Análisis de Datos de Partidos de Fútbol con Expresiones Regulares

Clase 24 de 29 • Curso de Expresiones Regulares

Resumen

¿Cómo trabajar con datos de partidos de fútbol usando PHP?

En el mundo de la programación, a veces lo pequeño hace una gran diferencia. Analizar datos de partidos de fútbol es un desafío en términos de precisión y eficiencia. Aquí exploraremos cómo manipular información de partidos de selecciones nacionales utilizando PHP. Enfocarse en la limpieza de datos, comprensión de expresiones regulares y controlando intricados detalles de los datos como nombres de países con caracteres especiales o resultados de partidos.

¿Cuáles son los primeros pasos para extraer información específica?

Para comenzar, determinamos qué datos deseamos analizar. Por ejemplo, queremos obtener todos los partidos empatados en la historia de selecciones nacionales. Empezamos escribiendo un script básico en PHP:

<?php
// Limpiamos pantalla y cargamos el archivo de datos
echo "\033[2J\033[;H"; // Código para limpiar la pantalla en terminal

// Cargamos datos del archivo
$filename = "Results.txt";
$file = fopen($filename, "r");

// Inicializamos la bandera para que el match sea insensitive al case
$flags = "i";

// Establecemos el patrón de expresión regular (Regex)
$pattern = '/(\d{4})-(\d{2})-(\d{2}),([\w\s\-]+),(.*?)-([\w\s\-]+),(.*?)-(\d+),(\d+),.*?(Friendly|Eliminatorio|Competencia)/';

while (($line = fgets($file)) !== false) {
    if (preg_match($pattern, $line, $match)) {
        $localTeam = $match[4];
        $visitorTeam = $match[6];
        $localScore = $match[8];
        $visitorScore = $match[9];

        // Evaluamos el resultado del partido
        if ($localScore == $visitorScore) {
            echo "Empate: $localTeam vs $visitorTeam $localScore-$visitorScore\n";
        }
    }
}
fclose($file);
?>

¿Cómo solucionar problemas comunes en los datos?

Uno de los retos comunes en este tipo de datos es lidiar con caracteres no estándar, como acentos o cedillas, en los nombres de los equipos. En casos como estos, podemos ajustar nuestras Regex para aceptar caracteres adicionales, lo que es vital para asegurar que toda la información sea considerada.

A continuación, refinamos nuestra expresión regular para incluir espacios y guiones en los nombres de países:

$pattern = '/(\d{4})-(\d{2})-(\d{2}),([\w\s\-\']+),(.*?)-([\w\s\-\']+),(.*?)-(\d+),(\d+),.*?(Friendly|Eliminatorio|Competencia)/';

¿Cómo generar información más útil?

La idea es no solo extraer datos, sino también procesarlos para crear información comprensible de un vistazo. Por ejemplo, podemos modificar la impresión para añadir etiquetas que determinen claramente si el resultado del partido fue un empate o si ganó un equipo en particular.

if ($localScore == $visitorScore) {
    printf("%s, %s vs %s: Empate (%d-%d)\n", $match[1], $localTeam, $visitorTeam, $localScore, $visitorScore);
} elseif ($localScore > $visitorScore) {
    printf("%s, %s vs %s: Local (%d-%d)\n", $match[1], $localTeam, $visitorTeam, $localScore, $visitorScore);
} else {
    printf("%s, %s vs %s: Visitante (%d-%d)\n", $match[1], $localTeam, $visitorTeam, $localScore, $visitorScore);
}

¿Por qué es importante la eficiencia al procesar datos?

Debemos tener en cuenta la eficiencia al manipular grandes volúmenes de datos. Usar expresiones regulares adecuadamente configuradas permite procesar grandes conjuntos de datos en poco tiempo. Aquí calculamos el tiempo que tarda nuestro script en ejecutarse:

$startTime = microtime(true);

// ... procesamiento de datos ...

$endTime = microtime(true);
$executionTime = $endTime - $startTime;
echo "Tiempo de ejecución: " . round($executionTime, 2) . " segundos\n";

Al medir el tiempo, podemos hacer comparaciones y mejorar los algoritmos de procesamiento, logrando scripts más efectivos.

¿Cómo gestionar errores comunes durante la ejecución?

Durante la ejecución es común enfrentar errores como líneas no coincidentes con la expresión regular. Estos pueden deberse a caracteres inesperados o a faltantes en los datos. Un truco útil es imprimir solo las líneas que no coinciden para así identificar rápidamente la fuente del problema:

while (($line = fgets($file)) !== false) {
    if (!preg_match($pattern, $line, $match)) {
        echo "Línea sin match: $line\n";
    } else {
        // Procesar la línea si hace match
    }
}

Este enfoque nos permite ajustar rápidamente las expresiones regulares o los datos pendientes de revisar. En situaciones donde el resultado no es el esperado, depurar de esta forma abrevia el ciclo de desarrollo.

¿Cómo continúa uno su aprendizaje en la programación?

La programación exige un constante aprendizaje y ajuste. Practicar extraer, procesar y generar datos con diversos lenguajes como PHP es solo el inicio. En cada sesión de código hay una nueva lección que aprender, siempre buscando optimizar los métodos y dar el próximo paso hacia otros lenguajes como Python. ¡Sigue adelante, el conocimiento no tiene límites!

David Behar

student•

Banderas

Las expresiones regulares pueden tener banderas que afectan la búsqueda, éstas deberán de estar hasta el final de la línea.

Listado de Banderas en js: i Con este indicador, la búsqueda no distingue entre mayúsculas y minúsculas: no hay diferencia entre A y a g Con esta marca, la búsqueda busca todas las coincidencias, sin ella, solo se devuelve la primera coincidencia. m Modo multilínea s Habilita el modo "dotall", que permite un punto. para que coincida con el carácter de nueva línea \ n u Permite el soporte completo de Unicode. La bandera permite el procesamiento correcto de pares sustitutos. y Modo "adhesivo": búsqueda en la posición exacta del texto

Luis Ruiz Ramos

student•

Buen aporte. Gracias.

Juan Pablo Perez

student•

Gracias compañero.

Antares Martinez Yañez

student•

El código:

<?php
$file = fopen("../files/results.csv","r");

$match   = 0;
$nomatch = 0;

$t = time();

while(!feof($file)) {
    $line = fgets($file);
    if(preg_match(
        '/^(\d{4}\-\d\d\-\d\d),(\w+),(\w+),(\d+),(\d+),.*$/i',
        $line,
        $m
      )
    ) {
        if ($m[4] == $m[5]) {
            printf("empate: ");
        } elseif ($m[4] > $m[5]) {
            echo "local:  ";
        } else {
            echo "visitante: "
        }
        printf("\t%s, %s [%d-%d]\n", $m[2], $m[3], $m[4], $m[5]);
        $match++;
    } else {
        $nomatch++;
    }
}
fclose($file);

printf("\n\nmatch: %d\nnomatch: %d\n", $match, $nomatch);

printf("tiempo: %d\n", time() - $t);

David Daniel Castillo Nava

student•

Donde dice echo "visitante: " le falta un ; al final!! Del resto todo bien!

echo "visitante: ";

Juan Pablo Perez

student•

Gracias compañero.

Jhon Alexander Romero Gonzaga

student•

AWK: Forma una parte esencial del lenguaje y por extensión de la herramienta awk de Unix/Linux
C++: Desde su versión C++ 11 es posible utilizar expresiones regulares mediante la biblioteca estándar, usando la cabecera <regex>.
Java: Existen varias bibliotecas hechas para java que permiten el uso de RegEx, y Sun planea dar soporte a estas desde el SDK.
JavaScript: A partir de la versión 1.2 (ie4+, ns4+) JavaScript tiene soporte integrado para expresiones regulares.
Perl: Es el lenguaje que hizo crecer a las expresiones regulares en el ámbito de la programación hasta llegar a lo que son hoy en día.
PCRE: Biblioteca de ExReg para C, C++ y otros lenguajes que puedan utilizar bibliotecas dll (Visual Basic 6 por ejemplo).
PHP: Tiene dos tipos diferentes de expresiones regulares disponibles para el programador, aunque la variante POSIX (ereg) va a ser desechada en PHP 6.
Python: Lenguaje de scripting con soporte de expresiones regulares mediante su biblioteca re.
.Net Framework: Provee un conjunto de clases mediante las cuales es posible utilizar expresiones regulares para hacer búsquedas, reemplazar cadenas y validar patrones.

JUAN SEBASTIAN RODRIGUEZ JIMENEZ

student•

Nunca pierdan la capacidad de expresar bien los datos.

Martin Paez

student•

Esto es super vital. Muchas veces olvidamos que esos datos no solo nosotros trabajaremos con ello, sino muchas personas mas.

Jeinfferson Bernal G

student•

Muy de acuerdo!

Andrés Felipe Carreño

student•

Evitemos la frustración, aceptemos los errores y tengamos presente que a la primera no se va ha entender una regex

Ivan Santiago

student•

Script para ver los partidos ganados, empatados y perdidos de Mexico 😄

<?php
  $file = fopen('results.csv', 'r');
  $games = 0;
  $defeats = 0;
  $victories = 0;
  $ties = 0;

  while(!feof($file)) {
    $line = fgets($file);

    if(preg_match('/^[\d\-]+,Mexico,.*,(\d+),(\d+),.*$/', $line, $m)) {
      if($m[1] > $m[2]) {
        $victories++;
      } else if($m[1] == $m[2]) {
        $ties++;
      } else {
        $defeats++;
      }

      $games++;
    }

    if(preg_match('/^[\d\-]+,.*,Mexico,(\d+),(\d+),.*$/', $line, $m)) {
      if($m[2] > $m[1]) {
        $victories++;
      } else if($m[2] == $m[1]) {
        $ties++;
      } else {
        $defeats++;
      }
      
      $games++;
    }
  }

  fclose($file);
  printf("Mexico play %d games\n", $games);
  printf("%d victories - %d defeats - %d ties\n", $victories, $defeats, $ties);
?>

Francisco Javier Suarez Verdugo

student•

Muy buena clase e Interesante dato a tener en cuenta sobre \t que permite avanzar espacios en base al siguiente múltiplo de un número y que el más común es 8, para organizar los datos mejor en la consola.

Simon Correa Henao

student•

Regex para hacer match con la totalidad de los datos '/^(\d{4,4}\-\d\d\-\d\d),([\w\-\.\ ñáéíóúçã&]+),([\w\-\.\ ñáéíóúçã&]+),(\d+),(\d+),.*$/i' Y programa completo:

<?php

$file = fopen("../Curso de Expresiones Regulares/results.csv", "r");

$match = 0;
$nomatch = 0;

$t = time();

while (!feof($file)) {
    $line = fgets($file);
    #echo $line;
    #'/^2018\-01\-(\d\d),.*$/'
    #2018-01-31,Mexico,Bosnia-Herzegovina,1,0,Friendly,San Antonio,USA,TRUE
    if (preg_match('/^(\d{4,4}\-\d\d\-\d\d),([\w\-\.\ ñáéíóúçã&]+),([\w\-\.\ ñáéíóúçã&]+),(\d+),(\d+),.*$/i', $line, $m)) {
        #print_r($m); #imprime el arreglo
        if ($m[4] == $m[5]) {
            echo "empate: " ;
        } elseif ($m[4] > $m[5]) {
            echo "local:   " ;
        } else {
            echo "visitante: ";
        }
        printf("\t%s, %s [%d - %d]\n", $m[2], $m[3], $m[4], $m[5]);
        $match++;
    } else {
        $nomatch++;
        echo $line;
    }
}

fclose($file);

printf("\n\nMatch %d\n No match %d\n", $match, $nomatch);

printf("Tiempo: %d segs\n", time() - $t);

Diego Adrián Sánchez Gutiérrez

student•

la bandera i es case insensitive y va después del ultimo slash para debugear se puede imprimir los no matches y verificar el por que no hay coincidencias

Alejandro Sanchez

student•

eso es correcto

Cristian David Franco Garcia

student•

<?php
$file = fopen("../files/results.csv","r");
$match   = 0;
$nomatch = 0;
$t = time();
while(!feof($file)) {
    $line = fgets($file);
    if(preg_match('/^(\d{4}\-\d\d\-\d\d),(.+),(.+),(\d+),(\d+),.*$/i', $line, $m)) {
        if ($m[4] == $m[5]) {
            printf("empate: ");
        } elseif ($m[4] > $m[5]) {
            echo "local:  ";
        } else {
            echo "visitante: ";
        }
        printf("\t%s, %s [%d-%d]\n", $m[2], $m[3], $m[4], $m[5]);
        $match++;
    } else {
        $nomatch++;
    }
}
fclose($file);
printf("\n\nmatch: %d\nnomatch: %d\n", $match, $nomatch);
printf("tiempo: %d\n", time() - $t);

Jonathan Macalupu Reyes

student•

Tiempo = 1s también.

Esteban Martini

student•

solo un aportecito: de hecho en la presentación, tal vez hubiese sido aun mejor poner el resultado del partido en medio.

entonces quedaria:

India [3-0] Kenya

Fabio Hernan Mosquera Obando

student•

para escribir Regex hay que tener conocimiento del lenguaje que sev a a utilizar? si es asi probablemente el orde de este curso no es correcto.

Gabriel De Andrade

student•

No, el regex es agnostico al lenguaje, aquí utillizamos PHP como un ejemplo únicamente :D

Buzu B

student•

No. Lo que sí tienes que saber es que hay varios "sabores" de expreciones regulares. En mi experiencia las más usadas son las compatibles conr Perl.

Marco Rodrigo Polo Silva

student•

Increíble, no entiendo nada pero poco a poco se vuelve mas claro jaja

Aaron Felipe Isaacs

student•

El ejemplo anterior llevado a php

<?php
$t = time();
$file = fopen("../results.csv", "r");
$match = 0;
$nomatch = 0;

while(!feof($file)) {
  $line = fgets($file);
  // 1910-04-10,Netherlands,Belgium,7,0,Friendly,Haarlem,Netherlands,FALSE
  if(preg_match('/^(\d{4,4}\-\d{2,2}\-\d{2,2}).*?,(.*?),(.*?),(\d+),(\d+),.*$/', $line, $m)) {
    if($m[5] > $m[4]) {
      printf("(%s) - %s (%d) - (%d) %s\n",$m[1], $m[2], $m[4], $m[5], $m[3]);
      $match++;
    } else {
      $nomatch++;
    }
  } 
}

fclose($file);
printf("Para los equipos como visitantes se encontraron\n - %d ganados \n - %d perdidos\n", $match, $nomatch);
printf("Tiempo en ejecutar: %d segundos\n", time()-$t);

Heyner Javier Marmol Verbel

student•

Solución para encontrar los no match:

preg_match('/^(\d{4}\-\d\d-\d\d),([\w\s\-\.á-ú&]+),([\w\s\-\.á-ú&]+),(\d+),(\d+),.*$/i',$line,$m)

Isaac Bryan Ascanoa Roncall

student•

Es increible lo que puede hacer PHP con las expresiones regulares. Mis respetos la verdad para este profe. Saludos

Héctor Jaazhiel López Tisnado

student•

15 segundos :face_palm:

Luis Lucho

student•

La explicación de "Escapar la clase, dentro de una clase" (de ^\d{4,4}... a ^[\d]{4,4}...) sólo es un paso necesario en el lenguaje de PERL? o por qué no fue necesario hacerlo así en la expresión usada en esta clase??

Gerson Mejía

student•

me enreda porque no tiene ordenadas las ideas