Aprende Regex Syntax and Basic Patterns | Introducción a las expresiones regulares

Desliza para mostrar el menú

Sintaxis de Regex: Elementos Fundamentales

Las expresiones regulares, o regex, se construyen utilizando una combinación de literales, metacaracteres, clases de caracteres y cuantificadores. Comprender estos componentes es esencial para escribir patrones efectivos.

Literales son caracteres ordinarios que coinciden consigo mismos. Por ejemplo, el patrón "cat" coincide exactamente con la cadena "cat";
Metacaracteres son símbolos especiales que tienen significados únicos en regex. Los metacaracteres más comunes incluyen:
- . (punto): coincide con cualquier carácter individual excepto un salto de línea;
- ^: coincide con el inicio de una cadena;
- $: coincide con el final de una cadena;
- *: coincide con cero o más ocurrencias del elemento anterior;
- +: coincide con una o más ocurrencias del elemento anterior;
- ?: coincide con cero o una ocurrencia del elemento anterior.
Clases de caracteres permiten hacer coincidir cualquier carácter de un conjunto de caracteres. Por ejemplo, [abc] coincide con "a", "b" o "c", y [0-9] coincide con cualquier dígito del 0 al 9.

Metacaracteres y Cuantificadores Útiles Basados en Letras

\w: coincide con cualquier carácter de palabra (equivalente a [a-zA-Z0-9_]). Se utiliza para hacer coincidir letras, dígitos o guiones bajos individuales;
\W: coincide con cualquier carácter que no sea de palabra (cualquier cosa que no coincida con \w);
\d: coincide con cualquier dígito (equivalente a [0-9]);
\D: coincide con cualquier carácter que no sea dígito;
\b: coincide con un límite de palabra (la posición entre un carácter de palabra y uno que no lo es). Se utiliza para hacer coincidir palabras completas;
\B: coincide con una posición que no es un límite de palabra.

Cuantificadores

Los cuantificadores especifican cuántas veces debe ocurrir el elemento anterior:

*: coincide cero o más veces; por ejemplo, \w* coincide con cualquier secuencia de caracteres de palabra, incluida la cadena vacía;
+: coincide una o más veces; por ejemplo, \w+ coincide con una o más caracteres de palabra consecutivos (como una palabra);
?: coincide cero o una vez; por ejemplo, \w? coincide con cero o un carácter de palabra;
{n}: coincide exactamente n veces; por ejemplo, \w{3} coincide exactamente con tres caracteres de palabra seguidos;
{n,}: coincide n o más veces; por ejemplo, \w{2,} coincide con dos o más caracteres de palabra;
{n,m}: coincide entre n y m veces; por ejemplo, \w{2,5} coincide con entre dos y cinco caracteres de palabra seguidos.

Ejemplos en Python

re.findall(r"\w+", "Regex123 is fun!") devuelve todas las palabras: ["Regex123", "is", "fun"];
re.findall(r"\bcat\b", "The cat scattered the catalog.") coincide solo con la palabra aislada "cat";
re.findall(r"\w{5}", "apple banana kiwi") encuentra todas las secuencias de exactamente cinco caracteres de palabra: ["apple", "banan"].

Estos metacaracteres y cuantificadores son esenciales para hacer coincidir letras, palabras y patrones similares a palabras en texto utilizando la biblioteca re de Python.


              123456789101112131415
            
import re

text = "User123, admin42, guestX"

# Find all digits
digits = re.findall(r"[0-9]", text)
print("Digits found:", digits)

# Find all lowercase letters
lowercase_letters = re.findall(r"[a-z]", text)
print("Lowercase letters found:", lowercase_letters)

# Find all uppercase letters
uppercase_letters = re.findall(r"[A-Z]", text)
print("Uppercase letters found:", uppercase_letters)

En este ejemplo, se utiliza la función re.findall() para buscar coincidencias en la cadena "User123, admin42, guestX". El patrón [0-9] coincide con cualquier dígito entre 0 y 9, por lo que encuentra todos los dígitos individuales en el texto. El patrón [a-z] coincide con cualquier letra minúscula de "a" a "z", y [A-Z] coincide con cualquier letra mayúscula de "A" a "Z". Cada clase de caracteres está encerrada entre corchetes, especificando el rango o conjunto de caracteres a coincidir. Estos patrones son fundamentales para extraer tipos específicos de caracteres de un texto.


              123456789101112131415161718192021222324252627
            
import re

text = "Hello_123 world! Regex is fun."

# \w matches any word character (alphanumeric or underscore)
word_chars = re.findall(r"\w", text)
print("Word characters (\\w):", word_chars)

# \W matches any non-word character
non_word_chars = re.findall(r"\W", text)
print("Non-word characters (\\W):", non_word_chars)

# \b matches word boundaries
words = re.findall(r"\b\w+\b", text)
print("Words using word boundaries (\\b):", words)

# * quantifier: zero or more word characters after 'o'
pattern_star = re.findall(r"o\w*", text)
print("'o' followed by zero or more word characters (o\\w*):", pattern_star)

# + quantifier: one or more word characters after 'R'
pattern_plus = re.findall(r"R\w+", text)
print("'R' followed by one or more word characters (R\\w+):", pattern_plus)

# ? quantifier: 'l' optionally followed by 'e'
pattern_question = re.findall(r"le?", text)
print("'l' optionally followed by 'e' (le?):", pattern_question)

Aquí puedes ver cómo usar la función re.findall() de Python con varios patrones regex para extraer información de la cadena "Hello_123 world! Regex is fun.". Esto es lo que hace cada patrón:

\w: El patrón r"\w" coincide con cualquier carácter de palabra, que incluye letras (mayúsculas y minúsculas), dígitos y el guion bajo (_). En la cadena dada, encuentra cada carácter de palabra individual, como 'H', 'e', 'l', 'o', '1', '2', '3', etc.
\W: El patrón r"\W" coincide con cualquier carácter que no sea de palabra. Esto incluye espacios, signos de puntuación y símbolos que no son letras, dígitos ni guiones bajos. En la cadena, encuentra caracteres como espacios, el signo de exclamación (!) y el punto (.).
\b: El patrón r"\b\w+\b" utiliza límites de palabra (\b) para coincidir con palabras completas. Aquí, \w+ coincide con uno o más caracteres de palabra, por lo que extrae palabras completas como 'Hello_123', 'world', 'Regex', 'is' y 'fun' como elementos separados.
Cuantificador *: El patrón r"o\w*" coincide con el carácter 'o' seguido de cero o más caracteres de palabra. Esto significa que coincidirá con 'o' aunque no esté seguido de ningún carácter de palabra, o capturará una secuencia que comience con 'o' y continúe con cualquier carácter de palabra siguiente. En la cadena, encuentra 'o_123' (de 'Hello_123') y 'orld' (de 'world').
Cuantificador +: El patrón r"R\w+" coincide con el carácter 'R' seguido de uno o más caracteres de palabra. Esto es útil para encontrar palabras que comienzan con 'R' y continúan con caracteres de palabra adicionales. En la cadena, encuentra 'Regex'.
Cuantificador ?: El patrón r"le?" coincide con la letra 'l' seguida opcionalmente de 'e'. El cuantificador ? significa que el carácter anterior ('e') puede aparecer cero o una vez. Este patrón coincidirá tanto con 'l' como con 'le' dondequiera que aparezcan en la cadena.

Cada uno de estos patrones resalta una característica clave de las expresiones regulares: coincidencia de tipos de caracteres específicos, límites y elementos repetidos, lo que facilita extraer o analizar información de texto en Python.

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 1. Capítulo 2

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Sección 1. Capítulo 2