Инструмент тестирования регулярных выражений

Инструмент Regex помогает писать, тестировать и понимать регулярные выражения. Регулярное выражение описывает текстовые шаблоны для поиска, извлечения, проверки и замены: похожие на email строки, поля логов, URL, ID, даты или повторяющееся форматирование. Тестер показывает совпадения, capture groups, flags и пограничные случаи до использования шаблона в коде, data pipeline или форме. Regex мощен, но его легко переоценить: шаблон может находить слишком много или слишком мало, тормозить на больших входах или плохо учитывать Unicode и локальные правила. Для сложных парсеров, HTML и критичной валидации часто безопаснее специализированная библиотека. Для production-данных или кодовой базы результат все равно нужно проверить parser, тестами или правилами проекта.

Тестер работает на движке ECMAScript RegExp, определённом в спецификации языка. Регулярные выражения ECMAScript — это реализация NFA с возвратом (backtracking): движок пробует каждую альтернативу слева направо и откатывается при неудаче квантификатора, что делает возможными lookaround и обратные ссылки, но также порождает катастрофический возврат на враждебных входных данных. Шесть распознаваемых флагов: g (глобальный), i (без учёта регистра), m (многострочный, привязки по строкам), s (dotAll, '.' совпадает с переводом строки), u (режим Unicode) и y (sticky, привязка к lastIndex). Семантика совпадений резко меняется в зависимости от флагов. С флагом /u движок рассматривает шаблон как последовательность Unicode code points, а не UTF-16 code units, поэтому суррогатные пары совпадают как один символ, а Unicode property classes вроде \p{L} (любая буква), \p{Sc} (символ валюты) и \p{Script=Han} становятся доступны. Именованные группы захвата (?<name>...) и lookbehind (?<=...) входят в ES2018 и поддерживаются в Chromium 64+, Firefox 78+ и Safari 16.4+, но такие возможности PCRE как атомарные группы (?>...) и possessive quantifiers (a++) по-прежнему не входят в спецификацию. Наибольшая production-опасность — это ReDoS: шаблон вроде (a+)+b на входе 'aaaaaaaaaaaaaaaa!' порождает экспоненциальное число путей, поскольку два вложенных квантификатора могут разбить одну последовательность символов множеством способов. Меры профилактики хорошо известны: избегать вложенных квантификаторов над одним и тем же классом символов, использовать привязки ^ и $ где возможно, предпочитать атомарные группы при поддержке движком, или переключиться на линейный движок, например RE2 от Go (который жертвует обратными ссылками и lookbehind ради гарантированного O(n) совпадения). Для ненадёжного входа, предназначенного для серверной валидации, RE2 или написанный вручную парсер почти всегда более безопасный выбор.

• Движок: ECMAScript RegExp — это NFA с возвратом, а не DFA; именно это делает возможными lookaround и обратные ссылки, но также делает возможным катастрофический возврат.
• Флаги: g (глобальный), i (без учёта регистра), m (^/$ по строкам), s (dotAll, '.' совпадает с \n), u (режим Unicode, учитывающий суррогаты), y (sticky, привязка к lastIndex).
• Режим Unicode: /u открывает совпадение по code points и доступ к \p{L} (буква), \p{Sc} (валюта), \p{Script=Han}; без /u шаблон [a-zA-Z]+ пропускает любое не-латинское слово.
• Доступность современного синтаксиса: именованные группы захвата (?<n>...) и lookbehind (?<=...) поддерживаются в Chromium 64+, Firefox 78+, Safari 16.4+; атомарные группы (?>...) и possessive quantifiers (a++) не входят в ECMAScript.
• ReDoS: вложенные квантификаторы над одним классом, такие как (a+)+b, экспоненциально разрастаются; ужесточите привязками, атомарными группами или перейдите на RE2 / re2-wasm для ненадёжного входа.
• Нижняя граница сложности: литеральные привязанные шаблоны над фиксированным алфавитом работают за O(n); обратные ссылки и неограниченные lookaround в худшем случае приводят к экспоненциальной сложности, поэтому тестируйте на враждевном входе перед релизом.