- Introducción
- El lenguaje
- Caracter (.)
- Clases predefinidas y construídas
- Los delimitadores: +, *, ?
- Los contadores {1,4}
- El caso de (?) como delimitador
- Not (^), su uso y sus peligros
- Otras clases preconstruidas
- Principio (^) y final de linea ($)
- Principales aplicaciones
- Búsqueda y reemplazo
- Uso de REGEX para descomponer querys GET
- Expresiones en los lenguajes de programación
- RegEX Cheat Sheet
Las expresiones regulares son patrones de caracteres que te permiten ir seleccionando o descartando datos en un archivo de texto como por ejemplo csv, o en una línea o un input, según coincidan o nó con este patrón.
Prácticamente todos los lenguajes de programación tienen librerías o módulos para manejar expresiones regulares.
Las expresiones regulares pueden ser muy complejas pero no son nada difíciles de entender.
A través de este curso, sin tecnicismos y con ejemplos puntuales, vamos a aprender a utilizarlas para que sean esa herramienta que siempre nos ayude, y sea la primera para solucionar problemas de grandes cantidades de datos en string.
Buscar e investigar sobre Expresiones Regulares puede ser muy intimidante.
/^(.){5}\w?[a-Z|A-Z|0-9]$/ig
En serio pueden parecer muy, muy raras; pero la verdad es que no lo son.
- Buscar patrones entre palabras
- Encontrar solo numeros
- Encontrar solo ciertos caracteres
- Busquedas en grandes cantidades de texto
- Validaciones
Con las expresiones regulares vamos a solucionar problemas reales, problemas del día a día.
¿Qué pasa si queremos buscar en un texto (txt, csv, log, cualquiera), todos los números de teléfonos que hay?
Tendríamos que considerar por ejemplo, que un teléfono de México serían 10 dígitos; hay quienes los separan con guión, hay quienes los separan con puntos, hay quienes no los separan sino que tienen los 10 dígitos exactos, y este patrón puede cambiar para otros países.
Esto mismo sucede con números de tarjetas de crédito, códigos postales, dirección de correos, formatos de fechas o montos, etc.
Archivo de texto: Puede ser un csv o un txt
Cadena de caracteres: Es un carácter ASCII generalmente, seguido de otro carácter y de otro. No todos son visibles, el espacio por ejemplo. Cada carácter es un carácter.
Encuentrame todo lo que sea un carácter
Las búsquedas en las expresiones regulares funcionan en múltiplos de la cantidad de caracteres que explícitamente indicamos.
Encuentra todos los dígitos de 0 a 9. \d es equivalente a poner [0-9].
Si en vez de \d, usamos por ejemplo [0-2] nos encontrará solamente los dígitos de 0 a 2.
Podemos usar \D para encontrar justo lo contrario, todo lo que no son dígitos.
Encuentra todo lo que puede ser parte de una palabra, tanto letras (minúsculas o mayúsculas) como números.
\w es equivalente a poner [a-zA-Z0-9_].
Si en vez de \w, usamos por ejemplo [a-zA-Z] nos encontrará solamente las letras.
Podemos usar \W para encontrar justo lo contrario, todos los caracteres que no son parte de palabras.
Encuentra todos los espacios (los saltos de línea también son espacios). Podemos usar \S para encontrar justo lo contrario, todo lo que no son espacios.
\ escapa caracteres especiales
- (*): Cero o más veces
- (?): Cero o una sola vez
- (+): una o más veces.
Aplican al carácter o sentencia que preceden
- [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.
Podemos generalizar nuestras búsquedas, a ser específicos cubriendo grandes cantidades de caracteres sin tener que escribir de forma repetitiva como sería poner por ejemplo “\d\d\d\d\d\d\d\d…”
Aplicando a un carácter que lo preceda se puede colocar entre llaves de esta forma, para indicarle que busque la cantidad deseada de caracteres.
{Cota inferiror, Cota superior}
Ejemplo:
\d{0,2}: Esto buscara 0, 1, 2 dígitos \d{2,2}: Esto buscara 2 dígitos \d{2}: Esto buscara 2 dígitos \d{2,}: Esto buscara 2 o más dígitos. \d{2,4}: Esto buscara 2, 3, 4 dígitos.
El ? indica al patrón que encuentre las coincidencias de manera rápida (o greedy); es decir, devolviendo el resultado más pequeño que haga match hasta donde se encuentra el delimitador, y esto lo haga tantas veces como sea posible dentro de la cadena.
.+?[,\n]{1,1}
Este caracter nos permite negar una clase o construir anticlases, vamos a llamarlo así, que es: toda la serie de caracteres que no queremos que entren en nuestro resultado de búsqueda.
Para esto definimos una clase, por ejemplo: [ 0-9 ], y la negamos [ ^0-9 ] para buscar todos los caracteres que coincidan con cualquier caracter que no sea 0,1,2,3,4,5,6,7,8 ó 9
Otra cosa es poner lo siguiente
\t — Representa un tabulador. \r — Representa el “retorno de carro” o “regreso al inicio” o sea el lugar en que la línea vuelve a iniciar. \n — Representa la “nueva línea” el carácter por medio del cual una línea da inicio. Es necesario recordar que en Windows es necesaria una combinación de \r\n para comenzar una nueva línea, mientras que en Unix solamente se usa \n y en Mac_OS clásico se usa solamente \r. \a — Representa una “campana” o “beep” que se produce al imprimir este carácter. \e — Representa la tecla “Esc” o “Escape” \f — Representa un salto de página \v — Representa un tabulador vertical \x — Se utiliza para representar caracteres ASCII o ANSI si conoce su código. De esta forma, si se busca el símbolo de derechos de autor y la fuente en la que se busca utiliza el conjunto de caracteres Latin-1 es posible encontrarlo utilizando “\xA9”. \u — Se utiliza para representar caracteres Unicode si se conoce su código. “\u00A2” representa el símbolo de centavos. No todos los motores de Expresiones Regulares soportan Unicode. El .Net Framework lo hace, pero el EditPad Pro no, por ejemplo. \d — Representa un dígito del 0 al 9. \w — Representa cualquier carácter alfanumérico. \s — Representa un espacio en blanco. \D — Representa cualquier carácter que no sea un dígito del 0 al 9. \W — Representa cualquier carácter no alfanumérico. \S — Representa cualquier carácter que no sea un espacio en blanco. \A — Representa el inicio de la cadena. No un carácter sino una posición. \Z — Representa el final de la cadena. No un carácter sino una posición. \b — Marca la posición de una palabra limitada por espacios en blanco, puntuación o el inicio/final de una cadena. \B — Marca la posición entre dos caracteres alfanuméricos o dos no-alfanuméricos.
Estos dos caracteres indican en qué posición de la línea debe hacerse la búsqueda:
- el ^ se utiliza para indicar el principio de línea
- el $ se utiliza para indicar final de línea
^ ------------- $
Las expresiones regulares son muy útiles para encontrar líneas específicas que nos dicen algo muy puntual dentro de los archivos de logs que pueden llegar a tener millones de líneas.
Una de las cosas que más vamos a usar en la vida, seamos frontend o backend, serán directamente dominios o direcciones de internet; ya sea direcciones completas de archivo (una url) o puntualmente dominios para ver si es correcto un mail o no.
https://en.wikipedia.org/wiki/List_of_Internet_top-level_domains
Quedamos en que ya podemos definir URLs, y dentro de las URLs están los dominios. No es infalible, pero es muy útil para detectar la gran mayoría de errores que cometen los usuarios al escribir sus emails.
Esta clase nos va a servir para ver unos tips comunes de qué hacer y sobre todo qué no hacer con expresiones regulares, usando como ejemplo datos de posicionamiento en el mapa: latitud y longitud.
https://what3words.com/snack.wages.verdict
-99.205646,19.429707,2275.10 -99.205581, 19.429652,2275.10 -99.204654,19.428952,2275.58
^\-?\d{1,3}\.\d{1,6},\s?\-?\d{1,3}\.\d{1,6},.*$
-99 12' 34.08"W, 19 34' 56.98"N -34 54' 32.00"E, -3 21' 67.00"S
^\-?\d{1,3}\s\d{1,2}'\s\d{1,2}\.\d{2,2}"[WE],\s?\-?\d{1,3}\s\d{1,2}'\s\d{1,2}\.\d{2,2}"[NS]$
gravel.notes.handbag reaming.embeds.rats
^[a-z]{3,}\.[a-z]{3,}\.[a-z]{3,}$
https://www.fantasynamegenerators.com/hispanic_names.php
Esto puede ser un ejercicio complejo y no suele ser tan útil
Al igual que una navaja suiza, las expresiones regulares son una herramienta increíblemente útil pero tienes que darle la importancia y las responsabilidades adecuadas a cada una, ya que no son la panacea, no solucionan todos los problemas.
El uso más conveniente de las expresiones regulares es buscar coincidencias o matches de cadenas en un texto, y si es necesario, reemplazarlas con un texto diferente.
Convirtiendolo a SQL
Convertir a un JSON
Los paréntesis () sirven para agrupar caracteres. Tiene algunas diferencias notables a los paréntesis cuadrados. Entre ellas se puede usar caracteres especiales conservan su significado dentro de los paréntesis.
Utilizando dentro del paréntesis una barra "|" podemos separar y hacer búsquedas similares. Ejemplo: (este|oeste|norte|sur)
Al hacer consultas a sitios web mediante el método GET se envían todas las variables al servidor a través de la misma URL.
La parte de esta url que viene luego del signo de interrogación ? se le llama query del request que es: variable1=valor1&variable2=valor2&... y así tantas veces como se necesite. En esta clase veremos como extraer estas variables usando expresiones regulares.
En los sistemas operativos basados en UNIX podemos utilizar expresiones regulares a través de la consola mediante los comandos grep y find.
grep: Nos ayuda a buscar dentro de los archivos, textos muy puntuales utilizando una versión muy reducida de expresiones regulares.
find: Se utiliza para encontrar archivos en un determinado directorio a partir de diversas reglas de búsqueda que incluyen expresiones regulares.
