Expressions régulières en JavaScript : regex en français

Accents et \p{L}, ligature œ, espaces insécables dans les montants, code postal, date JJ/MM/AAAA, téléphone, SIRET et IBAN français : des regex testées pas à pas.

Par · · Mis à jour le · 10 min de lecture

Illustration du guide : Testeur de regex

Édition Français. Écrit pour la France : motifs pour les lettres accentuées, la ligature œ et les espaces insécables de la typographie française, formats français (code postal, date, numéros de téléphone du plan de numérotation de l’Arcep, SIRET de l’Insee, IBAN décrit par la Banque de France, montants en euros à la française). Édition US

Une expression régulière (regex) décrit un motif de texte. En JavaScript, c’est le moteur RegExp défini par la norme ECMA-262 : un motif se comporte de la même façon dans le navigateur, dans Node.js et en TypeScript. Les textes français posent des problèmes que les tutoriels en anglais ne traitent pas : lettres accentuées, ligature œ, espaces insécables, dates avec des barres obliques, montants avec une virgule. Ce guide donne la syntaxe utile au quotidien et vérifie chaque exemple avec la même fonction que le testeur de regex.

La syntaxe de base

MotifSens
.n’importe quel caractère sauf le saut de ligne
\d, \Dun chiffre de 0 à 9 / tout sauf un chiffre
\w, \WA–Z, a–z, 0–9 et le tiret bas / tout le reste
\sun espace blanc : espace, tabulation, saut de ligne, espaces insécables
[abc], [^abc]un de ces caractères / aucun de ces caractères
*, +, ?0 ou plus / 1 ou plus / 0 ou 1
{5}, {2,4}exactement 5 / de 2 à 4 répétitions
^, $début / fin du texte (de la ligne avec le drapeau m)
\blimite de mot
( ), (?: )groupe capturant / non capturant
a|ba ou b
(?=…), (?!…)assertion avant : suivi de / non suivi de

Les caractères spéciaux (point, parenthèses, plus, barre oblique dans un littéral /…/) s’échappent avec une barre oblique inverse : \. désigne un vrai point.

Les drapeaux

  • g (global) : toutes les occurrences au lieu de la première.
  • i (ignore case) : insensible à la casse.
  • m (multiline) : ^ et $ s’appliquent à chaque ligne.
  • s (dotAll) : le point accepte aussi le saut de ligne.
  • u (unicode) : mode Unicode, nécessaire pour \p{…} et pour les caractères hors du plan de base.
  • y (sticky) : correspondance uniquement à la position lastIndex.

Sans g, le testeur renvoie la première occurrence et ses groupes ; avec g, toutes les occurrences, mais plus les groupes.

Les accents : \w ne suffit pas

En JavaScript, \w ne couvre que les 26 lettres de base, les chiffres et le tiret bas. Sur « Créée à Besançon, rue de l’Œuvre », \w+ avec le drapeau g ne trouve que des morceaux : « Cr », « e », « Besan », « on », « rue », « de », « l » et « uvre ». Le « à » disparaît entièrement. Le drapeau u n’y change rien.

La solution est la propriété Unicode \p{L} (toute lettre) avec le drapeau u : \p{L}+ avec les drapeaux gu trouve « Créée », « à », « Besançon », « rue », « de », « l » et « Œuvre ». L’apostrophe typographique ’ n’est pas une lettre et sépare « l » de « Œuvre », ce qui est le comportement voulu. Sans le drapeau u, JavaScript lit \p comme un simple « p » et le motif ne trouve rien d’utile.

La casse des lettres accentuées fonctionne en revanche sans u : été avec les drapeaux gi trouve « ÉTÉ », « été » et « Été ». Écrire les capitales accentuées, comme le recommande la typographie française, ne gêne donc pas la recherche.

La ligature œ

« œ » est une seule lettre, pas la suite « oe ». œuvre avec le drapeau i trouve « ŒUVRE » et « œuvre », mais pas « OEUVRE », saisi au clavier sans ligature. Pour trouver toutes les graphies, écrivez l’alternative : (?:œ|oe)uvre avec les drapeaux giu trouve « OEUVRE », « oeuvre » et « ŒUVRE ». Le même problème touche « cœur », « sœur » ou « nœud » dans un champ de recherche.

Les espaces insécables

La typographie française place une espace insécable avant les deux-points et le symbole €, et groupe les chiffres par trois avec une espace fine insécable. Intl.NumberFormat('fr-FR') produit d’ailleurs ces caractères : U+202F entre les milliers, U+00A0 avant €. Un montant copié depuis une page française n’a donc pas d’espace ordinaire.

Sur le texte « Total : 1 234,56 €, remise 89,90 €, acompte 12 500 € », où les deux premières sommes portent les espaces insécables de la typographie française et la dernière des espaces ordinaires, comme après une saisie au clavier, le motif \d{1,3}(?: \d{3})*(?:,\d{2})?(?= ?€), écrit avec une espace ordinaire, ne trouve que « 12 500 ». Avec \s, qui couvre en JavaScript les espaces insécables U+00A0 et U+202F, le motif \d+(?:\s\d{3})*(?:,\d{2})?(?=\s?€) trouve « 1 234,56 », « 89,90 » et « 12 500 ». Avant de convertir un montant en nombre, retirez ces espaces et remplacez la virgule par un point.

Les formats français

Code postal

Cinq chiffres : \b\d{5}\b. Sur « Livraison 75011 Paris et 13008 Marseille, commande 1234567 », le motif avec g trouve « 75011 » et « 13008 », pas le numéro de commande à sept chiffres, grâce aux limites de mot. Le motif vérifie la forme, pas l’existence du code : pour cela, il faut la liste officielle.

Date au format JJ/MM/AAAA

\b(0[1-9]|[12]\d|3[01])/(0[1-9]|1[0-2])/(\d{4})\b

Sur « RDV le 07/11/2026 », le motif sans g renvoie la date et ses trois groupes : « 07 », « 11 » et « 2026 ». Mais il accepte aussi « 31/02/2026 » : la regex contrôle la forme, la vérification du calendrier se fait dans le code, par exemple en construisant la date et en relisant le jour.

Numéro de téléphone

D’après l’Arcep, les numéros français ont dix chiffres. Les numéros commençant par 01 à 05 ne sont plus liés à une zone géographique depuis le 1er janvier 2023 ; les mobiles commencent par 06 et par 073 à 079. Un motif qui accepte espaces, points ou tirets et le préfixe international +33 :

(?:\+33\s?|0)[1-9](?:[\s.-]?\d{2}){4}

Sur « Appelez le 01 23 45 67 89, le 06.12.34.56.78 ou le +33 7 81 23 45 67. », il trouve les trois numéros. Pour ne garder que les mobiles, (?:\+33\s?|0)(?!7[\s.-]?[0-2])[67](?:[\s.-]?\d{2}){4} trouve « 06 12 34 56 78 » et « 07 31 23 45 67 », mais rejette « 07 01 23 45 67 » et « 01 23 45 67 89 ».

SIRET

L’Insee définit le SIRET comme un identifiant de 14 chiffres : le numéro SIREN de l’unité légale, puis le NIC de cinq chiffres, dont le dernier est un chiffre de contrôle. Avec des espaces facultatives entre les blocs : \b\d{3} ?\d{3} ?\d{3} ?\d{5}\b. Sur « SIRET 123 456 789 00012 ; SIREN 123456789 », le motif trouve le SIRET et ignore le SIREN à neuf chiffres. La clé de contrôle se vérifie à part, dans le code.

IBAN

La Banque de France indique qu’un IBAN de compte tenu en France compte 27 caractères et commence par FR : deux caractères de contrôle, puis le code banque (5), le code guichet (5), le numéro de compte (11) et la clé RIB (2). Elle parle de 11 caractères pour le numéro de compte, pas de 11 chiffres : le motif accepte donc aussi des lettres majuscules. En blocs de quatre avec espaces facultatives :

FR\d{2}(?: ?[0-9A-Z]{4}){5} ?[0-9A-Z]{3}

Sur « IBAN FR76 3000 6000 0112 3456 7890 189 merci », il trouve l’IBAN complet. La regex ne vérifie que la forme : les deux chiffres de contrôle se calculent à part. N’utilisez jamais un vrai IBAN de client pour vos essais.

Gourmand ou paresseux

Les quantificateurs * et + sont gourmands : ils prennent autant de texte que possible. Sur <em>béton</em> et <em>acier</em>, le motif <em>.*</em> avec g renvoie toute la chaîne d’un seul tenant. La version paresseuse <em>.*?</em> renvoie « <em>béton</em> » et « <em>acier</em> ». Une classe négative comme <em>[^<]*</em> donne le même résultat sans retour arrière. Pour analyser du vrai HTML, utilisez un analyseur HTML, pas une regex.

Le retour arrière catastrophique

Des quantificateurs imbriqués comme ^(\d+)+$ peuvent découper une entrée d’un nombre exponentiel de façons. Si la fin ne correspond pas, le moteur les essaie toutes : une trentaine de chiffres suivis d’une lettre suffisent à bloquer un processus pendant des secondes. L’OWASP décrit cette attaque sous le nom de ReDoS (Regular expression Denial of Service). Évitez les quantificateurs sur des groupes eux-mêmes quantifiés et limitez la longueur des entrées.

Un piège JavaScript : lastIndex

Un objet RegExp avec le drapeau g mémorise dans lastIndex la fin de la dernière correspondance. Appeler deux fois test() avec le même objet /a/g sur « a » donne true, puis false, car la seconde recherche commence après la première correspondance. Pour une simple vérification, n’utilisez pas le drapeau g.

Tester un motif

  1. Partir d’exemples réels, sans données personnelles de clients.
  2. Ajouter des contre-exemples qui ne doivent pas correspondre, comme un numéro à six chiffres pour un code postal.
  3. Ancrer avec ^ et $ quand c’est tout le champ qui doit correspondre.
  4. Limiter la longueur de l’entrée avant d’appliquer un motif avec répétitions.

Le testeur de regex fonctionne dans le navigateur : le texte de test n’est pas envoyé. Le guide américain revient sur l’histoire des expressions régulières et sur les motifs d’adresses e-mail.

Questions fréquentes

Pourquoi \w ne trouve-t-il pas les lettres accentuées ?

Parce qu’en JavaScript \w ne couvre que A–Z, a–z, les chiffres et le tiret bas, même avec le drapeau u. Utilisez \p{L} avec le drapeau u.

Comment vérifier une date au format JJ/MM/AAAA ?

Avec ^(0[1-9]|[12]\d|3[01])/(0[1-9]|1[0-2])/\d{4}$. La regex contrôle la forme ; l’existence du jour dans le mois se vérifie dans le code.

Quelle regex pour un numéro de téléphone français ?

^(?:\+33\s?|0)[1-9](?:[\s.-]?\d{2}){4}$ accepte les dix chiffres avec espaces, points ou tirets et le format +33.

Quelle regex pour un IBAN français ?

Sans espaces, ^FR\d{2}[0-9A-Z]{23}$ ; avec des blocs de quatre, ^FR\d{2}(?: ?[0-9A-Z]{4}){5} ?[0-9A-Z]{3}$. Les chiffres de contrôle se vérifient à part.

Quelle différence entre .* et .*? ?

.* est gourmand et prend le plus de texte possible ; .*? est paresseux et en prend le moins possible.

Sources et lectures complémentaires

Ouvrir : Testeur de regex

More Traitement de texte

Every tool in the Traitement de texte section, free and in your browser.