regex-builder

name

regex-builder

description

Construit, explique et teste des expressions régulières pas à pas. À utiliser quand l'utilisateur a besoin d'une regex ou veut comprendre une regex existante. Se déclenche aussi avec "regex", "expression régulière", "pattern matching", "comment matcher", "valider un email", ou toute demande impliquant du pattern matching. Also triggers on "write a regex", "regular expression", "match this pattern".

Regex Builder

Étape 1 — Cadrage rapide

Avant d'écrire quoi que ce soit, collecter :

Question	Pourquoi
Exemples valides (≥3)	Définir le périmètre positif
Exemples invalides (≥3)	Éviter les faux positifs
Langage cible	Dialecte regex différent (PCRE, RE2, Java…)
Opération : validation / extraction / remplacement / split	Impact sur les groupes et flags
Données unicode ? Multilignes ?	Flags u, s, m à activer

Si le besoin n'est pas précis, poser exactement ces questions — pas plus.

---

Étape 2 — Choisir le bon dialecte

Langage	Moteur	Particularités
Python re	PCRE-like	(?P<name>…) pour groupes nommés ; pas de lookbehind variable
Python regex (tiers)	PCRE2	Lookbehind variable, Unicode complet
JavaScript	RE2-like	Pas de lookbehind avant ES2018 ; flag v (ES2024) pour sets
PHP preg_*	PCRE	\K reset match, lookbehind variable
Java	java.util.regex	\p{L} pour lettres Unicode, possessifs ++
Go	RE2	Pas de lookahead/lookbehind, pas de backreferences
.NET	.NET Regex	Groupes balancés (?<n-m>), LINQ Regex.Matches

Règle : si le moteur est RE2 (Go, Rust regex crate), oublier lookahead et backreferences.

---

Étape 3 — Construction par blocs

Construire incrémentalement : commencer par le cas le plus simple, ajouter la complexité.

Briques de base

# Ancres
^           début de chaîne (ou de ligne avec /m)
$           fin de chaîne
\b          frontière de mot

# Classes
\d          [0-9]
\w          [a-zA-Z0-9_]
\s          espace, tab, newline
[a-z]       classe personnalisée
[^abc]      négation

# Quantificateurs
?           0 ou 1   (greedy)
*           0+       (greedy)
+           1+       (greedy)
{n,m}       entre n et m
?? *? +?    lazy (prend le moins possible)
?+ *+ ++    possessif (jamais backtrack) — PCRE uniquement

# Groupes
(abc)       groupe capturant
(?:abc)     groupe non-capturant  ← préférer si pas besoin de capture
(?<name>…)  groupe nommé
(?=…)       lookahead positif
(?!…)       lookahead négatif
(?<=…)      lookbehind positif
(?<!…)      lookbehind négatif

Exemples concrets copiables

Email simple (validation formulaire)

^[\w.+-]+@[\w-]+\.[a-zA-Z]{2,}$

• [\w.+-]+ : partie locale (pas de vrai RFC 5321, suffisant pour 99 % des cas)
• Ne valide pas les TLD exotiques .museum → utiliser {2,10} si besoin

Numéro de téléphone tunisien

^(?:\+?216)?[2-9]\d{7}$

• Préfixe +216 ou 216 optionnel
• 8 chiffres, premier entre 2 et 9

UUID v4

^[0-9a-f]{8}-[0-9a-f]{4}-4[0-9a-f]{3}-[89ab][0-9a-f]{3}-[0-9a-f]{12}$

Extraction d'un montant (ex. 12 345,67 TND)

(\d{1,3}(?:[  ]\d{3})*(?:[,.]\d{2})?)(?:\s*(?:TND|EUR|USD))?

Remplacement de variables ${VAR} dans un template

import re
result = re.sub(r'\$\{(\w+)\}', lambda m: env.get(m.group(1), m.group(0)), template)

---

Étape 4 — Table de tests systématique

Toujours présenter avec résultat attendu ET résultat réel :

Entrée	Attendu	Match ?	Remarque
cas valide 1	✅		cas nominal
cas valide 2	✅		variante
cas limite	✅/❌		edge case
cas invalide 1	❌		faux positif potentiel

Commande de test rapide :

# Python
python3 -c "import re; pattern=r'^…$'; tests=['ok','ko']; [print(t, bool(re.fullmatch(pattern,t))) for t in tests]"

# Node.js
node -e "const r=/^…$/; ['ok','ko'].forEach(t=>console.log(t, r.test(t)))"

# grep (POSIX ERE)
echo "test_string" | grep -E '^…$'

---

Étape 5 — Variantes et alternatives

Proposer systématiquement :

1. Version stricte : anchors ^…$, pas de quantificateurs greedy larges
2. Version extraction : groupes nommés, pas d'anchors
3. Alternative non-regex : si la logique peut être plus claire avec du code

# Préférer ça plutôt qu'une regex monstrueuse :
def is_valid_iban(s):
    s = s.replace(' ', '').upper()
    return len(s) >= 15 and s[:2].isalpha() and s[2:4].isdigit()

---

Garde-fous et anti-patterns

Pièges classiques

Piège	Symptôme	Correction
Greedy .*	Capture trop (jusqu'au dernier match)	Utiliser .*? (lazy) ou [^X]+
Oublier d'échapper .	. matche n'importe quel caractère	\. pour un point littéral
Backtracking catastrophique	Timeout / freeze sur longues chaînes	Éviter (a+)+, utiliser possessif ou atomic group
Négliger les flags	Case-sensitive par défaut	Ajouter re.IGNORECASE / /i explicitement
Backreference dans RE2/Go	Erreur runtime	Réécrire sans backreference
Valider un email avec RFC complète	Regex de 6 Ko, maintenable zéro	Valider format basique + vérifier MX côté serveur
^ et $ en multiline	Comportement différent avec flag m	Utiliser \A / \Z (Python) pour vrai début/fin de chaîne

Backtracking catastrophique — détection

# DANGEREUX — éviter
(a|aa)+$
(\w+\s?)+$

# SÛRS — préférer
\w+(\s\w+)*$

Quand ne PAS utiliser une regex

• Parser du HTML/XML → utiliser un parser DOM (BeautifulSoup, lxml)
• Valider du JSON → json.loads() + schema
• Extraire des données de PDF → lib dédiée (pdfplumber)
• Logique avec état (imbrication arbitraire) → PEG parser ou grammaire formelle

---

Bonnes pratiques 2026

• Nommer les groupes : (?P<year>\d{4}) plutôt que (\d{4}) — lisibilité et refactoring
• Commenter les regex longues avec le flag verbose (re.VERBOSE / /x) :

pattern = re.compile(r"""
    ^                   # début
    (?P<country>\+?\d{1,3})?  # indicatif pays optionnel
    [\s\-.]?            # séparateur optionnel
    (?P<local>\d{8,10}) # numéro local
    $
""", re.VERBOSE)

• Compiler les regex réutilisées (re.compile(...)) — gain x5 sur boucles
• Tester avec un outil visuel : regex101.com (PCRE/JS/Python), regexr.com
• Versionner les regex critiques avec leurs cas de test dans le repo
• Limiter la longueur d'entrée avant d'appliquer la regex en prod (protection ReDoS)