Регулярные выражения в Python: полный набор символов и их использование

Расширенные примеры использования символов регулярных выражений

1. Lookahead и lookbehind (опережающая и ретроспективная проверка)

Эти конструкции не захватывают символы, а только проверяют условие.

• (?=...) - положительный lookahead: совпадение, если после текущей позиции следует ...
• (?!...) - отрицательный lookahead
• (?<=...) - положительный lookbehind (только фиксированной длины)
• (?<!...) - отрицательный lookbehind

import re
# Найти слово, после которого идёт '!' без восклицательного знака в результате
text = "Привет! Как дела? Пока!"
print(re.findall(r'\w+(?=!)', text))

['Привет', 'Пока']

# Найти слово, перед которым стоит 'Как '
print(re.findall(r'(?<=Как )\w+', text))

['дела?']

Особенность: lookbehind не поддерживает квантификаторы с неопределённой длиной (*, +).

2. Нежадные (ленивые) квантификаторы

По умолчанию квантификаторы жадные - захватывают максимально длинную строку. Добавление ? делает их ленивыми.

import re
html = "<div>текст</div><div>ещё</div>"
# Жадный:
print(re.findall(r'<div>.*</div>', html))
# Ленивый:
print(re.findall(r'<div>.*?</div>', html))

['<div>текст</div><div>ещё</div>']
['<div>текст</div>', '<div>ещё</div>']

3. Pattern с комментариями (re.VERBOSE)

Флаг re.VERBOSE (или re.X) позволяет писать шаблон в несколько строк, игнорируя пробелы и добавляя комментарии с #.

import re
pattern = re.compile(r'''
    \b            # граница слова
    \d{2,4}       # от 2 до 4 цифр
    \s?           # необязательный пробел
    [а-яА-Я]+     # хотя бы одна русская буква
    \b
''', re.VERBOSE | re.IGNORECASE)
print(pattern.findall('75 лет 1234 года 5 лет'))

['75 лет', '1234 года']

Пробелы в шаблоне игнорируются, поэтому количество лет «5» не совпало (одна цифра).

4. Использование границы слова \b

\b совпадает на стыке символа слова (\w) и не-слова. Полезно для поиска целых слов.

import re
print(re.findall(r'\bкот\b', 'кот, котёнок, котик'))

['кот']

Без \b нашлись бы все вхождения «кот», включая части других слов.

5. Атомарные группы и possessive квантификаторы

В Python нет встроенных атомарных групп, но можно эмулировать с помощью (?>...) - такая группа не отдаёт символы обратно при backtracking. Начиная с Python 3.11 поддерживается (?>...).

import re
# Пример без атомарной группы - backtracking приводит к совпадению
print(re.search(r'a(?:bc|b)c', 'abcc'))  # совпадёт 'abcc'
# С атомарной группой - после выбора bc группа не перебирает b
print(re.search(r'a(?>bc|b)c', 'abcc'))  # не совпадёт, потому что bc уже захвачено, c не хватает

<re.Match object; span=(0,4), match='abcc'>
None

Это предотвращает ненужный перебор вариантов и ускоряет поиск.

6. Условные шаблоны (if-then-else)

Конструкция (?(id/name)yes_pattern|no_pattern) позволяет сопоставлять разные шаблоны в зависимости от того, была ли найдена группа.

import re
# Если есть префикс 'tel:', то после него ищем номер из 10 цифр, иначе - произвольный номер
pattern = r'(tel:)?(?(1)\d{10}|\d{7})'
tests = ['tel:1234567890', '1234567', 'tel:12345']
for t in tests:
    m = re.search(pattern, t)
    print(t, '->', m.group() if m else None)

tel:1234567890 -> 1234567890
1234567 -> 1234567
tel:12345 -> None

7. Обработка Unicode с помощью \p{...} (Python 3.8+ модуль regex)

Стандартный модуль re не поддерживает \p{...}, но сторонний модуль regex даёт юникодные категории. Если он установлен:

import regex
print(regex.findall(r'\p{Lu}+', 'Привет Мир'))  # заглавные буквы

['П', 'М']

Для стандартного re можно использовать [\u0400-\u04FF].

8. Пересечение и исключение в символьных классах (модуль regex)

Модуль regex поддерживает операторы && (пересечение) и -- (вычитание).

import regex
# Все латинские буквы, кроме гласных
print(regex.findall(r'[a-z&&[^aeiou]]+', 'hello world'))

['hll', 'wrld']