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 (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. Asi,
si en una lista de nombres buscamos los datos del usuario pepe podemos
usar pepe como patrón. Pero si ademas 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 rapidamente con
literales.
Caracteres y meta caracteres
Nuestro
patrón puede estar formado por un conjunto de carácteres (un grupo de
letras, numeros o signos) o por meta caracteres 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:
. * ? + [ ] ( ) { } ^ $ |
Iremos viendo su utilización, agrupandolos segun 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 carácteres comparada.
Cuando usamos el signo $ estamos indicando que el patrón debe aparecer
al final del conjunto de carácteres. O mas exactamente, antes de un
caracter de nueva linea 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.
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)