Мастерство регулярных выражений Python: re.match(), re.search(), re.findall() — практические примеры

Что такое регулярное выражение в Python?

Регулярное выражение (regex) — компактное текстовое описание, указывающее Python, как находить шаблоны внутри строки. Регулярки незаменимы для извлечения данных, валидации и трансформации в кодовых базах, логах, конфигах и веб-скрапинге.

В Python модуль re поставляется с интерпретатором и предоставляет богатый API для компиляции паттернов, поиска и замены текста. Будь то фильтрация пользовательского ввода, парсинг логов или скрапинг контента — твёрдое понимание основ regex экономит время и снижает баги.

Основные концепции Regex

• Литеральные символы — совпадают с точным написанным текстом.
• Метасимволы — специальные символы, описывающие классы, диапазоны или квантификаторы (например, \d, \w, +, ?, *).
• Якоря — ^ и $ привязывают паттерн к началу или концу строки.
• Квантификаторы — задают, сколько раз токен может повторяться.
• Группы и альтернация — захватывают под-совпадения и позволяют множественные варианты.
• Флаги — меняют поведение паттерна (нечуткость к регистру, многострочность и т.д.).

Таблица распространённых идентификаторов

Идентификатор	Описание	Whitespace	Спец. экранирование
\d	Любая цифра (0‑9)	\n	., +, *, ?, [], $, ^, (, ), {}, |, \
\D	Не цифра	\s
\s	Пробел, таб, перевод строки и т.д.	\t
\S	Не пробел	\e
\w	Буквенно-цифровые + подчёркивание	\r
\W	Не буквенно-цифровые (кроме _)	\f
.	Любой символ, кроме новой строки	—
\b	Граница слова	—
\.	Буквальная точка	—
\{x}	Ровно x вхождений	—

Начало работы с re

import re

Модуль re входит в стандартную библиотеку и не требует внешних зависимостей. Типичные сценарии:

• Валидация строк (email, телефоны)
• Извлечение данных из неструктурированного текста
• Автоматизированный веб-скрапинг

Пример 1: \w+ и ^

• ^ — якорь в начале строки.
• \w+ — один или более «word» символов (буквы, цифры, подчёркивание).

Их комбинация захватывает первое слово строки:

import re
sample = "guru99, education is fun"
result = re.findall(r"^\w+", sample)
print(result) # Output: ['guru99']

Без + вернётся только первый символ: ["g"].

Пример 2: Разделение по пробелам с \s

Функция re.split() делит строку там, где совпадает паттерн. Использование \s разбивает по любому whitespace-символу.

import re
text = "we are splitting the words"
print(re.split(r"\s", text)) # ['we', 'are', 'splitting', 'the', 'words']

Если обратный слэш опущен, s трактуется как литерал, вызывая разбиение по каждому символу s.

Обзор методов Regex

• re.match() — проверяет совпадение только в начале строки.
• re.search() — сканирует всю строку и возвращает первое совпадение.
• re.findall() — возвращает список всех непересекающихся совпадений.

Использование re.match()

import re
text = "guru99 is a great platform"
match = re.match(r"^\w+", text)
print(match.group() if match else "No match") # Output: guru99

Использование re.search()

import re
text = "Software Testing is fun"
for pattern in ["Software testing", "guru99"]:
    found = re.search(pattern, text, re.IGNORECASE)
    print(f"Looking for '{pattern}' in '{text}' - {'found a match!' if found else 'no match'}")

Использование re.findall()

import re
emails = "guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com"
found = re.findall(r"[\w\.-]+@[\w\.-]+", emails)
for e in found:
    print(e)

Флаги Regex

Флаги модифицируют поведение паттерна. Частые флаги:

Флаг	Описание
re.M (re.MULTILINE)	^ и $ совпадают с началом и концом каждой строки.
re.I (re.IGNORECASE)	Игнорировать различия в регистре.
re.S (re.DOTALL)	Точка совпадает с переводами строки.
re.U (re.UNICODE)	Unicode-aware классы символов.
re.L (re.LOCALE)	Классы зависят от текущей локали.
re.X (re.VERBOSE)	Позволяют пробелы и комментарии в паттерне.

Пример многострочности

import re
text = """guru99
careerguru99
selenium"""
print(re.findall(r"^\w", text))           # ['g']
print(re.findall(r"^\w", text, re.MULTILINE)) # ['g', 'c', 's']

Совместимость с Python 2

Все примеры выше написаны для Python 3. Если нужно запустить под Python 2, замените print() на синтаксис Python 2 и убедитесь, что модуль re импортирован так же.

Резюме

Мастерство Python regex даёт мощный инструментарий для обработки текста:

• Используйте re.match() для паттернов, привязанных к началу.
• Используйте re.search() для глобального поиска.
• Используйте re.findall() для извлечения всех совпадений.
• Применяйте флаги (например, re.IGNORECASE, re.MULTILINE) для тонкой настройки.
• Помните тестировать паттерны на Regex101 или похожих инструментах перед деплоем.