Las expresiones regulares son una serie de caracteres que forman un patrón, normalmente representativo de otro grupo de caracteres mayor, de tal forma que podemos comparar el patrón con otro conjunto de caracteres para ver las coincidencias.
Las expresiones regulares están disponibles en casi cualquier lenguaje de programación, pero aunque su sintaxis es relativamente uniforme, cada lenguaje usa su propio dialecto.
Si es la primera vez que te acercas al concepto de expresiones regulares (regex para abreviar) te animará saber que seguro que ya las has usado, aún sin saberlo, al menos en su vertiente mas básica. Por ejemplo, cuando en una ventana DOS ejecutamos dir . para obtener un listado de todos los archivos de un directorio, estamos utilizando el concepto de expresiones regulares, donde el patrón * coincide con cualquier cadena de caracteres.
EJEMPLOS EN CODIGO
<? am // este es nuestro patrón. Si lo comparamos con:
am // coincide
panorama // coincide
ambicion // coincide
campamento // coincide
mano // no coincide?>Se trata sencillamente de ir cotejando un patrón (pattern) -que en este ejemplo es la secuencia de letras ‘am’- con una cadena (subject) y ver si dentro de ella existe la misma secuencia. Si existe, decimos que hemos encontrado una coincidencia (match, en inglés).
OTRO EJEMPLO
patrón: el
el ala aleve del leve abanico
Hasta ahora los ejemplos han sido sencillos, ya que los patrones usados eran literales, es decir que solo encontramos coincidencias cuando hay una ocurrencia exacta.
Si sabemos de antemano la cadena exacta a buscar, no es necesario quebrarse con un patrón complicado, podemos usar como patrón la exacta cadena que buscamos, y esa y no otra será la que de coincidencia. Así, si en una lista de nombres buscamos los datos del usuario pepe podemos usar pepe como patrón. Pero si además de pepe nos interesa encontrar ocurrencias de pepa y pepito los literales no son suficientes.
El poder de las expresiones regulares radica precisamente en la flexibilidad de los patrones, que pueden ser confrontados con cualquier palabra o cadena de texto que tenga una estructura conocida.
De hecho normalmente no es necesario usar funciones de expresiones regulares si vamos a usar patrones literales. Existen otras funciones (las funciones de cadena) que trabajan mas eficaz y rápidamente con literales.
CARACTERES Y META CARACTERES
Nuestro patrón puede estar formado por un conjunto de caracteres (un grupo de letras, números o signos) o por meta caracteres que representan otros caracteres, o permiten una búsqueda contextual.
Los meta-caracteres reciben este nombre porque no se representan a ellos mismos, sino que son interpretados de una manera especial.
He aquí la lista de meta caracteres mas usados:
. * ? + [ ] ( ) { } ^ $ | \
Iremos viendo su utilización, agrupándolos según su finalidad.
Meta caracteres de posicionamiento, o anclas
Los signos ^ y $ sirven para indicar donde debe estar situado nuestro patrón dentro de la cadena para considerar que existe una coincidencia.
Cuando usamos el signo ^ queremos decir que el patrón debe aparecer al principio de la cadena de caracteres comparada. Cuando usamos el signo $ estamos indicando que el patrón debe aparecer al final del conjunto de caracteres. O mas exactamente, antes de un carácter de nueva linea Así:
<?
^am // nuestro patrón
am // coincide
cama // no coincide
ambidiestro // coincide
Pam // no coincide
caramba // no coincide
am$
am // coincide
salam // coincide
ambar // no coincide
Pam // coincide
^am$
am // coincide
salam // no coincide
ambar // no coincide?>o como en el ejemplo anterior:
patrón: ^el
el ala aleve del leve abanico
Las expresiones regulares que usan anclas solo devolverán una ocurrencia, ya que por ejemplo, solo puede existir una secuencia el al comienzo de la cadena.
patrón: el$
el ala aleve del leve abanico
Y aquí no encontramos ninguna, ya que en la cadena a comparar (la linea en este caso) el patrón “el” no está situado al final.
Para mostrar una coincidencia en este ejemplo, tendríamos que buscar “co”:
patrón: co$
con el ala aleve del leve abanico
Hemos comenzado por unos meta caracteres especiales, ya que ^ $ no representan otros caracteres, sino posiciones en una cadena. Por eso, se conocen también como anchors o anclas.
Escapando caracteres
Puede suceder que necesitemos incluir en nuestro patrón algun metacaracter como signo literal, es decir, por si mismo y no por lo que representa. Para indicar esta finalidad usaremos un carácter de escape, la barra invertida .
Así, un patrón definido como 12$ no coincide con una cadena terminada en 12, y sí con 12$:
patrón: 100$
el ala aleve del leve abanico cuesta 100$
patrón: 100$
el ala aleve del leve abanico cuesta 100$
Fíjate en los ejemplos anteriores. En el primero, no hay coincidencia, porque se interpreta “busca una secuencia consistente en el número 100 al final de la cadena”, y la cadena no termina en 100, sino en 100$.
Para especificar que buscamos la cadena 100$, debemos escapar el signo $
Como regla general, la barra invertida \ convierte en normales caracteres especiales, y hace especiales caracteres normales.
El punto . como metacaracter
Si un metacaracter es un caracter que puede representar a otros, entonces el punto es el metacaracter por excelencia. Un punto en el patrón representa cualquier caracter excepto nueva línea.
Y como acabamos de ver, si lo que queremos buscar en la cadena es precisamente un punto, deberemos escaparlo: .
patrón: '.l’
el ala aleve del leve abanico
Observa en el ejemplo anterior como el patrón es cualquier caracter (incluido el de espacio en blanco) seguido de una l.
