Introducción a las expresiones regulares (Regex)

Las expresiones regulares (Regex) son una secuencia de caracteres que describen un patrón de búsqueda en un texto. Es decir, nos permiten buscar un conjunto específico de caracteres dentro de un texto. Las Regex son muy utilizadas en la programación, especialmente en el procesamiento de texto y validación de datos.

En Python, se utilizan a través del módulo `re`. Un patrón de Regex puede incluir caracteres alfanuméricos, caracteres especiales y metacaracteres. Los metacaracteres son caracteres que tienen un significado especial, como el punto ".", que representa cualquier caracter, o el asterisco "*", que representa cero o más repeticiones de un caracter o patrón.

Las Regex también permite realizar búsquedas más complejas, por ejemplo, buscar patrones que empiecen o terminen con ciertos caracteres, que contengan un número específico de caracteres, o que se encuentren dentro de un rango de caracteres.

En resumen, las expresiones regulares son una herramienta poderosa para buscar y validar textos en Python. Con ellas podemos realizar búsquedas más precisas y complejas, lo que facilita el procesamiento de datos y la obtención de información relevante.

Las expresiones regulares, también conocidas como Regex, son patrones que nos permiten buscar y manipular texto de una manera muy precisa. Se utilizan en prácticamente todos los lenguajes de programación para realizar tareas como búsqueda de patrones, validación de entradas de usuario y extracción de información.

En Python, podemos acceder a las expresiones regulares a través del módulo re. Este módulo nos permite crear patrones que describen las cadenas de caracteres que queremos encontrar, reemplazar o manipular. Hay muchos símbolos y metacaracteres que podemos utilizar en nuestras expresiones regulares, pero para empezar podemos mencionar algunos de los más comunes:

  • . : representa cualquier carácter, excepto un salto de línea.
  • * : se utiliza para representar cero o más caracteres del tipo anterior.
  • + : se utiliza para representar uno o más caracteres del tipo anterior.
  • ? : se utiliza para representar cero o uno caracteres del tipo anterior.
  • ^ : representa el inicio de una cadena.
  • $ : representa el final de una cadena.

Por ejemplo, si queremos buscar todas las palabras de una cadena que comienzan con la letra "a", podemos utilizar el siguiente patrón:


import re 
cadena = "anaconda abogado angelico avion"
patron = r"\b(a\w*)"
resultado = re.findall(patron, cadena)
print(resultado)
# ['anaconda', 'abogado', 'angelico']

En este ejemplo, la expresión regular r"\b(a\w*)" busca todas las palabras que comienzan con la letra "a" seguida de cero o más caracteres alfanuméricos. El metacaracter \b define un límite de palabra, lo que significa que sólo encontraremos palabras que comiencen con "a" y no se incluirán palabras que contengan "a" en el medio.

Es importante señalar que la sintaxis de las expresiones regulares puede ser muy compleja y puede variar según el lenguaje de programación utilizado. Así que, es recomendable investigar y practicar bastante para poder utilizarlas con eficacia.

Supongamos que tienes un conjunto de texto que contiene varias direcciones de correo electrónico y necesitas extraer únicamente las direcciones que tienen el dominio "@gmail.com". Para resolver este problema con Regex y Python, puedes seguir estos pasos:

 

  1. Importa el módulo "re" de Python, que proporciona funcionalidad de regex.
  2. Utiliza la función "re.findall()" para buscar todas las coincidencias en el texto que correspondan a la expresión regular que estás buscando.
  3. Define la expresión regular que necesitas, usando los patrones y metacaracteres de Regex. En este caso, la expresión regular sería: "\b[A-Za-z0-9._%+-]+@gmail.com\b"
  4. Aplica la función "re.findall()" en tu texto y pasa como parámetro la expresión regular que acabas de definir. De esta manera, se devolverá una lista de todas las direcciones de correo electrónico que contengan "@gmail.com".

Este el código en Python para usar Regex y encontrar las direcciones de correo electrónico con dominio "@gmail.com" dentro del texto:


import re
texto = "Mi dirección de correo es user1@gmail.com y la dirección de mi amigo es user2@yahoo.com"
expresion_regular = r"\b[A-Za-z0-9._%+-]+@gmail.com\b"
direcciones_gmail = re.findall(expresion_regular, texto)
print(direcciones_gmail)

La salida será: ['user1@gmail.com']

En este ejemplo, se utilizó la función "re.findall()" para buscar todas las direcciones de correo electrónico que tengan el dominio "@gmail.com".

La expresión regular utilizada define un patrón que comienza con una palabra (\b), luego tiene una serie de caracteres que pueden formar una dirección de correo electrónico, y finalmente se asegura de que la dirección termine con el dominio "@gmail.com" y no tenga ningún otro carácter al final (\b).

Un ejemplo práctico en Python de cómo usar las expresiones regulares (Regex) para buscar patrones en un texto: Supongamos que tenemos el siguiente texto:

``` El número telefónico de la empresa es (555) 123-4567 y su dirección de correo electrónico es info@empresa.com ```

Queremos extraer el número telefónico y el correo electrónico de este texto mediante el uso de expresiones regulares.

Código en Python:


import re
texto = "El número telefónico de la empresa es (555) 123-4567 y su dirección de correo electrónico es info@empresa.com"
# Buscar número telefónico
telefono = re.search(r"\(\d{3}\) \d{3}-\d{4}", texto)
if telefono:
   print("Número telefónico encontrado:", telefono.group())
# Buscar correo electrónico
correo = re.search(r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b", texto)  
if correo:
   print("Correo electrónico encontrado:", correo.group())

En este ejemplo, usamos la función `search` del módulo `re` para buscar patrones dentro del texto.

Para el patrón del número telefónico, usamos `r"\(\d{3}\) \d{3}-\d{4}"`, que busca un número con el formato `(555) 123-4567`.

Para el patrón del correo electrónico, usamos `r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"`, que es un patrón más complejo para encontrar direcciones de correo electrónico válidas. Al ejecutar este código, deberíamos ver el número telefónico y el correo electrónico extraídos del texto.