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] |