Popularne wzorce Regex, które każdy developer powinien dodać do zakładek

Wyrażenia regularne (regex) to wielokrotnego użytku wzorce dopasowujące określone sekwencje znaków w tekście - wyobraź sobie superusprawnione narzędzie "znajdź", które działa w niemal każdym języku programowania. Niezależnie od tego, czy walidujesz adres e-mail, wyciągasz numer telefonu z formularza, czy parseujesz plik logów, kilka dobrze dobranych wzorców regex poradzi sobie z 90% typowych zadań. Ten przewodnik zbiera najbardziej przydatne wzorce, dokładnie wyjaśnia, co robi każdy z nich, i pokazuje, jak je dostosować do własnych potrzeb.

Szybkie przypomnienie składni regex

Zanim przejdziemy do konkretnych wzorców, oto ściągawka z podstawowych elementów składni, które będziesz spotykać wielokrotnie. Nawet jeśli masz już doświadczenie z regex, warto mieć je zebrane w jednym miejscu.

Przewodnik MDN Web Docs po wyrażeniach regularnych to najlepsze pojedyncze źródło wiedzy o składni regex w JavaScript. Większość wzorców z tego artykułu działa bezpośrednio w Pythonie, PHP, Javie i Ruby - różnice dotyczą głównie flag.

Walidacja adresów e-mail

Walidacja e-mail to klasyczny przypadek użycia regex - i jednocześnie ten, w którym większość programistów popełnia błąd, próbując być zbyt restrykcyjnymi. Specyfikacja RFC 5322 technicznie dopuszcza adresy takie jak "very unusual"@example.com , z którymi praktycznie żaden wzorzec regex sobie nie radzi. Do walidacji danych wejściowych w 99% przypadków wystarczy pragmatyczny wzorzec:

^[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}$

Co robi każda część wzorca:

• [a-zA-Z0-9._%+\-]+ - część lokalna (przed @); dopuszcza kropki, znaki plus, myślniki i podkreślniki
• @ - dosłowny znak @
• [a-zA-Z0-9.\-]+ - nazwa domeny, łącznie z subdomenami
• \.[a-zA-Z]{2,} - TLD o długości co najmniej 2 znaków (.io, .com, .museum)

URL i adresy internetowe

Dopasowywanie wzorców URL przydaje się wszędzie - od wyciągania linków z czystego tekstu po walidację adresu strony podanego przez użytkownika w formularzu.

https?:\/\/(?:www\.)?[-a-zA-Z0-9@:%._+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b(?:[-a-zA-Z0-9()@:%_+.~#?&\/=]*)

• https? - dopasowuje zarówno http , jak i https
• (?:www\.)? - opcjonalny prefiks www
• [-a-zA-Z0-9@:%._+~#=]{1,256} - znaki nazwy hosta, do 256 znaków
• \.[a-zA-Z0-9()]{1,6} - TLD
• \b(?:[-a-zA-Z0-9()@:%_+.~#?&\/=]*) - opcjonalna ścieżka, query string i fragment

Jeśli chcesz tylko walidować (a nie wyciągać), opakuj wzorzec kotwicami ^ i $ .

Numery telefonów

Numery telefonów są wyjątkowo niejednolite, bo formatowanie różni się znacznie w zależności od kraju i przyzwyczajeń użytkownika. Dwa wzorce pokrywają większość scenariuszy:

Format USA/Kanada (NANP)

^(\+1[-.\s]?)?(\(?\d{3}\)?[-.\s]?)?\d{3}[-.\s]?\d{4}$

Dopasowuje: 555-867-5309 , (555) 867 5309 , +1.555.867.5309 , 5558675309

Format międzynarodowy (E.164)

^\+[1-9]\d{6,14}$

E.164 to format używany przez większość API telefonicznych (Twilio, AWS SNS). Zaczyna się od + i kodu kraju, bez spacji ani znaków interpunkcyjnych.

Daty i czas

Dopasowywanie wzorców dat jest powszechne w parserach logów, walidatorach formularzy i pipeline'ach przetwarzania danych. Wybór formatu zależy od źródła danych wejściowych.

ISO 8601 (YYYY-MM-DD)

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

Format amerykański (MM/DD/YYYY)

^(0[1-9]|1[0-2])\/(0[1-9]|[12]\d|3[01])\/\d{4}$

Czas w formacie 24-godzinnym (HH:MM lub HH:MM:SS)

^([01]\d|2[0-3]):([0-5]\d)(?::([0-5]\d))?$

Pamiętaj, że te wzorce walidują format, a nie logikę kalendarza. Zaakceptują na przykład 2024-02-31 (31 lutego nie istnieje). Do ścisłej walidacji dat parsuj wynik za pomocą biblioteki dat dostępnej w Twoim języku programowania.

Walidacja siły hasła

Reguły dotyczące haseł zazwyczaj wymagają mieszanki różnych typów znaków i minimalnej długości. Lookaheady pozwalają to zrealizować elegancko, bez potrzeby wykonywania wielu oddzielnych sprawdzeń.

Minimum 8 znaków, co najmniej jedna wielka litera, jedna mała litera i jedna cyfra

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d).{8,}$

Silne hasło: 8+ znaków, wielka litera, mała litera, cyfra i znak specjalny

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*()_+\-=\[\]{};':"\\|,.<>\/?]).{8,}$

Każdy (?=.*[...]) to lookahead, który przeszukuje cały string w poszukiwaniu co najmniej jednego pasującego znaku. Końcowy fragment .{8,} wymusza minimalną długość. Możesz zamienić {8,} na {12,} , aby wymagać co najmniej 12 znaków - zgodnie z wytycznymi NIST SP 800-63B .

Adresy IP

IPv4

^(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)$

Ten wzorzec poprawnie odrzuca wartości takie jak 999.0.0.1 , dopasowując każdy oktet jawnie w zakresie 0-255.

IPv6 (uproszczony)

^([0-9a-fA-F]{1,4}:){7}[0-9a-fA-F]{1,4}$

Ten wzorzec obsługuje pełny format 8-grupowy. Dla notacji skróconej (np. ::1 dla loopback) wzorzec staje się znacznie bardziej złożony - w takim przypadku parsowanie za pomocą biblioteki sieciowej jest bardziej niezawodne niż regex.

HTML i znaczniki

Kilka celowanych wzorców jest tu naprawdę przydatnych. Ogólna zasada "nie parsuj HTML za pomocą regex" nadal obowiązuje w przypadku pełnych dokumentów - do tego celu używaj właściwego parsera DOM, takiego jak BeautifulSoup lub DOMParser. Jednak do konkretnych, ograniczonych zadań regex sprawdza się doskonale.

Usuwanie wszystkich tagów HTML

<[^>]*>

Wyciąganie zawartości z konkretnego tagu (np. <title>)

Grupa przechwytująca nr 1 zawiera tekst tytułu.

Dopasowywanie szesnastkowych kodów kolorów HTML

#([a-fA-F0-9]{6}|[a-fA-F0-9]{3})\b

Dopasowuje zarówno 3-cyfrowy skrót ( #fff ), jak i pełną 6-cyfrową formę ( #ffffff ).

Codzienne wzorce użytkowe

Te wzorce pojawiają się regularnie w różnych typach projektów.

Slug (string przyjazny dla URL)

^[a-z0-9]+(?:-[a-z0-9]+)*$

Dopasowuje ciągi takie jak my-blog-post-2024 . Bez wielkich liter, bez myślników na początku i końcu, bez podwójnych myślników.

Numer karty kredytowej (podstawowy format, bez spacji)

^(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|3[47][0-9]{13}|6(?:011|5[0-9]{2})[0-9]{12})$

• Zaczyna się od 4 - Visa (13 lub 16 cyfr)
• Zaczyna się od 51-55 - Mastercard (16 cyfr)
• Zaczyna się od 34 lub 37 - Amex (15 cyfr)
• Zaczyna się od 6011 lub 65 - Discover (16 cyfr)

Normalizacja białych znaków (zwijanie wielu spacji)

\s{2,}

Zastąp dopasowania pojedynczą spacją, aby wyczyścić chaotyczne dane wejściowe od użytkownika lub tekst ze scrapingu.

Tylko cyfry

^\d+$

Tylko znaki alfanumeryczne

^[a-zA-Z0-9]+$

Dopasowanie linii zawierającej słowo (bez uwzględniania wielkości liter, z flagą)

^.*\bword\b.*$

Granica słowa \b zapobiega dopasowaniu word wewnątrz password .

Wyciąganie numerów wersji (semver)

\bv?(\d+)\.(\d+)\.(\d+)(?:-([a-zA-Z0-9.]+))?(?:\+([a-zA-Z0-9.]+))?\b

Przechwytuje numer major, minor, patch, etykietę pre-release i metadane buildu ze stringów takich jak v2.14.0-beta.1+build.42 .

Flagi i praktyczne wskazówki

Wzorce regex zachowują się różnie w zależności od zastosowanych flag. Oto te, których potrzebujesz najczęściej:

Kilka nawyków, które zaoszczędzą Ci czasu podczas debugowania:

• Zawsze testuj na przypadkach brzegowych - pusty string, maksymalna długość, znaki Unicode i ciągi, które są prawie, ale nie do końca poprawne.
• Używaj grup nieprzechwytujących (?:...) gdy nie potrzebujesz dopasowanej zawartości - są szybsze i czytelniejsze niż grupy przechwytujące.
• Kotwicz wzorce walidacyjne za pomocą ^ i $ , żeby poprawnie wyglądający podciąg wewnątrz niepoprawnego stringa nie przeszedł przez filtr.
• Uważaj na katastrofalne backtracking - zagnieżdżone kwantyfikatory, takie jak (a+)+ , mogą powodować zawieszanie silnika regex na spreparowanych danych wejściowych. Trzymaj kwantyfikatory proste i konkretne.
• Korzystaj z testera regex podczas budowania wzorców. regex101.com pokazuje na żywo rozbicie dopasowania, wyjaśnia każdy token i pozwala przełączać się między PCRE, JavaScript, Pythonem i innymi wariantami.

Testuj i waliduj wzorce regex bez zgadywania

Budowanie niezawodnych wzorców regex do walidacji danych wejściowych jest szybsze, gdy masz pod ręką odpowiednie narzędzia. Odkryj nasze bezpłatne narzędzia dla programistów do czyszczenia, sprawdzania i transformacji tekstu za pomocą wzorców regex i nie tylko.

Wypróbuj nasze bezpłatne narzędzia →