Expresiones regulares
description
Transcript of 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