Классы символов

Классы символов позволяют указать набор допустимых символов для одной позиции в шаблоне. Это мощный инструмент для гибкого поиска.

#Синтаксис классов символов

Класс символов задаётся в квадратных скобках [] и соответствует одному любому символу из набора:

import re

# Любая гласная
re.search(r'[aeiou]', 'hello')  # 'e'

# Любая цифра
re.search(r'[0123456789]', 'abc5def')  # '5'

# Любая буква из набора
re.search(r'[abc]', 'dog')  # None
re.search(r'[abc]', 'cat')  # 'a'

#Диапазоны символов

Для указания диапазона используйте дефис -:

# Любая строчная буква
re.search(r'[a-z]', 'Hello')  # 'e'

# Любая заглавная буква
re.search(r'[A-Z]', 'Hello')  # 'H'

# Любая цифра
re.search(r'[0-9]', 'abc123')  # '1'

# Комбинированные диапазоны
re.search(r'[a-zA-Z]', '123')  # None
re.search(r'[a-zA-Z]', 'abc')  # 'a'

#Несколько диапазонов в одном классе

# Буквы и цифры
re.search(r'[a-zA-Z0-9]', 'test_123')  # 't'

# Гласные и цифры
re.search(r'[aeiou0-9]', 'hello123')  # 'e'

#Инвертированный класс (negated class)

^ в начале класса означает отрицание — любой символ, КРОМЕ указанных:

# Любая цифра
re.search(r'[0-9]', 'abc5def')  # '5'

# Любой символ, кроме цифры
re.search(r'[^0-9]', 'abc5def')  # 'a'

# Любая буква, кроме гласных (согласные)
re.search(r'[^aeiouAEIOU]', 'hello')  # 'h'

Важно: ^ работает как инверсия только внутри [] и только в начале. В других позициях это literal ^.

re.search(r'[a-z^]', 'a^b')  # '^' — здесь ^ это literal
re.search(r'^[a-z]', 'abc')  # 'a' — здесь ^ это якорь начала

#Предопределённые классы символов

Python предоставляет готовые классы через escape-последовательности:

Класс	Значение	Эквивалент
`\d`	Цифра	`[0-9]`
`\D`	Не цифра	`[^0-9]`
`\w`	Word-символ	`[a-zA-Z0-9_]`
`\W`	Не word-символ	`[^a-zA-Z0-9_]`
`\s`	Пробельный символ	`[ \t\n\r\f\v]`
`\S`	Не пробельный символ	`[^ \t\n\r\f\v]`

#\d — цифры

re.search(r'\d', 'abc123')  # '1'
re.search(r'\d+', 'abc123')  # '123' — одна или более цифр

re.search(r'\D', '123abc')  # 'a'
re.search(r'\D+', '123abc')  # 'abc'

#\w — word-символы

re.search(r'\w', 'hello_world')  # 'h'
re.search(r'\w+', 'hello world')  # 'hello'

re.search(r'\W', 'hello world')  # ' ' (пробел)
re.search(r'\W+', 'hello   world')  # '   ' (пробелы)

Важно: \w включает подчёркивание _, но не включает дефис -, точку . и другие спецсимволы.

#\s — пробельные символы

re.search(r'\s', 'hello world')  # ' ' (пробел)
re.search(r'\s+', 'hello   world')  # '   ' (несколько пробелов)

re.search(r'\s', 'hello\tworld')  # '\t' (табуляция)
re.search(r'\s', 'hello\nworld')  # '\n' (newline)

re.search(r'\S', '   abc')  # 'a' (первый непробельный)

#Классы символов в практических задачах

#1. Валидация простого идентификатора

# Идентификатор: буква или подчёркивание, затем буквы/цифры/подчёркивания
pattern = r'^[a-zA-Z_]\w*$'

re.match(pattern, 'variable')     # Match
re.match(pattern, '_private')     # Match
re.match(pattern, 'var123')       # Match
re.match(pattern, '123var')       # None — начинается с цифры
re.match(pattern, 'my-var')       # None — дефис не входит в \w

#2. Поиск чисел в тексте

text = 'Цена: 1234 руб., скидка 5%'

# Все числа
re.findall(r'\d+', text)  # ['1234', '5']

# Числа с пробелами как разделителями тысяч
text = 'Цена: 1 234 567 руб.'
re.findall(r'[\d ]+', text)  # ['1 234 567']

#3. Извлечение слов

text = 'Hello, world! Это тест.'

# Только латинские слова
re.findall(r'[a-zA-Z]+', text)  # ['Hello', 'world']

# Слова с подчёркиванием
re.findall(r'\w+', text)  # ['Hello', 'world', 'Это', 'тест']

#4. Валидация шестнадцатеричного цвета

# HEX-цвет: # и 6 hex-символов
pattern = r'^#[0-9a-fA-F]{6}$'

re.match(pattern, '#FF5733')  # Match
re.match(pattern, '#ff5733')  # Match
re.match(pattern, '#GGGGGG')  # None — G не hex-символ
re.match(pattern, 'FF5733')   # None — нет #

#Специальные символы внутри классов

Некоторые символы внутри [] теряют специальное значение:

# Точка внутри [] — literal точка
re.search(r'[.]', 'abc.def')  # '.'
re.search(r'[.]', 'abcdef')   # None

# Звёздочка внутри [] — literal звёздочка
re.search(r'[*]', 'a*b')  # '*'

# Плюс внутри [] — literal плюс
re.search(r'[+]', 'a+b')  # '+'

#Символы, требующие экранирования внутри []

# ] требует экранирования
re.search(r'[\]]', 'a]b')  # ']'
re.search(r'[\[\]]', 'a[b')  # '['
re.search(r'[\[\]]', 'a]b')  # ']'

# ^ в начале — инверсия, в другом месте — literal
re.search(r'[a^b]', 'a^b')  # '^'
re.search(r'[a^b]', 'abc')  # 'a'

# - в начале или конце — literal, в середине — диапазон
re.search(r'[-abc]', '-abc')  # '-'
re.search(r'[abc-]', 'abc-')  # '-'
re.search(r'[a-z]', 'm')  # 'm' — диапазон

#Unicode и классы символов

В Python 3 \w, \d, \s по умолчанию работают с Unicode:

# Кириллица входит в \w
re.search(r'\w+', 'Привет мир')  # 'Привет'

# Но \w несоответствует пробел
re.search(r'\w+', 'Привет мир')  # 'Привет', не 'Привет мир'

# Для всех букв используйте Unicode-категории
re.search(r'[\w\s]+', 'Привет мир')  # 'Привет мир'

#Флаг re.ASCII

Для ограничения \w, \d, \s только ASCII-символами:

# По умолчанию (Unicode):
re.search(r'\w+', 'Привет')  # 'Привет'

# Только ASCII:
re.search(r'\w+', 'Привет', re.ASCII)  # None
re.search(r'\w+', 'Hello', re.ASCII)   # 'Hello'

#Распространённые ошибки

#1. Забытые скобки для класса

# Ошибка: ищет literal символы [0-9]
re.search(r'[0-9]', 'abc5')  # '5' — правильно

# Ошибка: без скобок ищет '0', '-', '9' по отдельности
re.search(r'0-9', '0-9')  # '0-9' — это не класс!

#2. Неправильная инверсия

# Ошибка: думают, что [^a-z]соответствует заглавные буквы
re.search(r'[^a-z]', 'ABC')  # 'A' — правильно, но...
re.search(r'[^a-z]', '123')  # '1' — цифры тоже!

# Для только заглавных используйте [A-Z]
re.search(r'[A-Z]', 'ABC')  # 'A'

#3. Дефис не в том месте

# Ошибка: дефис в середине воспринимается как диапазон
re.search(r'[a-z-]', 'abc-')  # '-' — правильно
re.search(r'[a--z]', 'abc')   # Ошибка: диапазон a- до z

# Правильно: дефис в начале или конце
re.search(r'[-a-z]', '-abc')  # '-'
re.search(r'[a-z-]', 'abc-')  # '-'

Класс

Значение

Эквивалент

\d

Цифра

[0-9]

\D

Не цифра

[^0-9]

\w

Word-символ

[a-zA-Z0-9_]

\W

Не word-символ

[^a-zA-Z0-9_]

\s

Пробельный символ

[ \t\n\r\f\v]

\S

Не пробельный символ

[^ \t\n\r\f\v]