Expresiones regulares

Resto de entradas con intenciones didácticas en la etiqueta Aprendizaje.

El de las expresiones regulares es uno de los capítulos más farragosos de los sistemas GNU/Linux pero que más atención merece, y dominarlas supone extender muy mucho las prestaciones de la consola de comandos. Vendrían a ser como una versión avanzada de los caracteres comodín y unas posibilidades exponencialmente mayores.

No tiene mayor secreto que aprenderlas y, luego, practicar para averiguar hasta qué punto podemos usarlas en búsquedas, sustituciones de texto o scripts. Las dividiremos en metacaracteres, anclas y multiplicadores.

Metacaracteres
Son conjuntos de caracteres dentro de una expresión regular y con un significado o función específicos

. : equivale a cualquier carácter.

( ) : sirve para agrupar patrones (subexpresiones o grupos).

[ ] : equivale a un carácter cualquiera de los contenidos entre corchetes.

[ - ] : equivale a un rango de caracteres.

[^ ] : excluye los caracteres que figuran entre corchetes.

{ } : introduce patrones de repetición. 

| : permite elegir entre dos expresiones.

// : delimita una expresión regular. 

\ : equivale a cualquier carácter excepto fin de línea.

\w: equivale a cualquier carácter alfanumérico y carácter _.

\W: equivale a cualquier carácter no alfanumérico.

\d: equivale a cualquier dígito.

\D: equivale a cualquier carácter no dígito.

\S: equivale a cualquier carácter menos espacio en blanco.

i: modificador para no distinguir entre mayúsculas y minúsculas.

!: excluye el carácter siguiente. 

Veamos algunos ejemplos:

[a-z]: equivale a un rango de letras minúsculas entre la a y la z.

[0-9]: equivale a un rango de dígitos entre 0 y 9.

[A-Za-z]: equivale a una letra cualquiera, ya sea mayúscula o minúscula. 

[A-Z][a-z]: equivale a una letra mayúscula seguida de una minúscula. 

[^c]: excluye el carácter c, cualquier letra que no sea la c.

[^aeiou]: excluye las vocales, es decir, equivale a cualquier consonante.

[a|b]: equivale a la letra a o a la letra b.

\w: equivale a [a-zA-Z0-9_].

\W: equivale a [^a-zA-Z0-9_].

/hola/i: representa "hola" sin distinguir mayúsculas y minúsculas.

\d: equivale a [0-9].

[!a-c]: equivale letra minúscula que no es ni a ni b ni c.

Anclas
Se refieren a la posición de la cadena.

^: comienzo de línea.

$: final de línea.

\b: principio o final de palabra.

\B: posición que no es ni al comienzo ni al final de la palabra.

<>: equivale a una palabra. 

Multiplicadores
Aluden a cuantas veces aparece en la cadena.

*: repite entre cero y más veces el carácter o subexpresión previos.

+: repite entre uno y más veces el carácter o subexpresión previos.

?: repite entre cero y una vez el carácter o subexpresión previos.

{n}: repite "n" veces el carácter o subexpresión previos. 

{n,m}: repite entre "n" y "m" veces el carácter o subexpresión previos. 

{n,}: repite al menos "n" veces el carácter o subexpresión previos. 

Sigamos con los ejemplos de anclas y multiplicadores:

^[aeiou]: una vocal al comienzo de una línea.

[aeiou]$: una vocal al final de una línea.

hola$: "hola" al final de una línea.

^$: línea vacía.

\balon: "balon" al principio o final de línea.

hola*: "hol", "hola", "holaa".

[a-z]*: una palabra en minúsculas.

^Una vez*arbol$: una línea que comienza con "una vez" y termina con "arbol".

^Una vez*[Aa]rbol$: una línea que comienza con "una vez" y termina con "Arbol" o "arbol".

hola+: "hola", "holaa", "holaaa", etc.

a{4}: "aaaa".

a{2,4}: "aa", "aaa", "aaaa".

a{2,}: "aa", "aaa", "aaaa", etc.

Lo se, un post como este valdría para ahuyentar a cualquier novato que quisiera entrar en el mundo de GNU/Linux. Quizá las expresiones regulares no sean necesarias para administrar una red doméstica o de una pequeña PYME, pero a niveles más avanzados son muy utilizadas y hacerse con ellas es fundamental. Recomiendo usar Google para encontrar construcciones más complejas y sus correspondientes explicaciones. Les dejo con un vídeo tutorial donde les explican un uso se le puede dar a las expresiones regulares.