Murakkab regex: lookahead, lookbehind va nomlangan guruhlar

Murakkab konstruksiyalar nima beradi

Oddiy regex «bunday matn bormi» degan savolga javob beradi. Murakkab konstruksiyalar aniqroq aytishga imkon beradi:

• lookaround — «moslik nimadirning oldida yoki ortida turishi kerak», lekin o‘sha «nimadir» natijaga kirmaydi;
• nomlangan guruhlar — moslik qismlarini raqam bo‘yicha emas, nom bo‘yicha olamiz;
• ushlamaydigan guruhlar — ortiqcha ushlashlarsiz guruhlaymiz;
• dangasa kvantifikatorlar — maksimum o‘rniga minimumni olamiz;
• orqa havolalar — allaqachon topilgan matn takrorlanishini talab qilamiz.

Lookahead va lookbehind

Bular nol kenglikdagi tekshiruvlar: ular qo‘shni matnga qaraydi, lekin uni «yemaydi».

Klassik misol — sonning xonalarini bo‘sh joy bilan ajratish:

"1234567".replace(/\B(?=(\d{3})+(?!\d))/g, " "); // "1 234 567"

Pozitsiya mos keladi, agar undan keyin son oxirigacha aynan uchtadan raqamli guruhlar kelsa. Raqamlarning o‘zi ushlanmaydi, shuning uchun almashtirish hech narsani o‘chirmasdan bo‘sh joy qo‘shadi.

Ketma-ket bir nechta lookahead shartlarni istalgan tartibda tekshirish uchun qulay: ^(?=.*\d)(?=.*[a-z]).{8,}$ — kamida 8 belgi, raqam va kichik harf bor.

Lookbehind markerdan keyingi qiymatni ajratib oladi: (?<=\$)\d+ $25 ichidan 25 ni topadi. Muhim farq: Python’dagi re moduli qat’iy uzunlikdagi lookbehind talab qiladi, zamonaviy JavaScript dvigatellarida esa uzunlik o‘zgaruvchan bo‘lishi mumkin.

Nomlangan va ushlamaydigan guruhlar

Sintaksis tillar orasida farq qiladi:

const m = "2026-10-19".match(/(?<y>\d{4})-(?<m>\d{2})-(?<d>\d{2})/);
m.groups.y; // "2026"
"2026-10-19".replace(/(?<y>\d{4})-(?<m>\d{2})-(?<d>\d{2})/, "$<d>.$<m>.$<y>");

import re
re.sub(r"(?P<y>\d{4})-(?P<m>\d{2})-(?P<d>\d{2})", r"\g<d>.\g<m>.\g<y>", "2026-10-19")

Agar guruh faqat | yoki kvantifikator uchun kerak bo‘lsa, uni ushlamaydigan qiling: (?:https?|ftp)://. Boshqa guruhlarning raqamlari siljimaydi, dvigatelga esa ish kamroq.

Ochko‘z va dangasa kvantifikatorlar

Sukut bo‘yicha *, +, {n,} ochko‘z — iloji boricha ko‘p oladi. <b>x</b> satrida <.+> butun satrni ushlaydi, dangasa <.+?> esa faqat <b> ni.

Ko‘pincha dangasalik o‘rniga ruxsat etilgan belgilarni aniq tasvirlash yaxshiroq: <[^>]+>. Bu ham tushunarliroq, ham tezroq, chunki dvigatel orqaga qaytishi shart emas.

Orqa havolalar

Orqa havola matn takrorlanishini talab qiladi: \b(\w+)\s+\1\b «the the» kabi takrorlangan so‘zni topadi. Nomlangan guruhlar uchun: JavaScript’da \k<word>, Python’da (?P=word).

Halokatli backtracking va ReDoS

JavaScript, Python, Java va boshqa ko‘plab tillarning dvigatellari backtracking orqali ishlaydi: muvaffaqiyatsizlikda kirishni bo‘lishning boshqa variantlarini sinab ko‘radi. ^(a+)+$ ifodasi oxirida ! bo‘lgan uzun a satrida eksponensial sondagi variantlarni sinaydi va jarayonni «qotirib» qo‘yadi. Agar bunday ifoda foydalanuvchi kiritgan ma’lumotni tekshirsa, bu ReDoS — bitta satr bilan xizmatni ishdan chiqarish.

Qanday himoyalanish mumkin:

• bir xil matn ustidagi ichma-ich kvantifikatorlardan qoching: (a+)+, (\w*)*, (.*,)*;
• bir-biriga kesishadigan alternativalardan qoching: (a|a)*, (\d|\d\d)+;
• regex’ni ishga tushirishdan oldin kirish uzunligini cheklang;
• mavjud bo‘lsa, atomar guruhlar (?>...) va egalovchi kvantifikatorlar a++ dan foydalaning — ular orqaga qaytishni taqiqlaydi (Python’ning yangi versiyalarida ular re ga qo‘shilgan);
• ishonchsiz shablonlar yoki kirish uchun RE2 kabi backtracking’siz dvigatellarni oling.

Keng tarqalgan xatolar

• JavaScript’da barcha moslikni almashtirishda g bayrog‘ini unutish.
• Validatsiyada ^ va $ langarlarining yo‘qligi — tekshiruv satr bo‘lagi bo‘yicha o‘tib ketadi.
• Python’da raw-satr r"..." o‘rniga oddiy satr, natijada \b backspace’ga aylanadi.
• Parser yoki ikkita oddiy tekshiruv osonroq bo‘lgan joyda bitta ulkan regex.