expresiones regulares en java

Expresiones Regulares

Jordn Pascual Espada

Introduccin

Expresin regular, a menudo llamada tambin patrn, es una expresin que describe un conjunto de cadenas sin enumerar sus elementos.

Wikipedia

Expresin regular

Conjunto de caracteres y metacaracteres que definen reglas sintcticas para la evaluacin 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 extraccin de informacin en textos Buscar correos electrnicos y DNIs en un documento

Buscar el nmero 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 especficos

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

Definir elementos de la gramtica 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 bsquedas dentro de los sistemas operativos

Lenguajes de programacin

Aplicaciones Software (Word, Notepad, etc)

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

La mayora se basan en los mismos principios

Expresiones regulares

Algunas personas cuando se enfrentan a

un problema piensan "Ya s, usar expresiones regulares!"


Ahora tienen dos problemas.

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


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

[A-Z])$

Expresin regular Certificado de identificacin Fisca Espaa

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 expresin 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 expresin regular. Retorna un objeto MatchCollection que contiene todas las coincidencias.



Match: Busca en la cadena de entrada especificada la primera aparicin de la expresin 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.



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

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


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


Funcionalidad :

Parte de una coleccin de cadenas de texto (Array)

Define un patrn para una expresin regular Regex.IsMatch (coincidencia)

Evala cada una de las cadenas de texto de la coleccin

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


Implementacin de un evaluador de expresiones regulares

Expresin regular

Conjunto de caracteres y metacaracteres que definen reglas sintcticas para la evaluacin de una de una cadena de texto

Metacaracteres

ab+ *.pdf

Representaciones de caracteres

Cualquier carcter alfa numrico Letras y nmeros (@, #, )

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

Ejemplos: Cadenas: {"Aplastar","Haragn","Encargado","Seleccin"}

Expresiones: a , b , e

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

Expresiones: \. , \*, -


Cualquier carcter alfa numrico Letras y nmeros (@, #, )

Los caracteres que no sean letras y nmeros necesitan ser precedidos de \ por ejemplo \. , \* , \- , $ , $

Ejemplos: Cadenas: {"Aplastar","Haragn","Encargado","Seleccin"}

Expresiones: a , b , e

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

Expresiones: \. , \*, \+


\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


\w Representa cualquier letra o digito (incluso letras especiales o acentuadas como , , 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", "", "#", " ", "antena23", "aceituna" };

Expresiones: \w , \W

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

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


\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


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 pgina

\n Salto de lnea

\O Carcter nulo

Conjuntos

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

- : rango dentro del conjunto

^ : negacin 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 carcter 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 expresin se repite exactamente n veces

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

{X, Y} significa la expresin se repite un mnimo de X veces y un mximo de Y.

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

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

Mximo y mnimo

Nmero 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) carcter ab agrupado

Ejemplos: Cadenas: { "Acceso", "Espeso", "El Tractor", "Cdigo 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 carcter Incluido el espacio

Ejemplos: Cadenas: { "Acceso", "Espeso", "El Tractor", "Cdigo 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 expresin se repite 1 mas veces

Ejemplos: Cadenas: { "aaaa", "soso", "patoso", "Cdigo 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 estn delimitadas por espacios, tambin 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: { "Diseo", "El Diseo", "Diseador", "Pases" };

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 comnmente este tipo de delimitadores de cadena, tanto el de inicio como el de final.

Tambin podra ser al principio de la lnea si se trabaja con RegexOptions.Multiline Regex.Match(input, pattern, RegexOptions.Multiline);

Ejemplos: Cadenas: { "refrigerador1", "do1 re1 mi1", "r", "1Alacrn", "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 lneas)

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

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

Delimitadores

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

Tambin podra ser al principio de la lnea 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 lnea)

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

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 expresin regular

@ "[#@] "

encuentra #@ captura la posicin y suprime el carcter

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

@"(?

Look Around Mirar al rededor

Split de una cadena a partir de una expresin regular

@ \d "

encuentra el digito y captura la posicin y suprime el carcter

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

@"(?

Ejercicios - Expresiones regulares

Expresin 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

Ejercicios - Expresiones regulares

Expresin regular para validar:

Nmeros de telfono mvil

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

Etiquetas HTML de ttulos

Una etiqueta tag XML

Cualquier numero decimal

-0.9 9,32 -2 .11

Validacin 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 inters

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

Gua 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

Documents

expresiones regulares en java