regular expression

Angol

Főnév

regular expression (tsz. regular expressions)

(informatika) reguláris kifejezés

A reguláris kifejezés (angolul: regular expression, rövidítve regex vagy regexp) egy szövegmintázat leírására szolgáló formális eszköz, amelyet elsősorban karakterláncok keresésére, illesztésére, cseréjére és feldolgozására használnak. A reguláris kifejezéseket gyakran alkalmazzák programozásban, szövegszerkesztőkben, parancssorokban és adatfeldolgozás során.

Mire jó a reguláris kifejezés?

Adatok keresése (pl. email-címek, telefonszámok, IP-címek)
Adatok validálása (pl. jelszabályok ellenőrzése)
Tömeges cserék szövegekben
Szövegparszolás (HTML, logfájlok, forráskód)
Adattisztítás, formátumjavítás

Alapfogalmak

A reguláris kifejezés egy speciális karakterlánc, amely egy vagy több mintát definiál.

Egyszerű példák:

"cat" – pontosan a “cat” szóval egyezik meg.
"c.t" – egyezik “cat”, “cut”, “c9t”, stb. szavakkal (a . tetszőleges karakter).
"a*b" – 0 vagy több “a” betű, majd “b” (pl. “b”, “ab”, “aaab”).

Alap szintaxis és jelentés

Kifejezés	Jelentés	Példa
`.`	Bármely egyetlen karakter	`c.t` → “cat”
`*`	0 vagy több ismétlés	`a*` → ““,”aaa”
`+`	1 vagy több ismétlés	`a+` → “a”, “aa”
`?`	0 vagy 1 ismétlés	`a?` → ““,”a”
	Bármely karakter a zárójelben	→ magánhangzó
	Bármely karakter, kivéve ami a zárójelben van	→ nem szám
`( )`	Csoportosítás (részminta)	`(abc)+`
`	`	Vagy kapcsolat	`foo	bar`
`^`	Sor eleje	`^A` → “A-val kezdődik”
`$`	Sor vége	`end$` → “end-re végződik”
`\`	Escape karakter (pl. `\.` jelentése: pont)	`\.` → “.”

Speciális karakterosztályok

Rövidítés	Jelentés	Egyenértékű
`\d`	Számjegy (digit)
`\D`	Nem számjegy
`\w`	Szókarakter (betű, szám, _)
`\W`	Nem szókarakter
`\s`	Fehér karakter (szóköz, tab, új sor)
`\S`	Nem fehér karakter

Gyakoribb minták

Cél	Regex példa	Mit illeszt?
Email-cím	`\b+@+\.\w{2,}\b`	[email protected]
Telefonszám (HU)	`\+36 ?\d{1} ?\d{3} ?\d{3}`	+36 30 123 456
Irányítószám (4 számjegy)	`\b\d{4}\b`	1051
Dátum (YYYY-MM-DD)	`\d{4}-\d{2}-\d{2}`	2025-05-16
HTML címkék	`<+>`	`<div>`, `<img src="...">`

Használat programozási nyelvekben

Python

import re

text = "E-mail: [email protected]"
match = re.search(r"\w+@\w+\.\w+", text)
if match:
    print("Találat:", match.group())

JavaScript

let text = "Tel: +36 20 123 4567";
let regex = /\+36\s?\d{1,2}\s?\d{3}\s?\d{3}/;
let match = text.match(regex);
console.log(match ? match : "Nincs találat");

Bash (grep)

grep -E '^.*$' szoveg.txt

Ez megkeresi azokat a sorokat, amelyek nagybetűvel kezdődnek és mondatzáró írásjellel végződnek.

Regex motorok és szabványok

A különböző környezetek eltérhetnek:

POSIX vs Perl-stílusú regex
Python, JavaScript, Java, C#, grep, sed, awk – mind támogatják, de lehetnek eltérések.

Tipikus hibák és figyelmeztetések

Túl bonyolult regex → nehezen olvasható, hibára hajlamos.
Nem kezelt szélsőségek → pl. túl hosszú egyezések (greedy matching).
Escape hiánya → . helyett \. kell, ha tényleg pontot keresel.
Túl sok zárójel → csoportosítás helytelenül.

Greedy vs Lazy illesztés

Típus	Jelentés	Példa	Illesztés
Greedy	A lehető leghosszabb illesztés	`<.*>`	`<html><body>`
Lazy (nem mohó)	A lehető legrövidebb illesztés	`<.*?>`	`<html>`

Regex alternatívák

Parser-ek: bonyolultabb szintaxis elemzésre (pl. HTML-hez nem ideális a regex).
Strukturált adatformátumok: XML, JSON → ezekre jobb a DOM vagy JSON parser.
Regex könyvtárak: regex101.com (tanuláshoz), PyParsing, ANTLR.

Összegzés

A reguláris kifejezés egy rendkívül hatékony és tömör eszköz szöveges minták keresésére, ellenőrzésére és manipulálására. Megtanulása némi gyakorlást igényel, de elsajátítása után szinte bármilyen adatfeldolgozási feladatra alkalmazható: legyen szó naplófájlok elemzéséről, weboldalak szűréséről vagy adattisztításról.

További információk

regular expression - Szótár.net (en-hu)
regular expression - Sztaki (en-hu)
regular expression - Merriam–Webster
regular expression - Cambridge
regular expression - WordNet
regular expression - Яндекс (en-ru)
regular expression - Google (en-hu)
regular expression - Wikidata
regular expression - Wikipédia (angol)