Hoja de referencia de regex
Una expresión regular (regex) es un patrón que coincide con texto. Cada símbolo, llamado token, cambia el comportamiento del patrón. La hoja de abajo lista los tokens más usados, con su significado en lenguaje claro y un ejemplo pequeño para copiar y probar.
| Token | Significado | Ejemplo |
|---|---|---|
| . | Matches any single character except newline. | a.c matches abc, a c |
| * | Matches the preceding token zero or more times. | ab* matches a, abb |
| + | Matches the preceding token one or more times. | ab+ matches ab, abb |
| ? | Makes the preceding token optional (zero or one). | colou?r matches color, colour |
| [] | Character set: matches any one character inside. | [aeiou] matches any vowel |
| [^] | Negated set: matches any character NOT inside. | [^0-9] matches any non-digit |
| \d | Matches any digit (0-9). | \d+ matches 42, 007 |
| \w | Matches any word character (a-z, A-Z, 0-9, _). | \w+ matches hello_1 |
| \s | Matches any whitespace (space, tab, newline). | a\sb matches a b |
| ^ | Anchors the match to the start of a line/string. | ^Hello matches start of string |
| $ | Anchors the match to the end of a line/string. | world$ matches end of string |
| | | Alternation: matches the pattern on either side. | cat|dog matches cat or dog |
| () | Groups a sub-pattern (and captures it). | (ab)+ matches ab, abab |
| {n,m} | Quantifier: match the preceding token n to m times. | a{2,4} matches aa, aaaa |
| (?i) | Inline flag: makes the pattern case-insensitive. | (?i)hello matches HELLO |
Notas
- La mayoría de los tokens pierden su significado especial dentro de un conjunto [ ]. Por ejemplo, . dentro de [] coincide solo con un punto literal.
- La barra invertida (\) es el carácter de escape: convierte un token especial en un carácter literal y viceversa.
- Los motores difieren: Python, JavaScript, PCRE y Golang comparten la mayoría de tokens, pero las banderas y el soporte de look-around varían.
Preguntas frecuentes
- ¿Qué coincide con el punto (.)?
- Por defecto el punto coincide con cualquier carácter excepto una nueva línea. Para coincidir con un punto literal debes escaparlo como \.
- ¿Cuál es la diferencia entre * y +?
- El asterisco * coincide con el token anterior cero o más veces, así 'ab*' también coincide con 'a'. El más + exige al menos uno, coincidiendo con 'ab' pero no solo con 'a'.
- ¿Cómo coincido con un dígito o un carácter de palabra?
- Usa \d para cualquier dígito (0-9) y \w para cualquier carácter de palabra (letras, dígitos y guion bajo). Sus negaciones son \D y \W.
- ¿Para qué sirven ^ y $?
- ^ fija la coincidencia al inicio de la cadena o línea; $ la fija al final. Juntos, ^patrón$ obliga a que coincida toda la cadena.