Svogliati
🔣

Regexper Svogliati

Le espressioni regolari: quella fila di simboli che sembra un gatto che ha camminato sulla tastiera e invece trova tutti gli IP in un log in mezzo secondo. Come si leggono, come si scrivono, in quale dialetto, e quando lasciar perdere.

"Ho un problema, lo risolvo con una regex." — Adesso hai due problemi. (Jamie Zawinski, 1997, più o meno)

↓
01 / 15

Cos'è una regex, e quando non usarla

Un modo di descrivere la forma di un testo, invece del testo esatto. Non "cerca 192.168.1.1", ma "cerca quattro numeri separati da punti".

💡 Lo stampo per biscotti

Il "cerca" normale trova solo la parola che scrivi, lettera per lettera. Una regex è uno stampo: descrive una forma, e trova tutti i pezzi di testo che ci entrano. "Tre cifre, un trattino, quattro cifre" trova 555-1234 e 123-4567 senza che tu sappia in anticipo quali sono.

Dove è insostituibile

  • Filtrare log: tutti gli errori 5xx, tutti gli IP che hanno chiesto /wp-login.php
  • Trovare e sostituire in tanti file con sed
  • Controllare che un campo abbia la forma giusta: un codice postale, una data
  • fail2ban, nginx, Postfix, i filtri di posta: le parlano tutti

Dove fa danni

  • HTML e XML: si annidano all'infinito, una regex non li segue. Usa un parser
  • JSON: jq, o il modulo json di Python
  • Email "valide": lo standard permette cose assurde. Controlla che ci sia una chiocciola e manda una mail di conferma
  • Qualunque cosa che un normale split o startswith risolve in una riga
02 / 15

Un po' di storia

Nate per descrivere i neuroni, finite dentro ogni editor del pianeta.

1951

Kleene e i neuroni

Il matematico Stephen Kleene inventa una notazione per descrivere gli "eventi regolari" di una rete di neuroni artificiali. La stella *, "ripeti quante volte vuoi", si chiama ancora oggi stella di Kleene.

1968

Thompson le mette in un editor

Ken Thompson pubblica un metodo per trasformare una regex in un programma che la cerca, e lo mette nel suo editor di testo. Poco dopo arriverà Unix, con l'editor ed.

1973

grep

Il comando di ed per stampare le righe che corrispondono era g/re/p: global, regular expression, print. Thompson lo trasforma in un programma a sé. Il nome è rimasto.

1987

Perl

Larry Wall crea Perl, e le regex diventano un pezzo del linguaggio, con aggiunte che grep non aveva: \d, i quantificatori pigri, e più avanti gli sguardi in avanti e indietro.

1997

PCRE

Philip Hazel, per il suo server di posta Exim, scrive una libreria che fa "le regex come Perl" in C. PCRE finisce in PHP, Apache, nginx, nei firewall: è il dialetto più diffuso al mondo.

2019

La regex che spense mezzo internet

Una regola del firewall applicativo di Cloudflare con una regex scritta male manda al 100% le CPU di tutto il mondo per mezz'ora. Ci arriviamo alla sezione 12.

03 / 15

I mattoni

Una manciata di simboli. Tutto il resto è combinarli.

Un IP, pezzo per pezzo
\bconfine(gruppo[0-9]una cifra{1,3}da 1 a 3\.un punto vero)fine gruppo{3}3 volte[0-9]{1,3}il 4° numero\bconfineSi legge da sinistra a destra: tre volte "numero da 1 a 3 cifre e punto", poi l'ultimo numero
ScriviVuol direEsempio
abcProprio quelle lettereerror trova "error"
.Un carattere qualsiasi (tranne l'a capo)c.t: cat, cut, c9t
\.Un punto vero: la barra toglie il superpoterewww\.selif
[abc]Una sola lettera fra quellegr[ae]y: gray, grey
[0-9], [a-z]Un carattere nell'intervallo[0-9][0-9]: due cifre
[^0-9]Tutto tranne quelli: il ^ dentro le quadre negaun carattere che non è una cifra
\d \w \sCifra, lettera/cifra/trattino basso, spazio (non in tutti i dialetti, sezione 8)\d\d
^ e $Inizio e fine della riga^#: righe che cominciano con #
\bConfine di parola\bcat\b trova cat ma non concatena
🧠 Il trucco per leggerleUna regex si legge da sinistra a destra, un pezzo alla volta, chiedendosi per ogni pezzo "quanti caratteri mangia?". Non provare a capirla tutta in un colpo: nessuno ci riesce, nemmeno chi l'ha scritta.
04 / 15

Quante volte, e l'ingordigia

I quantificatori dicono quante volte ripetere il pezzo prima. E di default sono avidi: prendono più che possono.

ScriviQuante volteEsempio
*Zero o piùab*c: ac, abc, abbbc
+Una o più[0-9]+: un numero di qualsiasi lunghezza
?Zero o una: facoltativohttps?: http e https
{3}Esattamente tre[0-9]{3}
{1,3}Da una a tre[0-9]{1,3}: un pezzo di IP
*? +?Come sopra, ma pigri: il meno possibilesotto
Avido contro pigro
<b>uno</b> e <i>due</i><.+> avido: prende tutto<.+?> pigro: si ferma al primo >una corrispondenza sola, da < fino all'ultimo >contro quattro corrispondenze, una per tag

Con <.+> su <b>uno</b> ti aspetteresti di trovare <b>, e invece trovi tutta la riga: il .+ mangia fino all'ultimo > che riesce a vedere. Con <.+?>, pigro, si ferma al primo. È l'errore più comune in assoluto, e infatti è il motivo per cui l'HTML non si fa con le regex.

05 / 15

Gruppi, alternative, richiami

Le parentesi fanno due lavori: tengono insieme un pezzo per ripeterlo, e ne ricordano il contenuto per usarlo dopo.

ScriviFaEsempio
(abc)Gruppo: si ripete in blocco e si ricorda(ab)+: ab, abab
a|bUno o l'altro(GET|POST)
\1Quello che ha catturato il gruppo 1, di nuovo(\w+) \1: "il il", parole ripetute
(?:abc)Gruppo che non ricorda: solo per raggruppare(?:www\.)?selif
(?P<nome>…) (Python) o (?<nome>…)Gruppo con un nome, che poi leggi per nomesezione 10
🔁 Nei sostitutiIn sed e in Python il gruppo catturato si rimette nel testo nuovo con \1, \2. È così che si rigira una data da 06/11/2026 a 2026-11-06 in un colpo solo: sezione 9.
06 / 15

Provala qui

Scrivi una regex, incolla un testo, e guarda cosa prende. È il dialetto JavaScript, molto vicino a PCRE e Python.

Esempi:
Corrispondenze evidenziate
Dettaglio
🧯 Perché il limiteIl tester taglia il testo a 3000 caratteri e si ferma dopo 500 corrispondenze. Una regex catastrofica (sezione 12) su un testo lungo può bloccare la scheda del browser: il JavaScript delle pagine non ha un modo per interromperla a metà.
07 / 15

Guardare avanti e indietro

Condizioni che controllano cosa c'è prima o dopo, senza mangiarlo. Potenti, e solo in alcuni dialetti.

ScriviVuol direEsempio
(?=…)Seguito da…[0-9]+(?=€): il numero, senza il simbolo
(?!…)Non seguito da…\bfoo(?!bar)
(?<=…)Preceduto da…(?<=user=)\w+: solo il nome utente
(?<!…)Non preceduto da…(?<!\.)\bcom\b
regex · almeno 8 caratteri, una cifra, una maiuscola
^(?=.*\d)(?=.*[A-Z]).{8,}$
# ogni (?=…) controlla una condizione e torna all'inizio;
# poi .{8,} prende tutto, se è lungo almeno 8
⚠️ Non dappertuttogrep -E e sed non li conoscono. Servono PCRE (grep -P su Linux), Python, JavaScript, Perl, PHP.
08 / 15

I dialetti

"Regex" non è una lingua sola. È una famiglia di dialetti che si somigliano abbastanza da ingannarti.

Tre famiglie, una dentro l'altra
PCRE, Python, JavaScript, Perl\d, pigri, sguardi avanti e indietro, gruppi con nomeERE: grep -E, sed -E, awk+ ? | ( ) { } senza barra, niente \dBRE: grep, sedoperatori con la barra: \( \{3\}. [ ] * ^ $ ci sono giàOgni riquadrocapisce quellodi dentro, piùqualcosa
DialettoDoveCosa cambia
BRE (base)grep, sed senza opzioni+ ? | ( ) { } sono caratteri normali: per usarli come operatori serve la barra, \( \{3\}
ERE (estese)grep -E, sed -E, awkGli operatori funzionano senza barra. Niente \d: si scrive [0-9]
PCREgrep -P, PHP, nginx, PerlTutto: \d, pigri, sguardi avanti e indietro, gruppi con nome
Python reScriptCome PCRE quasi in tutto; gruppi con nome (?P<nome>)
JavaScriptBrowser, NodeCome Python, opzioni scritte dopo la barra: /…/gi
🍎 Sul Mac è un altro mondoIl grep del Mac non ha -P: risponde "invalid option". E sed -i -E 's/a/b/' file sul Mac non modifica in silenzio: prende -E come estensione del backup e ti lascia un file file-E. Sul Mac si scrive sed -i '' -E. Il perché è nella guida GNU; la soluzione è installare grep e sed di GNU con Homebrew, o provare sul server.
09 / 15

grep e sed nella pratica

Il novanta per cento delle regex di un sistemista passa da qui.

bash · grep
# le righe vere di un file di configurazione: niente commenti, niente righe vuote
grep -Ev '^\s*(#|$)' /etc/ssh/sshd_config

# solo la parte che corrisponde (-o): tutti gli IP di un file
grep -oE '\b([0-9]{1,3}\.){3}[0-9]{1,3}\b' file.txt

# quante righe di errore 5xx nel log di nginx
grep -cE '" 5[0-9]{2} ' /var/log/nginx/access.log

# parole ripetute per sbaglio ("il il")
grep -E '\b(\w+) \1\b' testo.txt
bash · sed
# girare una data da 06/11/2026 a 2026-11-06
echo "06/11/2026" | sed -E 's#([0-9]{2})/([0-9]{2})/([0-9]{4})#\3-\2-\1#'
# il # al posto della / evita di dover scrivere \/ dentro la regex

# cambiare un valore in un file (Linux; sul Mac: sed -i '' -E …)
sed -i -E 's/^#?PasswordAuthentication .*/PasswordAuthentication no/' /etc/ssh/sshd_config
🛡️ Prima di sed -iprova lo stesso comando senza -i: stampa il risultato a schermo e non tocca il file. Oppure sed -i.bak, che lascia la copia originale accanto.
10 / 15

Python

Quando la regex diventa più lunga di una riga, o il risultato deve finire in uno script.

python · una riga di log nginx, a pezzi
import re

riga = '203.0.113.7 - - [06/Nov/2026:10:12:01 +0100] "GET /index.html HTTP/2.0" 200 5123 "-" "Mozilla/5.0"'
m = re.match(r'(?P<ip>\S+) \S+ \S+ \[(?P<ora>[^\]]+)\] "(?P<metodo>\w+) (?P<path>\S+)[^"]*" (?P<stato>\d{3})', riga)
print(m.group('ip'), m.group('metodo'), m.group('path'), m.group('stato'))
# 203.0.113.7 GET /index.html 200
FunzioneFa
re.search(r, s)La prima corrispondenza, ovunque nel testo
re.match(r, s)Solo se il testo comincia così
re.findall(r, s)Tutte, in una lista
re.sub(r, nuovo, s)Sostituisce; nel testo nuovo \1 e \g<nome>
re.compile(r)La prepara una volta, se la usi mille volte in un ciclo
🅡 Sempre la r davantiScrivi r'\d+', non '\d+'. Senza la r Python interpreta le barre per conto suo prima ancora che la regex le veda, e \b diventa un carattere di controllo invece del confine di parola.
11 / 15

Ricette da sistemista

Quelle che finiscono davvero negli script e nelle configurazioni.

CosaRegexNota
Un IPv4, alla buona\b([0-9]{1,3}\.){3}[0-9]{1,3}\bPrende anche 999.1.1.1. Per trovare negli log basta; per validare, usa il modulo ipaddress
Righe vere di una config^\s*[^#\s]Comincia con qualcosa che non è spazio né #
Una data gg/mm/aaaa\b[0-3][0-9]/[01][0-9]/[0-9]{4}\bIl 31/02 lo prende lo stesso: la forma è giusta, il calendario no
Codice di stato HTTP nel log" ([45][0-9]{2}) Gli errori 4xx e 5xx, catturati nel gruppo
Una MAC address([0-9A-Fa-f]{2}:){5}[0-9A-Fa-f]{2}Con i due punti; per i trattini cambia il separatore
fail2ban · un filtro per chi cerca wp-login
# /etc/fail2ban/filter.d/wp-login.conf
[Definition]
failregex = ^<HOST> -.*"(GET|POST) /wp-login\.php
# <HOST> non è regex: fail2ban lo sostituisce con la sua regex per IP e nomi
# prova prima del vero: fail2ban-regex /var/log/nginx/access.log /etc/fail2ban/filter.d/wp-login.conf

Le regex di fail2ban sono quelle di Python. Come scrivere il resto del filtro e la jail è nella guida fail2ban e CrowdSec.

12 / 15

Regex che esplodono

La maggior parte dei motori regex, quando una strada non va, torna indietro e prova le altre. Con la regex sbagliata, le strade da provare diventano miliardi.

Una regex che esplode, misurata
0 ms100 ms200 ms300 ms10 lettere: 0.06 ms1012 lettere: 0.11 ms1214 lettere: 0.42 ms1416 lettere: 1.68 ms1618 lettere: 6.41 ms186,4120 lettere: 22.59 ms2022,5922 lettere: 85.35 ms2285,3524 lettere: 349.72 ms24349,72lettere "a" seguite da un "!"(a+)+$ : ogni 2 lettere il tempo si moltiplica per 4a+$ sullo stesso testo: sempre meno di 0,02 ms, invisibile qui

(a+)+$ su una fila di "a" seguita da un "!" non può funzionare, ma il motore non lo sa: prova tutti i modi di dividere le "a" fra il + dentro e il + fuori. Ogni lettera in più raddoppia il lavoro. I tempi del grafico li ho misurati con Python su un portatile: con 24 lettere sono già un terzo di secondo, con 30 sarebbero una ventina di secondi, con 40 diverse ore.

💥 Il 2 luglio 2019Cloudflare pubblica una nuova regola del suo firewall applicativo. Dentro c'è una regex con due .* uno dentro l'altro: su certe richieste il motore comincia a tornare indietro senza fine, e le CPU dei server di tutto il mondo vanno al 100%. Mezz'ora di errori 502 per moltissimi siti. Nel resoconto Cloudflare ha annunciato il passaggio a un motore regex che per costruzione non torna indietro. La storia è nella guida Cloudflare.

Per stare tranquillo

  • Niente quantificatori annidati sullo stesso testo: (a+)+, (.*)*, (\w+\s?)+
  • Classi precise al posto di .*: [^"]* dentro le virgolette
  • Ancore ^ e $ quando sai dove comincia e finisce
  • Un limite alla lunghezza dell'input, se la regex gira su testo che arriva da fuori

ReDoS

  • Si chiama ReDoS (DoS da regex) quando qualcuno manda apposta il testo che fa esplodere una tua regex
  • Basta una richiesta per tenere occupato un processo per secondi
  • I motori senza ritorno indietro (RE2, Rust, Go) ne sono immuni, ma non hanno i richiami \1 né gli sguardi indietro
13 / 15

Scriverle bene

Una regex si scrive una volta e si legge cento. Di solito la legge qualcuno che ti odia, cioè tu fra sei mesi.

python · una regex con i commenti
IP = re.compile(r"""
    \b
    (?:[0-9]{1,3}\.){3}   # tre numeri seguiti da un punto
    [0-9]{1,3}            # il quarto numero
    \b
""", re.VERBOSE)
# con re.VERBOSE spazi e a capo non contano e # comincia un commento
🧪

Esempi veri

Tieni accanto una manciata di righe che deve prendere e una che non deve prendere. Prima di cambiare la regex, provala su tutte.

🔍

Un tester

Quello della sezione 6, oppure regex101.com, che spiega pezzo per pezzo cosa fa ogni simbolo e supporta più dialetti.

✂️

Spezzala

Due regex semplici in fila, o una regex più un if, sono meglio di un mostro che fa tutto.

14 / 15

Errori tradotti

Quello che dice il messaggio, e quello che vuole dire davvero.

SuccedeVuol direCosa fare
grep: invalid option -- PSei sul Mac, o su un grep senza PCREgrep -E con [0-9] al posto di \d, o il grep di GNU
Con grep -E il \d non trova nienteERE non conosce \d[0-9]
Con grep senza -E il + non funzionaIn BRE è un carattere normalegrep -E, oppure \+
unterminated character set / missing )Manca una ] o una )Contale. O hai scritto [ volendo dire una quadra vera: \[
Prende troppoUn .* avido.*?, o una classe come [^"]*
Il punto prende qualunque cosaVolevi un punto vero\.
Uno script si pianta su certe righeRitorno indietro catastroficoSezione 12
Accanto al file compare file-Esed -i -E sul Macsed -i '' -E
15 / 15

Cheat sheet

Tutta la guida in una schermata.

SimboloVuol dire
. / \.Un carattere qualsiasi / un punto vero
[abc] [^abc] [0-9]Uno di questi / nessuno di questi / un intervallo
\d \w \sCifra, carattere di parola, spazio (non in ERE)
^ $ \bInizio riga, fine riga, confine di parola
* + ? {n,m}Zero o più, uno o più, facoltativo, da n a m
*? +?Le versioni pigre
( ) (?: ) |Gruppo, gruppo che non ricorda, alternativa
\1Di nuovo quello del gruppo 1
(?= ) (?! ) (?<= ) (?<! )Seguito, non seguito, preceduto, non preceduto
grep -E · grep -P · sed -EEstese · Perl (solo Linux) · estese in sed

🧘 I cinque comandamenti

  • Prima chiediti se basta un split
  • Niente HTML, JSON ed email "valide"
  • Sappi in che dialetto stai scrivendo
  • Diffida di .*, mai quantificatori annidati
  • Provala su esempi veri prima di metterla in produzione

📖 Da leggere dopo

🧭 La risposta per il collega"Una regex descrive la forma del testo, non il testo. Si legge un pezzo alla volta: cosa prende e quante volte. Attento al dialetto, perché grep, sed, PCRE e Python non parlano uguale, e al .* avido. Mai HTML e JSON, mai quantificatori uno dentro l'altro, e provala sempre su esempi veri."