Expresiones Regulares

Que son las Expresiones Regulares

Las expresiones regulares son una serie de carácteres que forman un patrón, normalmente representativo de otro grupo de carácteres mayor, de tal forma que podemos comparar el patrón con otro conjunto de carácteres para ver las coincidencias.

Las expresiones regulares estan 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.

Unos ejemplos simplificados:

<?php
 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 (<em>pattern</em>) -que en este ejemplo es la secuencia de letras ‘am’- con una cadena (<em>subject</em>) y ver si dentro de ella existe la misma secuencia. Si existe, decimos que hemos encontrado una <em>coincidencia</em> (match, en inglés).

Otro ejemplo:

patrón: <span style=”color: #ff0000;”>el</span>
<span style=”color: #ff0000;”>el</span> ala aleve d<span style=”color: #ff0000;”>el</span> leve abanico

Hasta ahora los ejemplos han sido sencillos, ya que los <em>patrones</em> usados eran <strong>literales</strong>, es decir que solo encontramos <em>coincidencias</em> 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. Asi, si en una lista de nombres buscamos los datos del usuario <em>pepe</em> podemos usar <em>pepe</em> como patrón. Pero si ademas de <em>pepe</em> nos interesa encontrar ocurrencias de <em>pepa</em> y <em>pepito</em> 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 <a href=”http://es2.php.net/manual/en/ref.strings.php” target=”_blank”>funciones de cadena</a>) que trabajan mas eficaz y rapidamente con literales.

<strong>Caracteres y meta caracteres</strong>

Nuestro patrón puede estar formado por un conjunto de carácteres (un grupo de letras, numeros o signos) o por <strong>meta caracteres</strong> que representan otros carácteres, 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 aqui la lista de meta caracteres mas usados:

. * ? + [ ] ( ) { } ^ $ | \

En estas páginas iremos viendo su utilización, agrupandolos segun su finalidad.

<strong>Meta caracteres de posicionamiento, o anclas</strong>

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 <em>al principio</em> de la cadena de carácteres comparada. Cuando usamos el signo $ estamos indicando que el patrón debe aparecer <em>al final</em> del conjunto de carácteres. O mas exactamente, antes de un caracter de <em>nueva linea</em>
Asi:

 <?php

 ^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 devolveran 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 aqui 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, tendriamos que buscar “co”:

patrón: co$
con el ala aleve del leve abanico

Hemos comenzado por unos metacaracteres especiales, ya que ^ $ no representan otros carácteres, sino posiciones en una cadena. Por eso, se conocen tambien 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$

Fijate 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.

metacaracteres cuantificadores

Los metacaracteres que hemos visto ahora nos informan si nuestro patron coincide con la cadena a comparar. Pero ¿y si queremos comparar con nuestra cadena un patrón que puede estar una o mas veces, o puede no estar ? Para esto usamos un tipo especial de meta carácteres: los multiplicadores.

Estos metacaracteres que se aplican al caracter o grupo de caracteres que les preceden indican en que número deben encontrarse presentes en la cadena para que haya una ocurrencia.

Por ello se llaman cuantificadores o multiplicadores. Los mas usados son * ? +

 <?php

 *     // coincide si el caracter (o grupo de caracteres) que le
 // precede esta presente 0 o mas veces
 // ab* coincide con "a", "ab", "abbb", etc.
 //ejemplo:
 cant*a    // coincide con canta, cana, cantttta

 ?     // coincide si el carácter (o grupo de caracteres) que precede
 // esta presente 0 o 1 vez
 // ab? coincide con "a", "ab", no coincide con "abb"
 // ejemplo:
 cant?a       // coincide con canta y cana
 d?el         // coincide con del y el
 (ala)?cena   // coincide con cena y alacena

 +     // coincide si el carácter (o grupo) que le precede está
 // presente al menos 1 o mas veces.
 // ab+ coincide con "ab", "abbb", etc. No coincide con "a"
 //ejemplo:
 cant+a  // coincide con canta, canttttta, NO coincide con
 // cana
 ?>
 

patrón: ‘a*le’
el ala aleve del leve abanico

patrón: ‘ ?le’
el ala aleve del leve abanico

patrón: ‘ +le’
el ala aleve del leve abanico

Ademas de estos cuantificadores sencillos tambien podemos especificar el numero de veces máximo y mínimo que debe darse para que haya una ocurrencia:

patrón: (.a){2}
el ala aleve del leve abanico

 <?php
 {x,y}     // coincide si la letra (o grupo) que le precede esta presente
 // un minimo "x" veces y como máximo "y" veces
 // "ab{2}" coincide con "abb": exactamente dos ocurrencias de "b"
 // "ab{2,}" coincide con "abb", "abbbb" ... Como mínimo dos
 // ocurrencias de b, máximo indefinido
 // "ab{3,5}" coincide con "abbb", "abbbb", o "abbbbb": Como minimo
 // dos ocurrencias, como máximo 5

 a{2,3}    // coincide con casaa, casaaa

 a{2, }    // coincide con cualquier palabra que tenga al
 // menos dos "a" o mas: casaa o casaaaaaa, no con casa

 a{0,3}    // coincide con cualquier palabra que tenga 3 o
 // menos letras "a".
 // NOTA: puedes dejar sin especificar el valor máximo. NO
 // puedes dejar el valor inicial vacío

 a{5}      // exactamente 5 letras "a"
 ?>

Por tanto, los cuantificadores * + ? pueden también ser expresados así:

* equivale a {0,} (0 o mas veces)
+ equivale a {1,} (1 o mas veces)
? equivale a {0,1} (0 o 1 vez)