Expresiones regulares

Expresiones Regulares

Jordán Pascual Espada

Introducción

Expresión regular, a menudo llamada también patrón, es una expresión que describe un conjunto de cadenas sin enumerar sus elementos.

Wikipedia

Expresión regular

Conjunto de caracteres y metacaracteres que definen reglas sintácticas para la evaluación de una cadena de texto

Metacaracteres

ab+ *.pdf

Metacaracteres

No se representan a ellos mismos

Cada uno tiene un significado especial

Algunos de los metacaracteres mas habituales son:

$ + * - ? [ ] .

¿Para que sirven las expresiones regulares?

Reconocimiento y extracción de información en textos Buscar correos electrónicos y DNIs en un documento

Buscar el número de veces que se repiten expresiones

Etc..

Validar y analizar datos de entrada (formularios) Formato de la de entrada

Rangos de valores y caracteres admitiditos

Longitud de la cadena

Construir cadenas de texto Generar cadenas a partir de expresiones regulares

¿Para que sirven las expresiones regulares?

Analizar y modificar textos Eliminar dobles espacios

Sustituir caracteres específicos

Especificar patrones de coincidencia (Navegador, entornos de programación, SO, etc.)

Definir elementos de la gramática en un lenguaje

Muchas otras cosas…

En resumen

Son un mecanismo muy potente para procesar cadenas de caracteres

Donde se utilizan

Principalmente en:

En comandos y búsquedas dentro de los sistemas operativos

Lenguajes de programación

Aplicaciones Software (Word, Notepad, etc)

No siempre se utilizan igual, existen diferentes estilos de expresiones regulares, con diferentes capacidades

La mayoría se basan en los mismos principios

Expresiones regulares

Algunas personas cuando se enfrentan a

un problema piensan "Ya sé, ¡usaré expresiones regulares!"

Expresiones regulares

Ahora tienen dos problemas.

Jamie Zawinski , Responsable del Navegador Netscape 1.1 Contribuidor de proyectos Mozilla

Expresiones regulares

^(X(-|\.)?0?\d{7}(-|\.)?[A-Z]|[A-Z] (-|\.)?\d{7}(-|\.)? [0-9A-Z]|\d{8}(-|\.)?

[A-Z])$

Expresión regular Certificado de identificación Fisca España

Ejemplos de expresiones regulares

Si queremos analizar coincidencias en una cadena.

ab

abecedario taza tabaco

Evaluador de expresiones regulares

La clase Regex en C#

IsMatch: Indica si la expresión regular especificada en el

constructor Regex encuentra una coincidencia en una cadena de entrada indicada.

Matches: Busca en la cadena de entrada especificada todas las apariciones de una expresión regular. Retorna un objeto MatchCollection que contiene todas las coincidencias.

Evaluador de expresiones regulares

La clase Regex en C#

Match: Busca en la cadena de entrada especificada la primera aparición de la expresión regular indicada.

Escape/Unescape : Convierte reemplaza los metacaracteres de una cadena por caracteres literales. Esto indica al motor de expresiones regulares que interprete los caracteres literalmente en lugar de como metacaracteres.

Evaluador de expresiones regulares

La clase Regex en C#

Replace: Remplaza todas las coincidencias detectadas en la cadena entrada.

Split: Devuelve un array de cadenas, formado a partir de la división de una cadena por sus coincidencias con una expresión regular.

Evaluador de expresiones regulares

Creamos un nuevo proyecto Console Application C# desde Microsoft Visual Studio

Evaluador de expresiones regulares

Funcionalidad :

Parte de una colección de cadenas de texto (Array)

Define un patrón para una expresión regular Regex.IsMatch (coincidencia)

Evalúa cada una de las cadenas de texto de la colección

Notifica si en la cadena de texto hay o no alguna coincidencia respecto al patrón.

Evaluador de expresiones regulares

Implementación de un evaluador de expresiones regulares

Evaluador de expresiones regulares

Implementación de un evaluador de expresiones regulares

Expresión regular

Conjunto de caracteres y metacaracteres que definen reglas sintácticas para la evaluación de una de una cadena de texto

Metacaracteres

ab+ *.pdf

Representaciones de caracteres

Cualquier carácter alfa numérico Letras y números (@, #, …)

Los metacaracteres especiales necesitan ser precedidos de \ por ejemplo \. , \* , \- , \( , \), \\, \^ \$

Ejemplos: Cadenas: {"Aplastar","Haragán","Encargado","Selección"}

Expresiones: a , b , e

Cadenas: { "Apla.star", "Hara.gán", "Enca*rgado", "Selec-ción" };

Expresiones: \. , \*, -

Representaciones de caracteres

Cualquier carácter alfa numérico Letras y números (@, #, …)

Los caracteres que no sean letras y números necesitan ser precedidos de \ por ejemplo \. , \* , \- , \( , \)

Ejemplos: Cadenas: {"Aplastar","Haragán","Encargado","Selección"}

Expresiones: a , b , e

Cadenas: { "Apla.star", "Hara.gán", "Enca*rgado", "Selec+ción" };

Expresiones: \. , \*, \+

Representaciones de caracteres

\d Representa cualquier digito de 0-9

\D Representa lo contrario a \d

Ejemplos: Cadenas: { "122", "Perseguir", "Antena23", "Aceituna" }

Expresiones: \d , \D

Cadenas: { "a2323", "b", "Paisaje", "Diario" }

Expresiones: a\d , a\D

Representaciones de caracteres

\w Representa cualquier letra o digito (incluso letras especiales o acentuadas como ñ, ç, etc)

No comprende los espacios en blanco ni el resto de caracteres especiales como , . @, #, $, %, C , ( , (espacio), etc

\W Representa lo contrario a \w

Ejemplos: Cadenas: { "122", "ç", "#", " ", "antena23", "aceituna" };

Expresiones: \w , \W

Cadenas: { "122", "ç", "Firma", "Comida", "Egresados" }

Expresiones: a\w, \wa, a\W

Representaciones de caracteres

\s Representa cualquier espacio en blanco

No es buena idea utilizar los espacios para delimitar palabras, existen otros mecanismos

\S Representa lo contrario a \s

Ejemplos: Cadenas: { "Alrededor", "El disco", "Firma", "El examen", "Castilla la

mancha" }

Expresiones: \s , El\s

Representaciones de caracteres

Ejemplos: Cadenas: { " 1 ", "2 ", " 3", " 4a ", " b "}

Expresiones: \s\d\s , \s4a,\s\w\s

Cadenas: { "El Gato", "El perro", "1 Gato", "1 1"};

Expresiones: \w\s\w, \d\s\D, \d\s\s\d

Otros elementos

\t Tabulador (ASCII 9)

\f Salto de página

\n Salto de línea

\O Carácter nulo

Conjuntos

Elementos de los conjuntos [ ]: inicio y fin de conjunto

- : rango dentro del conjunto

^ : negación del conjunto

[ ] Conjuntos [a-z] de la a la z

[A-Z] de la A a la Z

[0-9] del 0 al 9

[a-z0-9] de la a a la z y del 0 al 9

[a-z0-9_] de la a a la z y del 0 al 9 y _

Conjuntos

[ ] Conjuntos [a-zA-Z] de la a a la z y de la A a la Z.

[opk] Cualquiera de los caracteres o, p, k,

[oe] Cualquier de los caracteres o, e

[a-e] Cualquier letra entre a y e (es decir a, b, c, e)

[^a] Que no este el carácter a

[^a-e] Que no aparezcan letras entre a y e

Ejemplos: Cadenas: { "Cerca", "Presentar", "ensalada", "141", "Cercado13" }

Expresiones: [a-z], [0-9], [e1] , [a-e]

Conjuntos

Ejemplos: Cadenas: { "Chicos", "Chica", "Chico", "Chimo", "Chino" };

Expresiones: Chic[oa], Chic[oa]s, Chi[a-z]o, [^0-9]

Cadenas: { "Chicos", "Chica", "Chico", "Chimo", "Chino" };

Expresiones: Chic[^a], [a-z][A-Z], [^a],[rfm]

Repeticiones

{N} significa que la expresión se repite exactamente n veces

{N, } significa la expresión se repite N o mas veces.

{X, Y} significa la expresión se repite un mínimo de X veces y un máximo de Y.

Ejemplos: Cadenas: { "www.Agrupar.com", "water", "windows", "Botánico"}

Expresiones: w{3} , w{1,} , w{2,3}

Cadenas: { "a1", "bb2334", "123", "b2222", "e333333" }

Expresiones: [a-z]{1,3}[0-9]{3,4}, \D{1,2}\d{4}

Repeticiones

Máximo y mínimo

Número de coincidencias Regex.Matches:

w -> w{1,3} -> 1 Coincidencia

ww -> w{1,3} -> 1 Coincidencia

www -> w{1,3} -> 1 Coincidencia

wwww -> w{1,3} -> 2 Coincidencias

wwwww -> w{1,3} -> 2 Coincidencias

Repeticiones

Ejemplos: Cadenas: { "1221", "3614", "441244", "97" }

Expresiones: [12]{2,4},\d{3}4

Cadenas: { "a1", "bb2334", "123", "b2222", "e333333" }

Expresiones: [a-z]{1,3}[0-9]{3,4}, \D{1,2}\d{4}

Cadenas: { "los perros", "las ardillas", "el gato", "la rana", "el 1" }

Expresiones: [loeas]{2,3}\s[a-z]

Agrupaciones

( ) Sirven para agrupar expresiones regulares (ab) carácter ab agrupado

Ejemplos: Cadenas: { "Acceso", "Espeso", "El Tractor", "Código fuente" }

Expresiones: (so){2}

Cadenas: { "3a3a3a a3a3", "D5D5D5D5D z1z1", "3a3a3a a3a3", "3a3a3a a3a3a" }

Expresiones: (\d\D){3}\s{1,2}([a-z]\d){2}

Alternancia

| Representa una alternancia entre expresiones , o una o otra.

Ejemplos: Cadenas: { "la", "el", "ellos", "las" }

Expresiones: el|la , le|a , l(e|a)

Cadenas: { "Secreto", "Barro", "Carro,Tarro", "Espiral", "B"}

Expresiones: B|Tarro, la , (B|T)arro , \D{8}|Barro

Metacaracteres

. Representa cualquier carácter Incluido el espacio

Ejemplos: Cadenas: { "Acceso", "Espeso", "El Tractor", "Código fuente" }

Expresiones: . , A. , E.

Cadenas: { "color", "calor", "capo", "castor", "c r"};

Expresiones: c.l.r, c.{1,4}r

Cadenas: { "Osa polar", "Oso panda", "Oso pardo", "Oso gris"}

Expresiones: Os.\sp, .{3}\s[^g]

Metacaracteres

+ Significa que la expresión se repite 1 mas veces

Ejemplos: Cadenas: { "aaaa", "soso", "patoso", "Código fuente" }

Expresiones: (so)+, a+ , o+

Cadenas: { "tejer", "el mapa5", "140suerte", "e 50" };

Expresiones: (\d+\D+|\D+\d+) , \w+\s+\d+

Cadenas:{ “koala", "collllor,", "El color", "El collar" };

Expresiones: col+[oa]r , [ck]ol+[oa]r ,

Metacaracteres

* Significa que se repite 0 o mas veces

Ejemplos: Cadenas: { "aaaa", "soso", "patoso", “213213" }

Expresiones: w*, [a-z]*, [1-9]*

Cadenas: { “#cinco5555#", “#seis66666#", “#cuatro4444#", “#dos22#" };

Expresiones: #(cinco|seis)[56]*# , #[a-z]{4,5}\d*#

Cadenas: { "int a =3;", "int a=345;", "float a = 4.5;", "bit b = 0;"};

Expresiones: [a-z]*\s+\D*\s*=\s*[\d\.]*;

Metacaracteres

? Significa que se repite 0 o 1 vez

Ejemplos: Cadenas: { "Ha", "Ha cantado", "a","Hab", "Hablabla" }

Expresiones: Ha(bla)?, [a-z]?, [1-9]?

Cadenas: { "Apila", "pila", "Atar;", "Atracar", "reloj" };

Expresiones: A?[a-z]+[ra] ,

Delimitadores

\b Significa que coincide si es un limite de palabra (se suele incluir al principio y/o al final de las expresiones)

Se utiliza para buscar palabras

Las palabras no solo están delimitadas por espacios, también pueden estarlo por otro tipo de caracteres ;

:

.

,

=

Delimitadores

Ejemplos: Cadenas: { "Hola", "ola", "La ola", "Pola", "olaola"};

Expresiones: \bola, \bola\b

Cadenas: { "hola hola ", "hola Juan", "colegio", "Escalera" }

Expresiones: (\bhola\b){2} , o\b , \b[A-Z]\w*[na]\b , \b[^E]

Cadenas: { "Sol", "Las Espaldas", "El Almuerzo", "El Oro" };

Expresiones: \b[a-zA-Z]{7,8}\b , \b.{3,6}o\b

Cadenas: { "uno,dos", "Fin.Continua", "Uno=1", "Son:1,2,3" }

Expresiones: \b[Uu]no\b , \bCon.*\b , (\b[1-3]\b\,?){3}

Delimitadores

\B Significa que coincide si no es un limite de palabra

Ejemplos: Cadenas: { "Hola", "ola", "La ola", "Pola", "olaola"};

Expresiones: \Bola, \Bola\b

Cadenas: { "Diseño", "El Diseño", "Diseñador", "Países" };

Expresiones: \Bo\B ,

Delimitadores

^ Significa que la coincidencia se debe producir al inicio de la cadena (No confundir cadena con palabra)

Las validaciones web utilizan comúnmente este tipo de delimitadores de cadena, tanto el de inicio como el de final.

También podría ser al principio de la línea si se trabaja con RegexOptions.Multiline Regex.Match(input, pattern, RegexOptions.Multiline);

Ejemplos: Cadenas: { "refrigerador1", "do1 re1 mi1", "r", "1Alacrán", "Sur1" }

Expresiones: ^r, ^[rS]\w+1, ^\D

Delimitadores

\A Significa que la coincidencia se debe producir al inicio de la cadena (Sin posibilidad de varias líneas)

Ejemplos: Cadenas: { "refrigerador1", "do1 re1 mi1", "r", "1Alacrán", "Sur1" }

Expresiones: \Ar, \A[rS]\w+1, \A\D

Delimitadores

$ Significa que la coincidencia se debe producir al final de la cadena o línea

También podría ser al principio de la línea si se trabaja con RegexOptions.Multiline Regex.Match(input, pattern, RegexOptions.Multiline);

Ejemplos: Cadenas: { "La bandera roja", "La bandeja azul", "El bar nuevo" };

Expresiones: bar$ , ^[A-Z].+[ao]$

Delimitadores

\Z Significa que la coincidencia se debe producir al final de la cadena (o antes de un salto de línea)

\z Significa que la coincidencia se debe producir al final de la cadena (Sin posibilidad de varias líneas)

Ejemplos: Cadenas: { "La bandera roja", "La bandeja azul", "El bar nuevo" };

Expresiones: bar\> , ^[A-Z].+[ao]\Z

Look Around “Mirar al rededor”

Split de una cadena a partir de una expresión regular

@ "[#@] "

encuentra #@ captura la posición y suprime el carácter

@"(?=[#@])" Positive Lookahead encuentra #@ captura la posición que lo precede

@"(?<=[#@])" Positive Lookbehind encuentra #@ captura la posición que le sigue

o#dos

o#dos

Look Around “Mirar al rededor”

Split de una cadena a partir de una expresión regular

@ “\d "

encuentra el digito y captura la posición y suprime el carácter

@"(?!\d)" Negative Lookahead encuentra cada no coincidencia con el digito y captura la posición que lo precede

@"(?<!\d)" Negative Lookbehind encuentra cada no coincidencia con digito y captura la posición que le sigue

aA123

aA123

Ejercicios - Expresiones regulares

Expresión regular para validar: Claves

6JKV-QPB8-RQ89-FW7T-PBJ7 T32RWFDMGFD2QGMH3P9G GG4M.MGK7.HVXF.KHCF.KW6K

DNIs en varios formatos

55349061K, 74348275-Q, 19290989s

Palabras entre corchetes

[fuerza]

Comentarios en HTML

<!-- Mi comentario HTML-->

Ejercicios - Expresiones regulares

Expresión regular para validar:

Números de teléfono móvil

652881432 , +34652881432, 652 88 14 32, 652 881 432

Etiquetas HTML de títulos

<h1>…</h1> <H1>…</H1> <h2>…</h2> <H2>…</H2>

Una etiqueta ‘tag’ XML

<tag>…<tag>

Cualquier numero decimal

-0.9 9,32 -2 .11

Validación de expresiones regulares online

http://www.rexv.org/

http://regexpal.com/

http://www.regexplanet.com/advanced/java/index.html

http://www.metriplica.com/es/recursos/expresiones-regulares

http://www.regular-expressions.info/javascriptexample.html

http://www.regextester.com/

Referencias y enlaces de interés

Tutorial Expresiones regulares http://www.regular-expressions.info/tutorial.html

Guía de expresiones regulares Mozilla https://developer.mozilla.org/es/docs/Gu%C3%ADa_JavaScript_1.5/Expresiones_Regulares

La clase Regex .NET Framework http://msdn.microsoft.com/es-es/library/system.text.regularexpressions.regex.aspx