Expresiones regulares

Tienes dos problemas. ,-)

Si quieres utilizarlas lo mejor es meter unas muestras de los textos que quieres analizar en un editor de textos que permita buscar por expresiones regulares (Sublime, Atom, …) y probar desde ahí. Pero para entender lo que estas haciendo la página de Odio las Expresiones Regulares http://ihateregex.io/ es increible. Yo era uno de esos… y ahora alucino con su potencial.

Metacarácter	Descripción
.	Cualquier carácter excepto salto de linea
*	Indica que el carácter precedente puede ocurri 0 o más veces.
+	Indica que el carácter precedente puede ocurri 1 o más veces.
?	Indica que el carácter precedente puede ocurrir 0 o 1 vez. Hace que el metacaracter anterior sea perezoso (lazy).
[	Abre un set de caracteres
]	Cierra un set de caracteres
^	Niega un set de caracteres ( como en [^0-9] )
–	Define un set de caracteres ( de 0 a 9: [0-9] )
{	Comienza la repetición cuantificada del carácter precedente {min,max}
}	Acaba la repetición cuantificada del carácter precedente {min,max}
(	El comienzo de un grupo de caracteres.
)	El fin de un grupo de caracteres.
|	Alterna entre uno y otro carácter
	El carácter de escape (Escape character)

Characters específicos

Carácter	Descripción	Equivalente
w	Encuentra un carácter alfanumérico, incluido el guión bajo ( _ )	[a-z A-Z0-9_]
W	Encuentra cualquier carácter NO alfanumérico	[^a-z A-Z0-9_]
d	Encuentra un dígito	[0-9]
D	Encuentra cualquier carácter que NO es un dígito.	[^0-9]
s	Encuentra un espacio en blanco	[ trn]
S	Encuentra cualquier carácter que NO es un espacio en blanco.	[^ trn]
b	Encuentra una coincidencia al inicio o al final de una palabra.
B	Encuentra una coincidencia que NO està al inicio o al final de una palabra.
	Encuentra un carácter NUL
n	Salto de línea (new line)
f	Salto de página (feed)
r	Retorno de carro (return)
t	Tabulador
v	Tabulador vertical
xxx	Representa un carácter especificado por un número octal xxx
xdd	Representa un carácter especificado por un número hexadecimal dd
uxxxx	Representa un carácter Unicode especificado por un número hexadecimal xxxx

Declaraciones
(Assertions)

	Descripción
?=	declaración positiva de búsqueda hacia delante (positive lookahead assertion)
	/(?=prematuro)pre/ encuentra pre de prematuro pero no pre de precavido
	/pre(?=maturo)/ encuentra pre de prematuro pero no pre de precavido
?!	declaración negativa de búsqueda hacia delante (negative lookahead assertion)
	/(?!prematuro)pre/ encuentra pre pero no de prematuro
	/pre(?!maturo)/ encuentra pre pero no de prematuro
?<=	declaración positiva de búsqueda hacia atras (positivee lookbehind assertion) Soporte: Si: .NET, Java, Perl, PHP, Python, Ruby 1.9 No:.JavaScript, Ruby 1.8, Unix
	/(?<=balon)mano/ encuentra -mano de balonmano pero no de antemano
?<!	declaración negativa de búsqueda hacia atras (negative lookbehind assertion) Soporte: Si: .NET, Java, Perl, PHP, Python, Ruby 1.9 No:.JavaScript, Ruby 1.8, Unix
	/(?<!balon)mano/ encuentra -mano pero no de balonmano

Comodines UNICODE

Soporte:
Si: Java, .NET, Perl, PHP, Ruby
No: JavaScript, Python, Unix

	Descripción
X	Carácter comodin Unicode. Encuentra cualquier carácter incluso salto de linea.
p{xx}	Un carácter con la propiedad xx
P{xx}	Un carácter sin la propiedad xx
M	p{M} Marca (acentos, tilde…etc)
L	p{L} Letra (incluye las letras accentuadas, la ñ…etc)
N	p{N} Numero
S	p{S} Símbolo
C	p{C} Otros

Modificadores	Descripción
i	Insensible a las mayúsculas y minúsculas W (case insensitive)
g	Busqueda global (global match)
m	Busqueda en multiples líneas de texto. (Multiple lines)
s	Incluye saltos de línea. Sin él, las nuevas líneas son excluidas.

Clases de Carácteres (Ranges)

Expression	Descripción
[abc]	Encuentra uno de los caracteres entre corchetes
[^abc]	Encuentra cualquier carácter que NO esté entre corchetes
[0-9]	Encuentra un dígito de 0 a 9
[^0-9]	Encuentra cualquier carácter que NO sea un dígito de 0 a 9
[A-Z]	Encuentra cualquier carácter de A mayuscula a Z mayuscula
[a-z]	Encuentra cualquier carácter de a minuscula a z minuscula
[A-z]	Encuentra cualquier carácter de A mayuscula a z minuscula
[adgk]	Encuentra uno de los caracteres entre corchetes
[^adgk]	Encuentra cualquier carácter que NO esté entre corchetes
(a|b)	a o b
(…)	Se utilizan para agrupar partes de una expresión.

Cuantificadores

El metacarácter ? (detras de otro metacarácter) hace que una expresión regular, habitualmente codiciosa (greedy), se convierta en perezosa (lazy), y resulte en la cadena más corta posible que coincida con ella.

Greedy	Lazy	Descripcion
*	*?	0 o más veces
+	+?	1 o más veces
?	??	0 o 1 veces
{ n }	{ n }?	n veces
{ n ,}	{ n ,}?	n o más veces
{ n , m }	{ n , m }?	De n a m veces

Anclas

Metacarácter	Descripción
^	Comienzo de una línea
$	Final de una línea
A	Comienzo de una cadena de texto (string). Nunca final de línea. (Soporte: Java, .NET, Perl,PHP, Python,Ruby)
Z	Fin de cadena de texto (string). Nunca final de línea. (Soporte: Java, .NET, Perl,PHP, Python,Ruby)
b	Principio o final de palabra (Word boundary)
B	NO al principio o al final de una palabra

Retroreferencias (backreference)

Para designar una retroreferencia (backreference), a veces utilizamos la barra inversa (  ), otras veces el dólar ( $ ), dependiendo del lenguaje que se utilice.

	Descripción
$n	n	n-ésimo grupo no pasivo (no-passive group)
$2	2	«xyz» en /^ (abc)(xyz) $/
$2	2	«xyz» en /^ (abc(xyz)) $/
?		cambia el significado del grupo
:		el significado del grupo es: pasivo
?:		especifica un grupo pasivo (passive group / non-capturing group)
$1	1	«xyz» en /^ (?:abc)(xyz) $/ (porque el primer grupo es pasivo)

POSIX
(Portable Operating System Interface)

Manera correcta de utilizarlos:
[[:alpha:]] or [^[:alpha:]].

Soporte:
SI: Perl, PHP, Ruby, Unix
NO: Java, JavaScript, .NET, Python

POSIX	Descripción
[:alpha:]	Caracteres alfabeticos [a-zA-Z]
[:digit:]	Dígitos [0-9]
[:alnum:]	Caracteres alfanuméricos [a-zA-Z0-9]
[:lower:]	Letras minúsculas [a-z]
[:upper:]	Letras mayúsculas [A-Z]
[:word:]	Letras, números y el guion bajo [A-Za-z0-9_]
[:punct:]	Punctuacion y símbolos. [!»#$%&'()*+,-./:;<=>?@[\]^_`{|}~]
[:space:]	Espacios en blanco, incluido <br /> [ trnvf]
[:blank:]	Espacio y tabulador [ t]
[:print:]	Caracteres visibles y espacios (i.e: excepto los carácteres de control) [x20-x7E]
[:graph:]	Caracteres visibles (i.e: excepto espacios, carácteres de control, etc.) [x21-x7E]
[:xdigit:]	Dígitos hexadecimales [A-Fa-f0-9]
[:ascii:]	Caracteres ASCII [x00-x7F]
[:cntrl:]	Caracteres de control [x00-x1Fx7F]