Регулярные выражения

Регулярные выражения могут использоваться при фильтрации ряда представленных в Яндекс Вебмастере данных по URL:

Выражения обрабатываются в соответствии с синтаксисом RE2 и следующими правилами:

  • Регулярное выражение применяется к полному URL страницы, включая протокол и домен. Например, вы можете использовать регулярное выражение: ^http://.
  • Регулярное выражение применяется дважды: к оригинальному URL и к URL с префиксом www и без него. Благодаря этому результат проверки выражения не зависит от наличия префикса www в домене.
  • Регулярное выражение применяется к декодированному URL, в котором URL-коды (%-последовательности) заменены на декодированные символы (исключение: коды символов /, &, =, ?, # не заменяются; например, %2F не будет заменен на /). Необходимо иметь в виду, что при декодировании символ + заменяется на пробел. Например, регулярное выражение text=слон будет обработано, а text=%D1%81%D0%BB%D0%BE%D0%BD и text=%\w\w — нет.
  • К кириллическим URL не применяется punycode. Например, регулярное выражение ^http://ввв\.сайт\.рф/ будет обработано, а ^http://xn--b1aaa\.xn--80aswg\.xn--p1ai/ — нет.
  • Перед проверкой регулярных выражений из окончания URL исключаются некоторые символы: ?, #, &, а также точка (.). Например, для URL http://example.com/?, http://example.com/#, http://example.com/?var=1& сравнение будет производиться с http://example.com/, http://example.com/, http://example.com/?var=1 соответственно. В случае, если пользователь ввел URL http://example.com./, то регулярное выражение \./$ не будет обработано.
  • При проверке регулярных выражений квантификаторам соответствует максимально длинная строка.
  • Проверка производится с учетом регистра символов в URL.

Памятка по регулярным выражениям

В таблице ниже a, b, c, d, e — любые символы, n, m — целые положительные числа.

Допустимые варианты
abc|de Соответствует одному из вариантов: abc или de.
Классы символов
[abc] или [a-c] Соответствует любому (одному) символу из перечисленных (или из диапазона).
[^abc] или [^a-c] Соответствует любому (одному) символу, кроме перечисленных (не входящему в диапазон).
\d Соответствует цифровому символу. Эквивалентно [0-9].
\D Соответствует символу, не являющемуся цифрой. Эквивалентно [^0-9].
\s Соответствует пробелу. Эквивалентно [\t\n\f\r ].
\S Соответствует символу, не являющемуся пробелом. Эквивалентно [^\t\n\f\r ].
\pL Соответствует любому символу Unicode.
\w

Соответствует латинской букве любого регистра, цифре или знаку подчеркивания.

При работе с символами Unicode вместо \w используйте класс \pL.
\W

Соответствует любому символу, отличному от латинской буквы любого регистра, цифры или знака подчеркивания.

При работе с символами Unicode вместо \w используйте класс \pL.
Количество вхождений (квантификаторы)
a* Соответствует символу a, повторенному 0 или более раз (выбирается максимально длинная последовательность из возможных).
a+ Соответствует символу a, повторенному 1 или более раз (выбирается максимально длинная последовательность из возможных).
a? Соответствует символу a, повторенному 0 или 1 раз (приоритетно наличие символа).
a{n,m} Соответствует символу a, повторенному не менее чем n и не более чем m раз (выбирается максимально длинная последовательность из возможных).
a{n,} Соответствует символу a, повторенному не менее чем n раз (выбирается максимально длинная последовательность из возможных).
a{n} Соответствует символу a, повторенному ровно n раз.
a*? Соответствует символу a, повторенному 0 или более раз (выбирается самая короткая последовательность из возможных).
a+? Соответствует символу a, повторенному 1 или более раз (выбирается самая короткая последовательность из возможных).
a?? Соответствует символу a, повторенному 0 или 1 раз (приоритетно отсутствие символа).
a{n,m}? Соответствует символу a, повторенному не менее чем n и не более чем m раз (выбирается самая короткая последовательность из возможных).
a{n,}? Соответствует символу a, повторенному не менее чем n раз (выбирается самая короткая последовательность из возможных).
Позиция внутри строки
^ Соответствует началу строки.
$ Соответствует концу строки.
\b

Соответствует границе слова — позиции между алфавитно-цифровым символом (\w) и не алфавитно-цифровым (\W).
\B

Соответствует отсутствию границы слова. Определяется через классы \w и \W.
Экранирование
\

Обратная косая черта перед специальным символом [ ] \ ^ $ . | ? * + ( ) { } означает, что этот символ не является специальным и должен интерпретироваться буквально.

Пример: \$ соответствует значку доллара.
\Q...\E Все специальные символы в интервале между \Q и \E интерпретируются как обычные символы.
Допустимые варианты
abc|de Соответствует одному из вариантов: abc или de.
Классы символов
[abc] или [a-c] Соответствует любому (одному) символу из перечисленных (или из диапазона).
[^abc] или [^a-c] Соответствует любому (одному) символу, кроме перечисленных (не входящему в диапазон).
\d Соответствует цифровому символу. Эквивалентно [0-9].
\D Соответствует символу, не являющемуся цифрой. Эквивалентно [^0-9].
\s Соответствует пробелу. Эквивалентно [\t\n\f\r ].
\S Соответствует символу, не являющемуся пробелом. Эквивалентно [^\t\n\f\r ].
\pL Соответствует любому символу Unicode.
\w

Соответствует латинской букве любого регистра, цифре или знаку подчеркивания.

При работе с символами Unicode вместо \w используйте класс \pL.
\W

Соответствует любому символу, отличному от латинской буквы любого регистра, цифры или знака подчеркивания.

При работе с символами Unicode вместо \w используйте класс \pL.
Количество вхождений (квантификаторы)
a* Соответствует символу a, повторенному 0 или более раз (выбирается максимально длинная последовательность из возможных).
a+ Соответствует символу a, повторенному 1 или более раз (выбирается максимально длинная последовательность из возможных).
a? Соответствует символу a, повторенному 0 или 1 раз (приоритетно наличие символа).
a{n,m} Соответствует символу a, повторенному не менее чем n и не более чем m раз (выбирается максимально длинная последовательность из возможных).
a{n,} Соответствует символу a, повторенному не менее чем n раз (выбирается максимально длинная последовательность из возможных).
a{n} Соответствует символу a, повторенному ровно n раз.
a*? Соответствует символу a, повторенному 0 или более раз (выбирается самая короткая последовательность из возможных).
a+? Соответствует символу a, повторенному 1 или более раз (выбирается самая короткая последовательность из возможных).
a?? Соответствует символу a, повторенному 0 или 1 раз (приоритетно отсутствие символа).
a{n,m}? Соответствует символу a, повторенному не менее чем n и не более чем m раз (выбирается самая короткая последовательность из возможных).
a{n,}? Соответствует символу a, повторенному не менее чем n раз (выбирается самая короткая последовательность из возможных).
Позиция внутри строки
^ Соответствует началу строки.
$ Соответствует концу строки.
\b

Соответствует границе слова — позиции между алфавитно-цифровым символом (\w) и не алфавитно-цифровым (\W).
\B

Соответствует отсутствию границы слова. Определяется через классы \w и \W.
Экранирование
\

Обратная косая черта перед специальным символом [ ] \ ^ $ . | ? * + ( ) { } означает, что этот символ не является специальным и должен интерпретироваться буквально.

Пример: \$ соответствует значку доллара.
\Q...\E Все специальные символы в интервале между \Q и \E интерпретируются как обычные символы.