Introducción a las Expresiones Regulares
Todo lo que aprenderás sobre expresiones regulares
¿Qué son las expresiones regulares?
Aplicaciones de las expresiones regulares
Introducción al lenguaje de expresiones regulares
El lenguaje: caracteres, operadores, y construcciones
El caracter (.)
Las clases predefinidas y construidas
Los delimitadores: +, *, ?
Los contadores {1,4}
El caso de (?) como delimitador
Not (^), su uso y sus peligros
Reto: Filtrando letras en números telefónicos utilizando negaciones
Principio (^) y final de linea ($)
Uso práctico de Expresiones Regulares
Logs
Teléfonos
URLs
Mails
Localizaciones
Nombres(?) Reto
Usos avanzados en Expresiones Regulares
Búsqueda y reemplazo
Expresiones Regulares en lenguajes de programación
Uso de REGEX para descomponer querys GET
Explicación del Proyecto
Perl
PHP
Utilizando PHP en la práctica
Python
Java
Java aplicado
JavaScript
`grep` y `find` desde consola
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 115
Preguntas 23
Existen sitios donde se puede ver de forma gráfica la expresión regular:
-Jex Regulex
-Regexper
-Debuggex
Por ejemplo el ejercicio realizado en esta clase se vería así en https://jex.im/regulex/:
Cuantificación en expresiones regulares:
? -> El signo de interrogación indica que el carácter que le precede puede aparecer como mucho una vez. Por ejemplo, “ob?scuro” se corresponde con oscuro y obscuro.
+ -> El signo más indica que el carácter que le precede debe aparecer al menos una vez. Por ejemplo, “ho+la” describe el conjunto infinito hola, hoola, hooola, hoooola, etcétera.
* -> El asterisco indica que el carácter que le precede puede aparecer cero, una, o más veces. Por ejemplo, “0*42” se corresponde con 42, 042, 0042, 00042, etcétera.
+ --> 1 o más.
Incluye solo si aparece este dato
*--> 0 o más
No importa en sí, pero estaría bueno que sí lo encontraras sin importar cuantas veces te salgan.
? --> 0 o 1 vez.
No importa si no lo encuentras, pero si lo haces, SOLO ME SIRVE UNA VEZ, el resto está de más.
Recomiendo esta lectura Denial of Service, para cuando diseñen un regex y evitemos las vulnerabilidadescomo por ejemplo el ataque Denial of Service - ReDoS.
Tendiendo el patrón que usa Beco:
\d*[a-z]?s\d*
No entiendo porque encuentra el fragmento “sys” de la palabra system.
Según entiendo:
Por lo que en la palabra “system”:
No debería solo marcar “ys” en la palabra “system”. No entiendo esa parte.
Esto se va a descontrolaaaaaaaaarrrrr.
Recomiendo el siguiente website para seguir y entender mas claro como funcionan las REGEXR
6. Mis apuntes sobre: "Los delimitadores: +,*,? "
Resumen hasta hoy#p132:
\w - caracteres de palabras
\d - dígitos
\s - espacios/invisibles en blanco
[0-9] ~ \d
[0-9a-zA-Z_] ~ \w
* - greedy - todo
+ - uno o más
? - cero o uno, en otro contexto (Sean los menos posibles)
.*
-Explicación 1: Encuentra un caracteres y sigue seleccionando hasta el final de la linea.
’
’
\d+
-Explicación 2: Encuentra un dígito, luego 1 o más hasta que no haya.
’
’
\d*[a-z]
-Explicación 3: Encuentra y selecciona: Toda vez que se inicie o no con un dígito,
y siga y termine con una letra de la a a la z.
’
’
\d*[a-z][a-z]?
-Explicación 4: Encuentra y selecciona: Toda vez que haya o no un dígito, luego
haya una letra de la a a la z, y luego haya o no una letra.
’
’
\d*[a-z]?s\d*
-Explicación 5: Encuentra y selecciona: Cero o muchos dígitos, y cero o una letras de la
a a la z y una letra ‘s’ y cero o muchos dígitos.
’
’
\w - caracteres de palabras
\d - digitos
\s - espacios/invisibles en blanco
[0-9] ~ \d
[0-9a-zA-Z] ~ \w
( * ) Todo. Cero o muchos. El profe dice 0 o 1
Por qué cuando yo pongo [a-z] también encuentra las mayúsculas?
Entonces los delimitadores van del lado derecho de la expresión y se leen de derecha a izquierda.
Ejemplos:
\d*
→ 0 o más dígitos.[a-z]?
→ 0 o 1 letra minúscula.\s+
→ 1 o más espacios.Regex | Qué hace | Descripción |
---|---|---|
. |
Character | Cualquier caracter, selecciona cada uno de los caracteres |
/d |
Digit | Digits: (d minúscula) Encuentra todos los dígitos (número) de 0 a 9, es equivalente a poner [0-9]. |
/w |
Word | All word characters, Encuentra todos los caracteres que son parte de una palabra, tanto letras (minúsculas o mayúsculas) como números, es equivalente a poner [a-zA-Z0-9_]. |
/s |
Space | WhiteSpaces, Encuentra todos los espacios (los saltos de línea y tabuladores también son espacios). |
[0-9] | Specific Digit | Encuentra todos los dígitos de 0 a 9. |
[0-9a-zA-Z] | Specific Word Character | Encontrará todos los caracteres que estén del 0-9 o que sean letras mayúsculas o minúsculas (\w ) |
[a-zA-Z] | nos encontrará solamente las letras, tanto mayúsculas como minúsculas. | |
\ |
Diagonal invertida | Escapa los caracteres, permite que un carácter especial se muestre |
* | Greedy | Agrupa el conjunto de caracteres (la búsqueda) (0 o muchas) |
+ | 1 o más | Deben aparecer (debe aparecer uno o más) |
? | Puede o no haber |
Todo es potente
+
- debe aparecer porque es uno o más veces
*
- puede aparecer, 0 o muchas veces
?
- puede aparecer, 0 o 1 veces
Las expresiones regulares son muy potentes creando soluciones escalables y reutilizables para el manejo de textos.
Les recomiendo practicar en esta web donde hay lecciones.
Algo asi lo entendi…
No me quede muy claro la diferencia entre * y ?. Solo la parte que los dos son opcionales al momento de crear una expresión
Debe aparecer
+ : 1 o mas caracteres
Pueden aparecer
* : 0 o muchas .
? : 0 o 1 caracter
Aquí hay un articulo para que sepan como corroborar un email con regExp https://platzi.com/tutoriales/1301-expresiones-regulares/9435-como-saber-si-un-correo-esta-bien-escrito-con-regexp/
*
→ Haya o no haya [Seleccionar todo, operador greedy]
Ejemplo: \d*[a-tA-T]
Se lee: Seleccione el carácter que se encuentra en el rango de la a
a la t
, (Tanto minúsculas como mayúsculas) y TODOS los números que lo preceden, EXISTAN O NO.
Así, del siguiente ejemplo seleccionará
12345T
exto
12345Te
xto
+
→Haya uno o más [Debe haber]
Ejemplo: \d+[a-tA-T]
Se lee: Seleccione las secuencias de caracteres que contengan AL MENOS UN dígito, seguido de un carácter que se encuentre en el rango de la a
a la t
, (Tanto minúsculas como mayúsculas).
Así pues, del siguiente ejemplo seleccionará
12345T
exto
12345 Texto
?
→Haya cero o uno (Puede haber sólo uno)
Ejemplo: \d?[a-tA-T]
Se lee: Seleccione las secuencias de caracteres QUE CONTENGAN O NO, UN SOLO dígito, seguido de un carácter que se encuentre en el rango de la a
a la t
, (Tanto minúsculas como mayúsculas).
Así pues, del siguiente ejemplo seleccionará
1234
5Te
xto
12345Te
xto
Ejemplo complejo: \[[a-zA-Z]*:[email protected]+[a-zA-Z]*\]
Se lee: Seleccione las secuencias de caracteres que:
[
:
@
]
Así pues, del siguiente ejemplo seleccionará
[LOG ENTRY] [LOG] Everything is OK
[LOG ENTRY] [LOG][:@beco]
Logged in
[LOG ENTRY] [LOG][USER:@beco]
Clicked here
[LOG ENTRY] [LOG][[email protected]@@@]
Rated the app
[LOG ENTRY] [LOG][user:@beco]
Logged out
[LOG ENTRY] [LOG] [user:beco] test
Aqui hay una pagina que permite ver de manera grafica todo esto
https://jex.im/regulex/#!flags=&re=^(a|b)*%3F%24
espero les sirva
Interpretar la presencia de los delimitadores en las expresiones puede suponer cierta dificultad, por tanto les comparto la manera que se me ha facilitado interpretalas, que consiste en leer la expresion regular de derecha a izquierda lentamente, de forma inversa a la habitual.
espero les pueda ayudar.
Se nota que mejoro bastante la forma de enseñar! Sumando también que nos brindan el material para practicar, y ahora el profesor es mas pausado al momento de explicar. Genial!! 😃
estuvo un poco omplicado esta clase, tuve q pausarb el video y ir practicando yo mismo para poder entender,
Se nota la buena energia que le pone el profe, pero termina haciendo parecer el tema peor de lo que es…
Venía de esta clase : https://platzi.com/clases/1468-bash-shell/16970-expresiones-regulares/
Dónde están las descripciones de los criterios de las expresiones regulares… así nomás:
*.- Caracter que representa cero o más ocurrencias de la expresión
+.- Caracter que representa una o más ocurrencias de la expresión.
{n}.-Representa n veces de una expresión.
[ ] .- Representa un conjunto de caracteres, por ejemplo: [a-z] representa las letras del abecedario de la a a la z.
bueno acá después de 7 clases me han quedado claras 😃 , gracias!!
Son bastante útiles estos delimitadores para organizar las cadenas de caracteres que van a ser ingresadas en una barra de búsqueda o un segmento de un formulario.
No es mucho pero estoy contento por que lo hice yo solo.
++^[email protected]+…+ ++
quice hacer una expresion para buscar correos electronicos.
cabe resaltar que que el caracter (.) hace match con todo excepto con los cambios de linea.
Por si les sirve.
que potente
Expresiones mucho muy potentes !!
Si están usando Linux o algo similar y no pueden hacer lo que hace el profe, lo que necesitan es ponerle una bandera el comando grep. Esta bandera es -E
y ya con esto ustedes podrán hacer las cosas mágicas que hace el profe
Hola, tengo esta E.R pero no me coge los primeros números de la primera línea:
\d{2,2}[.- ]*\W
Me pueden ayudar por fa que me hace falta
creo que un buen ejemplo para el cuantificador + (que exista 1 o mas veces) es el siguiente:
encontrar las palabras que terminen con a, por ejemplo, entonces, la construcción sería:
encontrame cualquier cantidad ocurrencia de palabras
\w*
y que despues tengan al menos 1 a
a+
y luego tenga un caracter diferente a [a-zA-Z0-9], es decir espacios en blanco, coma, punto lo que sea usamos el NOT A WORD \W
\W
entonces quedaria:
\w*a+\W
waaaawww, 😄
plagio en Perú.
El caracter (.): Encuentrame todo lo que sea un carácter
Dígitos:\d Encuentra todos los dígitos de 0 a 9.
[0-2] nos encontrará solamente los dígitos de 0 a 2.
() : Cero o más veces
(?): Cero o una sola vez
(+): una o más veces.
[a-z]? : Esto es que puede estar una sola vez o no estar una letra minuscula de la (a) a la (z).
\d: Esto es que puede estar muchas veces o no estar un digito.
\d+: Esto es que puede estar muchas veces o una sola vez un digito.
\w caracteres de palabras
\d caracteres de dígitos
\s Espacios en blancos e invisibles
\w caracteres
\d dígitos
\s espacios
[0-9] ~ \d
[0-9a-zA-Z_] ~ \w
greddy - todo - cero o muchas -> *
uno o más -> +
cero o uno -> ?
.* -> encuentra todos los caracteres
\d* -> encuentra todos los dígitos
\d+ -> encuentra uno o mas
\d? -> cero o uno
\d+[a-z] tiene que haber un dígito antes de las letras
\d*[a-z] tiene o no que haber números antes de las letras
. :* Encuentra todos los caracteres que se sigan desde cero o ninguno. No importan si son numéricos, palabras o símbolos.
+: Encuentra 1 o mas, 1 o todos.
? : Encuentra cero o un carácter.
\d+[a-z]: Encuentra todos los dígitos pero que al final debe tener una palabra.
\d[a-z]:* Debe de haber letras pero puede que tenga o no tenga digito
\d[a-z]?s:* Encuentra todos los dígitos pero que a su vez tengan un carácter y que este carácter termine con la letra s
entonces el operador afecta directamente el contenido que tenga declarado a su izquierda?
NO se entiende lo que explica, creo que requiere ejemplos mas especificos
El signo de interrogación ? es como un operador de disyunción ?
Regexr nos puede ayudar al observar, revisar y crear expresiones regulares
Brutal!!
Que potencia de clase.
El signo ? es como un operador de disyunción ?
Se empieza a ver la potencia de las expresiones regulares.
.
Solo con esto, ya puedo buscar nombres de archivos complejos con Adobe Brigde.
Mal explicada esta clase.
La implementación del primero en Java es de la siguiente forma:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Main {
public static void main(String[] args) {
int i = 1;
String cs = "12345a\n12345\nabc\n123a456";
Pattern pattern = Pattern.compile("(\\d*)[a-z]");
Matcher matcher = pattern.matcher(cs);
boolean matchFound = matcher.find();
System.out.println("string length: " + cs.length());
if (!matchFound) System.out.println("Match not found");
while (matchFound) {
System.out.println(String.format("%d. %s", i, "match: " + matcher.group()));
System.out.println("index: " + matcher.start());
System.out.println("end index + 1: " + matcher.end());
System.out.print("\n");
matchFound = matcher.find();
i++;
}
}
}
// Output
/**
* string length: 24
* 1. match: 12345a
* index: 0
* end index + 1: 6
*
* 2. match: a
* index: 13
* end index + 1: 14
*
* 3. match: b
* index: 14
* end index + 1: 15
*
* 4. match: c
* index: 15
* end index + 1: 16
*
* 5. match: 123a
* index: 17
* end index + 1: 21
*/
Acordeon.md nos muestra el resumen de las expresiones regulares vista hasta la clase 7
Es interesante el uso de los delimitadores para usarlos en las expresiones regulares, ya lo estoy entendiendo.
wowwww se siente bien entender esto, aunque un poco intimidante jaja
import re
fh = open(r"C:\Users\Alfonso Zapata\jupyter\Cursos\Junio 2022\Curso de expresiones regulares - platzi\REGEX-master\liners.txt", "r").read()
fh
# for line in re.findall("\d", fh):
# print(line)
line = re.findall("[0-9a-fA-F]{6}", fh)
print(line)
line = re.findall("[\d*]{5}", fh)
print(line)
line = re.findall("\d*[a-z]s\d*", fh)
print(line)
* => puede ser que tenga o no tenga
+ => si o si tiene que tener.
Me costo un poco internailzar las funcionalidades de
super interesante clase, me está siendo de mucha utilidad
Hola Profe. Me gustaria preguntarte a ti, el equipo Platzi o a la comunidad, cual es la Biblia de Rgex? Cual sería una buena referencia de consulta para cuando toca sentarse a pensar y diseñar una expresión regular.
Saludos
Para los que quieran trabajar esto en la consola, aquí les dejo un articulo que habla de ello https://platzi.com/tutoriales/1301-expresiones-regulares/9434-delimitadores-en-consola-linux/
Codigo de d
/*
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
*
@author Sem-6-INGENIERIAINDU
*/
public class Strings {
/**
}
}
Resultado
Solución
(\d{2,2}[^a-z]?)+
Delimitadores
Se usan en combinación con las clases mencionadas
Delimitadores
Se usan en combinación con las clases mencionadas
Entonces que es un delimitador?
^[\w.][email protected]\w+.\w+.\w+$
tengo esta expresión para encontrar correos válidos. Lo que no comprendo es por qué funciona también para correos como [email protected]
Si mi estructura es inicia en [palabra y puntos]mas de uno seguido de [ @ ], seguido de [palabra] mas de uno, seguido de [ . ], [palabra] mas de uno, y por último [palabra] más de uno.
Mi solucio definitiva del reto:
^#(?:[0-9a-fA-F]{3}){1,2}$
Apuntes:
*Los delimitadores: +, , ?
Tipos básicos de conteo: que exista, que no exista.
( * ) Todo.
( + ) 1 o más.
( ? ) Cero o uno.
Respuesta a:
Los delimitadores: +, *, ?
Expresiones regulares:
\w- caracteres de palabras
\d- dígitos
\s- espacios
\t - Tabulador
. - Encuentra todo carácter
[] =rango
Cuando concateno los delimitadores +* da error, sin embargo cualquiera de estos dos combinan con ?, es decir +? o *?, de forma que el ? pierde el sentido.
Apuntes:
Ser específicos con las expresiones regulares (tener cuidado)
Expresiones regulares:
\w- caracteres de palabras
\d- digitos
\s- espacios
se ve muy interesante
Muy poderoso
Excelente.
genial
con estos delimitadores se entiende mucho mejor el curso de linea de comandos, gracias
EL curso de Linea de comandos me dirigió a este curso justo para esta clase… Debo aceptar que está superando mis expectativas, no sabía la importancia que tenía y lo POTENTE que es conocer sobre regex… Me encantan tus clases, Beto.
Dado este dato:
8589sA
que resultado final se espera con la siguiente expresion:
\d?[a-zA-Z]s
a) 8589s
b) 8589sA
c) 9s
d) 59sA
Comenten su respuesta 😃
.*
es como el shortkey CTRL + A
Muy Bueno los delimitadores
Resumiendo:
los saltos de linea es \n
Hay que pararnos a diseñar la solución con expresiones regulares. Esta es la parte clave para usar esta poderosa herramienta.
Para hexadecimales
Con case-sensitive - (\(x|X)|0(x|X))[a-fA-F\d]+
Sin case-sensitive - (\x|0x)[a-f\d]+
Delimitadores
* Busca 0 a todos
+ Busca 1 a todos
? Busca 0 a 1
Hasta donde voy aprendiendo, es una manera dinámica de encontar cosas. Ya me agradó mucho todo esto
muy claro
*: Cero o más veces.
+: uno o más
?: Cero o una sola vez.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.