{"canonical_url":"https://engineer.company/uk/glossary/regular-expression/","content_markdown":"# Регулярний вираз\n\n## Що це таке\n\nРегулярний вираз — це короткий шаблон, що описує множину рядків, щоб програма\nмогла вибрати ті, які до неї належать. Стандарт POSIX, який видають The Open\nGroup та IEEE, відкриває свій розділ на цю тему описом регулярних виразів як\nспособу вибирати певні рядки з множини рядків символів. У щоденному мовленні та\nв назвах багатьох функцій і бібліотек термін скорочують до regex або regexp —\nсаме так пишуться об'єкт RegExp у JavaScript і пакет regexp у Go.\n\nБільшість символів у шаблоні означають самі себе: `a` у шаблоні збігається з `a`\nв тексті. Кілька символів особливі. Крапка збігається з будь-яким символом, `*`\nповторює попередній елемент нуль або більше разів, вираз у квадратних дужках,\nяк-от `[0-9]`, збігається з одним символом із набору, `^` і `$` прив'язують\nшаблон до початку та кінця, а інтервал на кшталт `{4}` вимагає точної кількості\nповторень. Отже, `^[0-9]{4}$` описує будь-який рядок рівно з чотирьох цифр, без\nінших символів до чи після. Власний приклад інтервалу в стандарті — `c{3}`,\nзастосований до `abababccccccd`: він збігається із символами з сьомого по\nдев'ятий, тобто з першими трьома із шести c.\n\nДіалект не один. POSIX сам визначає два: базові регулярні вирази (BRE), якими\nкористується більшість його утиліт, і розширені регулярні вирази (ERE), якими\nнатомість користуються деякі. Функції C `regcomp()` і `regexec()` підтримують\nобидва. Різниця не косметична. В ERE `a+` означає одне або більше `a`. У BRE `+`\n— звичайний символ, а чи означає `\\+` «одне або більше», чи буквальний знак\nплюс, стандарт залишає на розсуд кожної реалізації.\n\nДруга велика родина походить від Perl. Специфікація ECMAScript зазначає, що\nформа й функціональність регулярних виразів JavaScript змодельовані за засобами\nрегулярних виразів Perl 5. Пакет regexp у Go описує свій синтаксис як загальний\nсинтаксис, яким користуються Perl, Python та інші мови, а модуль `re` у Python —\nтретій представник цієї родини. Ці рушії мають спільну більшу частину нотації,\nале не всі деталі. Скорочені класи — показовий приклад: `\\d` (цифра) і `\\w`\n(символ слова) скрізь виглядають однаково, але що саме вони охоплюють, залежить\nвід рушія та його прапорців, як показує розділ про практику нижче.\n\n## Чому це важливо\n\nРегулярні вирази сидять у великій частині програмного забезпечення, яке зовсім\nне схоже на обробку тексту: перевірка полів форм, фільтри, що витягують значення\nз рядків журналу, правила маршрутизації у вебсерверах, пошук і заміна в\nтекстових редакторах. Кожен шаблон короткий, тож легко не помітити, що він\nнасправді приймає. Результат визначають два питання, і відповідь на обидва\nзалежить від рушія: який збіг обрано, коли можливих кілька, і скільки часу може\nзнадобитися, щоб знайти один.\n\nPOSIX обирає найлівіший найдовший збіг: з усіх збігів, що починаються найраніше\nв тексті, перемагає найдовший (англійською leftmost-longest). Приклади стандарту\n— BRE `bb*`, що збігається із символами з другого по четвертий у `abbbc`, і ERE\n`(wee|week)(knights|night)`, що збігається з усіма десятьма символами\n`weeknights`. Родина Perl працює інакше. Вона пробує альтернативи в тому\nпорядку, в якому їх записано, і бере першу, що веде до збігу; документація Go\nназиває це leftmost-first. Тож той самий шаблон на тому самому тексті може дати\nдві відповіді:\n\n```text\n$ echo ab | grep -oE 'a|ab'\nab\n\u003e\u003e\u003e re.search(\"a|ab\", \"ab\").group()\n'a'\n\u003e \"ab\".match(/a|ab/)[0]\n'a'\n```\n\nGo пропонує обидві поведінки. Функція `Compile` використовує семантику\nleftmost-first, а `CompilePOSIX` обмежує синтаксис до POSIX ERE і перемикається\nна leftmost-longest. Навіть тоді пакет зберігає власне правило вибору підзбігів,\nі документація пояснює чому: правило POSIX, за її словами, обчислювально\nнепомірно дороге і навіть не визначене чітко.\n\nДруге питання — час. Модуль `re` у Python, як і більшість рушіїв родини Perl,\nпрацює з поверненням (backtracking). Коли частина шаблону не може продовжитися,\nрушій відступає назад і пробує інший спосіб зіставити те, що було раніше.\nДокументація Python показує цю ідею на `a*a` проти `aaaa`: `a*` спершу забирає\nвсі чотири літери, а потім віддає одну назад, щоб фінальне `a` могло збігтися.\nДля більшості шаблонів ці витрати непомітні. Для деяких кількість варіантів, які\nтреба перебрати, зростає експоненційно з довжиною вхідних даних, і рядок із\nкількох десятків символів може тримати процесор зайнятим хвилинами. MITRE\nкаталогізує це як CWE-1333, Inefficient Regular Expression Complexity, і\nнаводить ReDoS (regular expression denial of service) та catastrophic\nbacktracking як інші назви того самого. Пакет regexp у Go спроєктовано навколо\nпротилежної обіцянки. Його документація стверджує, що зіставлення гарантовано\nвиконується за час, лінійний щодо розміру вхідних даних, і додає, що більшість\nреалізацій з відкритим кодом такої гарантії не дають.\n\n## Як це виглядає на практиці\n\nВізьмімо форму реєстрації для клієнтів у Данії та Україні і поле імені, яке має\nприймати лише літери. Очевидний шаблон — `[A-Za-z]+`, і в Python 3.15 він\nповодиться так:\n\n```text\n\u003e\u003e\u003e import re\n\u003e\u003e\u003e re.fullmatch(r\"[A-Za-z]+\", \"Mia\")\n\u003cre.Match object; span=(0, 3), match='Mia'\u003e\n\u003e\u003e\u003e re.fullmatch(r\"[A-Za-z]+\", \"Søren\")\n\u003e\u003e\u003e re.fullmatch(r\"[A-Za-z]+\", \"Олена\")\n\u003e\u003e\u003e re.fullmatch(r\"\\w+\", \"Søren_42\")\n\u003cre.Match object; span=(0, 8), match='Søren_42'\u003e\n\u003e\u003e\u003e re.fullmatch(r\"[^\\W\\d_]+\", \"Олена\")\n\u003cre.Match object; span=(0, 5), match='Олена'\u003e\n\u003e\u003e\u003e re.fullmatch(r\"[^\\W\\d_]+\", \"Søren_42\")\n\u003e\u003e\u003e\n```\n\nВиклик, що повертає `None`, в інтерактивній оболонці взагалі не друкує рядка,\nтож ASCII-клас відкидає Søren та Олену, два цілком звичайні імена в Копенгагені\nта Києві. Перехід на `\\w` їх пропускає, але в Python `\\w` охоплює всі символи,\nдля яких `str.isalnum()` повертає істину, плюс знак підкреслення, тож цей клас\nпропускає й `Søren_42`. Клас `[^\\W\\d_]` виключає символи, що не є символами\nслова, десяткові цифри та знак підкреслення. Він також допускає деякі числові\nсимволи, які не є десятковими цифрами, тож це не сувора перевірка того, чи всі\nсимволи є літерами. Для імен із кількох слів `[^\\W\\d_]+( [^\\W\\d_]+)*` приймає і\n`Anne Sofie Østergaard`, і `Олена Коваль`. Цей шаблон усе ще відкидає\n`Anne-Marie` з дефісом, і це привід тримати поле імені настільки ліберальним,\nнаскільки дозволяє бізнес. Інструменти POSIX мають ту саму проблему в іншій\nформі: стандарт залишає значення діапазону на кшталт `A-Z` невизначеним поза\nлокаллю POSIX і пропонує клас `[[:alpha:]]`, склад якого визначає поточна\nлокаль.\n\nПравильне рішення тут важить значно більше, ніж одна форма. Одна з послуг цього\nсайту, [Інтернаціоналізація та локалізація](/uk/services/i18n-localization/),\nописує свою мету як програму, що природно читається на кожному ринку, де продає\nклієнт, аж до сортування імен. Поле імені, яке відкидає Søren, розходиться з\nцією метою задовго до будь-якого сортування.\n\nЦифри ставлять протилежне питання. Данський поштовий індекс складається з\nчотирьох цифр, тож `\\d{4}` виглядає надійною перевіркою для `2200`. Але в Python\n`\\d` у текстовому шаблоні збігається з будь-якою десятковою цифрою Unicode, а не\nлише з цифрами від 0 до 9, і приймає той самий індекс, записаний\nарабсько-індійськими цифрами:\n\n```text\n\u003e\u003e\u003e s = \"\\u0662\\u0662\\u0660\\u0660\"\n\u003e\u003e\u003e print(s, int(s))\n٢٢٠٠ 2200\n\u003e\u003e\u003e re.fullmatch(r\"\\d{4}\", s)\n\u003cre.Match object; span=(0, 4), match='٢٢٠٠'\u003e\n\u003e\u003e\u003e re.fullmatch(r\"\\d{4}\", s, re.ASCII)\n\u003e\u003e\u003e re.fullmatch(r\"[0-9]{4}\", s)\n\u003e\u003e\u003e\n```\n\nJavaScript стоїть на протилежному боці. Специфікація ECMAScript визначає `\\d` як\nрівно десять символів від 0 до 9, тож `/^\\d{4}$/.test(s)` для того самого рядка\nповертає `false` у Node.js, тоді як `/^\\p{Nd}{4}$/u` повертає `true`. Форма, яку\nбраузер перевіряє за одним правилом, а сервер — за іншим, дасть дві різні\nвідповіді на ті самі дані. `int()` у Python читає рядок як 2200, але стовпець\nбази даних, таблиця-довідник чи інший сервіс можуть прочитати його інакше.\nВирішіть, які цифри маються на увазі: `[0-9]` або прапорець `re.ASCII`, коли\nгодяться лише цифри ASCII, і `\\p{Nd}` з прапорцем `u` у JavaScript, коли\nпідходить будь-яка десяткова цифра.\n\n## Де виникають проблеми\n\n**Шаблон, що подвоює час роботи з кожною літерою.** Шаблон для імені, який має\nдозволяти слова, розділені одиничними пробілами, легко написати як\n`([^\\W\\d_]+ ?)+`. На правильному імені він швидкий. На послідовності літер, за\nякою йде символ, що його шаблон прийняти не може, рушій перебирає всі способи\nподілити літери на слова, перш ніж здатися, і кількість способів подвоюється з\nкожною літерою. На одній машині з Python 3.15 найшвидший із п'яти запусків для\nкожної довжини дав такі часи для `fullmatch` на рядку з літер, за якими йде `!`:\n\n```text\nлітери    секунди\n     18     0.017\n     20     0.067\n     22     0.27\n     24     1.0\n     26     4.1\n```\n\nКожна літера подвоює час, тож ще дві літери збільшують його вчетверо. Якщо\nекстраполювати цей множник далі, тридцять літер забрали б близько хвилини, а\nтридцять дві — понад чотири хвилини. Це саме той випадок, який описує CWE-1333:\nкількість спроб повернення зростає експоненційно з вхідними даними, вхідні дані\nне мусять збігатися з шаблоном, і вони можуть бути достатньо довгими.\nПереписаний шаблон `[^\\W\\d_]+( [^\\W\\d_]+)*` описує ті самі імена без вкладеного\nквантифікатора, відхиляє рядок із 24 літер приблизно за мікросекунду, а мільйон\nлітер, за якими йде `!`, — приблизно за тридцять мілісекунд. Приберіть вкладені\nквантифікатори, обмежте довжину вхідних даних перед зіставленням і запускайте\nшаблони, що бачать неперевірені вхідні дані, на рушії з гарантією лінійного\nчасу, як-от у Go.\n\n**Пошук там, де має збігатися все значення.** У Python `re.search` приймає збіг\nбудь-де в рядку, а `re.match` прив'язується лише до початку; Python 3.15 дає цій\nфункції зрозуміліше ім'я `prefixmatch` і м'яко визнає старе застарілим (soft\ndeprecation), зауважуючи, що в інших мовах match означає те, що Python завжди\nназивав search. Тож `re.prefixmatch(r\"\\d{4}\", \"22000\")` спрацьовує на перших\nчотирьох цифрах, а `re.search(r\"\\d{4}\", \"DK-2200\")` знаходить індекс усередині\nрядка. Навіть `re.search(r\"^\\d{4}$\", \"2200\\n\")` спрацьовує, бо `$` збігається ще\nй безпосередньо перед символом нового рядка в кінці. Функція `re.fullmatch`,\nдоступна з Python 3.4, відкидає всі три. Використовуйте `fullmatch` щоразу, коли\nшаблон описує все значення, або прив'язуйте його через `\\A` і `\\Z`, який Python\n3.14 пише також як `\\z`.\n\n**Список дозволених адрес із незахищеною крапкою.** Перевірку, яка пропускає\nперенаправлення лише на власний сайт компанії, можна написати як\n`^https://www.example.com`. Вона приймає\n`https://www.example.com.evil.example/`, бо шаблон закінчується раніше, ніж ім'я\nхоста, а кожна неекранована крапка збігається з будь-яким символом, тож хост,\nякий відрізняється від справжнього одним символом на місці крапки, теж\nпроходить. Екранування крапок, як це робить `re.escape(\"www.example.com\")`, і\n`/` в кінці шаблону закривають обидві діри. А ще краще — розберіть URL і\nпорівняйте його ім'я хоста з очікуваним як цілий рядок.\n\n**Шаблон, перенесений між рушіями.** Шаблон, перевірений через `grep -E` і\nвставлений у Python, може обрати інший збіг, як показує приклад з `a|ab`, а\nшаблон, що працює в одному інструменті BRE з `\\+`, в іншому може означати\nбуквальний знак плюс. Той самий `\\d`, що в Python приймає арабсько-індійські\nцифри, у JavaScript їх відкидає. Тестуйте кожен шаблон у тому рушії, який його\nвиконуватиме, і з тими прапорцями, з якими він працюватиме.\n\n**Глобальний прапорець, який пам'ятає.** У JavaScript регулярний вираз із\nпрапорцем `g` або `y` зберігає в `lastIndex` позицію, де закінчився його\nостанній збіг, і починає звідти наступний пошук; після невдалої спроби він\nскидає `lastIndex` до 0. Шаблон, збережений у константі й повторно використаний\nдля перевірки, тоді відповідає по-різному через раз:\n\n```text\n\u003e const re = /^\\d{4}$/g;\nundefined\n\u003e re.test(\"2200\")\ntrue\n\u003e re.test(\"2200\")\nfalse\n\u003e re.test(\"2200\")\ntrue\n```\n\nНе ставте прапорець `g` на шаблони, які використовуєте з `test()`, або\nвстановлюйте `lastIndex` у 0 перед кожним викликом.\n\n**Текст, який виглядає однаково, але відрізняється.** Ім'я André можна зберегти\nз é як одним готовим символом або зі звичайним e, за яким іде комбінувальний\nдіакритичний знак. На екрані обидва варіанти однакові, але POSIX стверджує, що\nзіставлення спирається на бітовий шаблон, яким закодовано символ, а не на його\nграфічне подання, і `re.search(\"André\", \"Andre\\u0301\")` у Python повертає\n`None`. Після `unicodedata.normalize(\"NFC\", ...)` на тексті виклик знаходить\nім'я. Нормалізуйте шаблон і текст до однієї форми перед зіставленням: через\n`unicodedata.normalize` у Python або `String.prototype.normalize` у JavaScript.\n\n## Що почитати далі\n\n- [The Open Group Base Specifications Issue 8: Regular Expressions](https://pubs.opengroup.org/onlinepubs/9799919799/basedefs/V1_chap09.html)\n  — визначення POSIX: BRE і ERE, вирази у квадратних дужках, класи символів і\n  локалі та правило leftmost-longest.\n- [regexp package (Go)](https://pkg.go.dev/regexp)\n  — гарантія лінійного часу, leftmost-first проти leftmost-longest і чому\n  CompilePOSIX відходить від POSIX щодо підзбігів.\n- [re — Regular expression operations (Python)](https://docs.python.org/3/library/re.html)\n  — синтаксис, класи Unicode і ASCII, пошук із поверненням і присвійні\n  квантифікатори, а також search, prefixmatch і fullmatch.\n- [ECMAScript: Text Processing (living draft, ECMAScript 2027)](https://tc39.es/ecma262/multipage/text-processing.html)\n  — регулярні вирази JavaScript: спадок Perl 5, визначення `\\d`, екрановані\n  послідовності властивостей Unicode і використання lastIndex.\n- [CWE-1333: Inefficient Regular Expression Complexity](https://cwe.mitre.org/data/definitions/1333.html)\n  — catastrophic backtracking і ReDoS: умови, за яких шаблон можна використати\n  для атаки, зафіксовані приклади та заходи захисту.\n\n\u003chttps://engineer.company/uk/glossary/regular-expression/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Як регулярний вираз вибирає рядки, чому рушії читають той самий шаблон по-різному і як пошук із поверненням та слабкі якорі ламають перевірку.","formats":{"gemtext":"https://engineer.company/uk/glossary/regular-expression/index.gmi","gopher":"https://engineer.company/uk/glossary/regular-expression/gophermap","html":"https://engineer.company/uk/glossary/regular-expression/","json":"https://engineer.company/uk/glossary/regular-expression/index.json","markdown":"https://engineer.company/uk/glossary/regular-expression/index.md","pdf":"https://engineer.company/uk/glossary/regular-expression/index.pdf"},"kind":"page","language":"uk","title":"Що таке регулярний вираз?","url":"https://engineer.company/uk/glossary/regular-expression/","version":1}