Espressioni regolari: guida completa per principianti

Le espressioni regolari (regex o regexp) sono un potente strumento per trovare, sostituire e convalidare il testo utilizzando modelli. Sono utilizzati in tutti i linguaggi di programmazione, negli editor di testo e nella riga di comando. Sebbene le espressioni regolari possano sembrare complicate a prima vista, i concetti di base sono piuttosto semplici. In questa guida passeremo dalle nozioni di base alle tecniche avanzate.

Cosa sono le espressioni regolari

Un'espressione regolare è una sequenza di caratteri che descrive uno schema di testo. Ad esempio, l'espressione \d{3}-\d{2}-\d{2} descrive un numero di telefono nel formato "123-45-67". Invece di cercare un testo specifico, l'espressione regolare ti consente di cercare in base al modello, qualsiasi testo che corrisponda a un determinato formato.

Regex sono supportati in tutti i principali linguaggi di programmazione: JavaScript, Python, PHP, Java, C#, Go, Ruby e altri. La sintassi è sostanzialmente la stessa, anche se esistono lievi differenze tra le implementazioni.

Sintassi di base

Literal characters

L'espressione regolare più semplice è solo testo. L'espressione hello troverà la parola "ciao" nel testo. La maggior parte dei simboli è auto-corrispondente.

Metacaratteri

I caratteri speciali hanno un significato speciale nell'espressione regolare:

• . — qualsiasi singolo carattere (tranne il ritorno a capo)
• ^ è l'inizio della riga
• $ — fine riga
• \d — qualsiasi numero (0-9)
• \w — qualsiasi lettera, numero o carattere di sottolineatura
• \s — carattere spazio (spazio, tabulazione, nuova riga)
• \b — confine di parola

Le lettere maiuscole significano il contrario: \D non è un numero, \W non è una lettera, \S non è uno spazio.

Classi di caratteri

Le parentesi quadre definiscono il set di caratteri:

• [abc] — simbolo a, b o c
• [a-z] — qualsiasi lettera latina minuscola
• [A-Z0-9] — lettera maiuscola o numero
• [^abc] — qualsiasi carattere eccetto a, b, c
• [а-яА-ЯіІїЇєЄґҐ] — Lettere ucraine

Quantificatori

I quantificatori determinano il numero di ripetizioni:

• * — 0 o più volte
• + — 1 o più volte
• ? — 0 o 1 volta
• {3} — esattamente 3 volte
• {2,5} — da 2 a 5 volte
• {3,} — 3 o più volte

Esempi: \d+ - uno o più numeri, [a-z]{2,4} - da 2 a 4 lettere minuscole.

Gruppi e alternative

Raggruppamento

Le parentesi () raggruppano parti di un'espressione e catturano il testo trovato:

• (\d{2})-(\d{2})-(\d{4}) — data con tre gruppi (giorno, mese, anno)
• (?:abc) — gruppo senza acquisizione (per velocità)

Alternative

Il simbolo | significa "o":

• cat|dog — "gatto" o "cane"
• (Mon|Tue|Wed|Thu|Fri) — qualsiasi giorno lavorativo

Modelli tipici

Email address

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

URL

https?://[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(/[^\s]*)?

Telefono (Ucraina)

\+?380[\s-]?\d{2}[\s-]?\d{3}[\s-]?\d{2}[\s-]?\d{2}

Indirizzo IPv4

\b(?:\d{1,3}\.){3}\d{1,3}\b

Data (GG.MM.AAAA)

(?:0[1-9]|[12]\d|3[01])\.(?:0[1-9]|1[0-2])\.\d{4}

Guardare avanti e guardare dietro

Costrutti avanzati per verificare il contesto senza includerlo nel risultato:

• XUVBLOCK_0036__ — lookahead positivo: il testo dopo deve corrispondere al pattern
• (?!...) - lookahead negativo: il testo successivo NON deve corrispondere a
• (?