Regex-puska

Q: Mi a különbség a mohó és a lusta kvantorok között?

A mohó kvantorok (*, +, {2,}) a lehető legtöbbet illesztik, és csak akkor adnak vissza karaktereket, amikor a minta többi része nem tud illeszkedni. A ? hozzáadása lustává teszi őket: a lehető legkevesebbet illesztik, és csak kényszer hatására vesznek többet. A " " esetén a minta a teljes karakterláncot adja vissza, a pedig csak a -t.

A reguláris kifejezések elég tömörek ahhoz, hogy a szintaxist könnyebb kikeresni, mint megjegyezni. Ez az oldal az egésze egyetlen képernyőn — osztályok, kvantorok, horgonyok, csoportok, lookaround, escape-elés és a módosítók —, minden sorhoz egy működő példával.

A dialektus a JavaScript, ez fut a böngésződben, és ezt használja az oldal regex-tesztelője is. Nagy része azonos a Pythonban, Javában, Góban és a PCRE-ben; ahol a dialektusok eltérnek, a széleken térnek el — a lookbehind-támogatás, a nevesített csoportok szintaxisa, és hogy a \d „ASCII-számjegyet” vagy „bármely Unicode-számjegyet” jelent-e.

Két dolog okozza a meglepetések többségét. A kvantorok mohók: mindent elvesznek, amit tudnak, és csak akkor adnak vissza, ha a minta többi része megbukik, ezért nyeli el a <.+> két címkét, a <.+?> pedig nem. És az alternáció köt a leglazábban, így a ^a|b$ azt jelenti, hogy „a-val kezdődik vagy b-re végződik” — nem azt, amit a legtöbben szánnak neki, amikor leírják.

Karakterosztályok

A rövidítések ASCII-korlátozottak, hacsak nem adod hozzá az u módosítót és nem használsz Unicode tulajdonság-escape-eket.

Szintaxis	Jelentés	Példa
.	Bármely karakter, kivéve a sortöréstAdd hozzá az s módosítót, hogy a soremelésekre is illeszkedjen.	/a.c/"abc" → "abc"
\d	Egy számjegy, 0–9	/\d+/"order 42" → "42"
\D	Bármi, ami nem számjegy	/\D+/"42abc" → "abc"
\w	Betű, számjegy vagy aláhúzásCsak ASCII — az „é” nem \w.	/\w+/"user_1!" → "user_1"
\W	Bármi, amire a \w nem illeszkedik	/\W+/"a++b" → "++"
\s	Bármely térköz, beleértve a tabulátorokat és soremeléseket	/\s+/"a \t b" → " \t "
\S	Bármely nem térköz karakter	/\S+/" hi" → "hi"
[abc]	A felsorolt karakterek bármelyike	/[aeiou]/"rhythm and" → "a"
[^abc]	Bármely karakter, kivéve a felsoroltakat	/[^aeiou ]+/"aeiou xyz" → "xyz"
[a-z]	Karakterek egy tartománya	/[a-f]+/"zzabcz" → "abc"
\p{L}	Bármely Unicode-betű (az u módosítóra van szükség)	/\p{L}+/"42 café" → "café"

Kvantorok

Ezek mind alapból mohók: annyit vesznek, amennyit tudnak, és csak akkor adnak vissza, ha a minta többi része megbukik.

Szintaxis	Jelentés	Példa
*	Nulla vagy több	/ab*/"a" → "a"
+	Egy vagy több	/ab+/"abbb" → "abbb"
?	Nulla vagy egy — opcionálissá teszi	/colou?r/"color" → "color"
{3}	Pontosan három	/\d{3}/"id 12345" → "123"
{2,}	Kettő vagy több	/a{2,}/"aaa" → "aaa"
{2,4}	Kettő és négy között	/a{2,4}/"aaaaa" → "aaaa"
*?	Lusta — a lehető legkevesebbet vesziA mohó <.+> mindkét címkét elnyelné.	/<.+?>/"<a><b>" → "<a>"

Horgonyok és határok

Ezek egy pozícióra illeszkednek, nem egy karakterre, így semmit sem fogyasztanak.

Szintaxis	Jelentés	Példa
^	A karakterlánc eleje, vagy egy soré az m módosítóval	/^a/"abc" → "a"
$	A karakterlánc vége, vagy egy soré az m módosítóval	/c$/"abc" → "c"
\b	Egy szóhatárEz az, ami megakadályozza, hogy a "cat" illeszkedjen a "concatenate" belsejében.	/\bcat\b/"the cat sat" → "cat"
\B	Nem szóhatár	/\Bcat/"concatenate" → "cat"

Csoportok és alternáció

Szintaxis	Jelentés	Példa
(abc)	Rögzítő csoport — helyettesítéshez megjegyezve	/(\d+)-(\d+)/"10-20" → "10-20"
(?:abc)	Csoportosítás rögzítés nélkülHasználd ezt, ha csak a csoportosításra van szükséged; így a rögzítési számok értelmesek maradnak.	/(?:ab)+/"abab" → "abab"
(?<name>…)	Nevesített rögzítő csoport	/(?<year>\d{4})/"in 2026" → "2026"
a\|b	Bármelyik oldal — alternációAz alternációnak van a legalacsonyabb precedenciája: a ^a\|b$ „^a” vagy „b$”, nem „^(a\|b)$”.	/cat\|dog/"one dog" → "dog"
\1	Visszahivatkozás az első csoportra	/(\w)\1/"letter" → "tt"

Lookaround

Állítások arról, ami körülvesz egy pozíciót. Maguk semmire sem illeszkednek, és épp ez teszi őket biztonságosan kombinálhatóvá.

Szintaxis	Jelentés	Példa
(?=…)	Lookahead — ez követi	/\d+(?= kg)/"80 kg" → "80"
(?!…)	Negatív lookahead — nem ez követi	/\d+(?! kg)/"80 lb" → "80"
(?<=…)	Lookbehind — ez előzi meg	/(?<=\$)\d+/"costs $40" → "40"
(?<!…)	Negatív lookbehind — nem ez előzi meg	/(?<!\$)\b\d+/"about 40" → "40"

Escape-elés

Ez a tizenkét karakter az, amelyeknek fordított perjelre van szükségük, hogy szó szerint értelmezzék őket.

Szintaxis	Jelentés	Példa
\.	Egy szó szerinti pont	/\d\.\d/"v2.5" → "2.5"
\\	Egy szó szerinti fordított perjel	/\\/"C:\\dir" → "\\"
\n	Egy soremelés	/a\nb/"a\nb" → "a\nb"
\t	Egy tabulátor	/a\tb/"a\tb" → "a\tb"
\uFFFF	Egy karakter a kódpontja alapján	/\u00e9/"café" → "é"

Módosítók

Módosító	Név	Jelentés
g	Globális	Minden találatot megtalál, nemcsak az elsőt.
i	Kis- és nagybetű figyelmen kívül hagyása	Illeszkedik a kis- és nagybetűktől függetlenül.
m	Többsoros	A ^ és a $ minden sortörésnél illeszkedik, nem csak a karakterlánc végein.
s	Dot all	Engedi, hogy a . a sortörésekre is illeszkedjen.
u	Unicode	A mintát kódpontokként kezeli, és engedélyezi a \p{…} tulajdonság-escape-eket.
y	Ragadós	Csak pontosan a lastIndex pozíciónál illeszkedik, sosem keres előre.

Gyakori kérdések

Mi a különbség a mohó és a lusta kvantorok között?

A mohó kvantorok (*, +, {2,}) a lehető legtöbbet illesztik, és csak akkor adnak vissza karaktereket, amikor a minta többi része nem tud illeszkedni. A ? hozzáadása lustává teszi őket: a lehető legkevesebbet illesztik, és csak kényszer hatására vesznek többet. A "<a><b>" esetén a <.+> minta a teljes karakterláncot adja vissza, a <.+?> pedig csak a <a>-t.

Miért illeszkedik a szavam más szavak belsejében?

Mert semmi sem horgonyozta le. Vedd körül a szót \b-vel — a /\bcat\b/ illeszkedik a "cat"-re a "the cat sat" mondatban, de nem a "concatenate" belsejében. A \b egy szókarakter és egy nem szókarakter közötti pozícióra illeszkedik, így semmit sem fogyaszt.

Mit változtat meg az u módosító?

A mintát kódpontokon működteti UTF-16-egységek helyett, így egyetlen emodzsi egy karakternek számít, és engedélyezi a \p{…} tulajdonság-escape-eket, például a \p{L}-t „bármely betű” jelentéssel. Nélküle a \w és a \d ASCII-korlátozott marad, ezért nem illeszkedik teljesen a "café" a /\w+/-ra.

Mikor használjak nem rögzítő csoportot?

Amikor a csoportosításra van szükséged, de a rögzített szövegre nem — (?:ab)+ a (ab)+ helyett. A rögzítés némi teljesítménybe kerül, de az igazi ok a számozás: minden hozzáadott rögzítő csoport eltolja az utána következők számait, csendben elrontva a $1-et és $2-t használó helyettesítéseket.

Biztonságos-e a lookbehind használata?

A jelenlegi böngészőkben és Node-ban igen — a (?<=…) és a (?<!…) minden nagyobb motorban támogatott 2018 óta. A Safari adta hozzá utoljára. Ha nagyon régi futásidőket célzol, előbb ellenőrizd; a regex-szintaxishoz nincs polyfill.

Regex-puska

Karakterosztályok#

Kvantorok#

Horgonyok és határok#

Csoportok és alternáció#

Lookaround#

Escape-elés#

Módosítók#