет минимальную подстроку между < и > и находит каждый тег отдельно.

Якоря — это «невидимые» позиции в строке. Они ничего не съедают из текста, а проверяют, где мы находимся.

re.findall(r"\bкот\b", "кот и котёл, котик сказал мяу")
# ['кот']  — «котёл» и «котик» отброшены: граница не там

Круглые скобки (...) создают группу: содержимое группы можно потом достать отдельно. Вертикальная черта | — это «или».

m = re.search(r"(\d{2})\.(\d{2})\.(\d{4})", "Дата: 07.03.2009")
m.group(0)    # '07.03.2009' — вся находка
m.group(1)    # '07'         — первая группа
m.group(2)    # '03'
m.group(3)    # '2009'

re.findall(r"кот|пёс|попугай", "у меня кот, у друга попугай")
# ['кот', 'попугай']

Номера группы легко перепутать, если их много. Удобнее давать имена — через (?P<имя>...):

m = re.search(r"(?P<day>\d{2})\.(?P<month>\d{2})\.(?P<year>\d{4})",
              "07.03.2009")
m.group("year")   # '2009'
m.groupdict()    # {'day': '07', 'month': '03', 'year': '2009'}

Иногда скобки нужны только для того, чтобы применить к куску шаблона квантификатор — но занимать номер группы не хочется. Тогда ставь (?:...):

re.findall(r"(?:ха){2,}", "хахаха! ха ну ты даёшь")
# ['хахаха']  — только повторы от 2 раз

Номер группы можно использовать внутри того же шаблона — через \1, \2... Это «сошлись на то, что совпало в этой группе». Мощная штука для поиска повторов:

re.findall(r"\b(\w+)\s+\1\b", "он был был очень очень рад")
# ['был', 'очень']  — нашли тавтологии

Вот весь набор, который тебе реально пригодится:

Если одна и та же регулярка используется много раз — её стоит скомпилировать заранее через re.compile. Так быстрее.

phone_rx = re.compile(r"\+7 \d{3} \d{3}-\d{2}-\d{2}")
for contact in contacts:
    if phone_rx.fullmatch(contact):
        ...

Когда search, match или fullmatch находят — они возвращают объект Match:

Ничто не заменит эксперимента. Ниже — песочница: пиши шаблон, пиши текст, сразу видишь, что найдено. Переключай флаги. Для быстрого старта — пресеты с готовыми примерами.

В песочнице используется regex-движок JavaScript — он почти совпадает с Python-ным. Именованные группы (?P<name>...) автоматически переводятся в JS-синтаксис (?<name>...), поэтому можно писать по-питоновски.

Флаги меняют поведение всей регулярки. Передаются последним аргументом или через re.compile(..., flags=...).

re.findall(r"python", "Python и PYTHON", re.I)
# ['Python', 'PYTHON']

# Несколько флагов объединяются через |
re.findall(r"^\w+", text, re.M | re.I)

Флаг re.X особенно полезен для длинных регулярок — разрешает переносы строк, отступы и комментарии прямо внутри шаблона:

phone = re.compile(r"""
    (?:\+7|8)          # код страны
    [\s\-(]*
    (\d{3})            # код оператора
    [\s\-)]*
    (\d{3})            # первая тройка
    [\s\-]*
    (\d{2})            # вторая пара
    [\s\-]*
    (\d{2})            # третья пара
""", re.VERBOSE)

В строке замены можно ссылаться на группы: \1, \2... или по имени через \g<name>.

re.sub(r"(\d{2})\.(\d{2})\.(\d{4})",
       r"\3-\2-\1",
       "Экзамен 27.05.2026")
# 'Экзамен 2026-05-27'

Вместо строки замены можно передать функцию. Она получит объект Match и должна вернуть строку-замену. Это мощный приём — можно реализовать какую угодно логику:

def inc(m):
    return str(int(m.group()) + 1)

re.sub(r"\d+", inc, "купил 2 ручки и 5 тетрадей")
# 'купил 3 ручки и 6 тетрадей'

Не экранировал точку. r"www.site.ru" совпадёт и с «wwwXsiteYru». Правильно: r"www\.site\.ru".

Жадность сломала HTML. r"<.+>" съест всё от первого < до последнего >. Нужен r"<.+?>".

$ сработал не на каждой строке. По умолчанию $ — конец всего текста, а не строки. Нужен re.MULTILINE.

findall и группы. Если в шаблоне есть группы, findall возвращает содержимое групп, а не всё совпадение целиком. Когда нужны обе вещи — используй finditer.

Валидация email регуляркой — миф. Идеально корректного regex для email не существует. Для школьной задачи упрощённого варианта достаточно, в продакшене просто шлют письмо-подтверждение.