Introducción a las Expresiones Regulares.

Josué Yeray Julián Ferreiro — Mon, 13 Sep 2010 09:28:03 GMT

Revisión actual enviado a Wiki sobre Arquitectura del software en Geeks•ms por Josué Yeray Julián Ferreiro a 9/13/2010 11:28:03 AM

Hola a todos

Las expresiones regulares acompañan a los programadores desde hace mucho tiempo, se comenzó a hablar de ellas en Teoría de la información desde el año 1950, y desde entonces han supuesto una potente forma de procesar textos basada en patrones de búsqueda.

Aún así muchas veces es una parte del desarrollo que pasa desapercibida por lo que he decidido dedicarle algo de tiempo y explicaros sus orígenes, historia, implementaciones y gran funcionalidad, estoy seguro que os podrán sacar de más de un aprieto.

Pero… ¿Que son las Expresiones regulares?

Una expresión regular, también llamada patrón, es una expresión que define de manera genérica un conjunto de cadenas, de las que conocemos su estructura básica pero no conocemos cada uno de los caracteres que pueden componerlas.

Por poner un ejemplo, pensemos en una lista de elementos: Casa, Caza, Caasa, podríamos describir todos estos elementos con la expresión regular o patrón [ Ca(a?|s|z)a ], que identificaría las 3 cadenas antes indicadas, más adelante analizaremos más a fondo este patrón para que comprendáis su significado.

Historia

Los orígenes de las expresiones regulares se encuentran en la teoría de autómatas y la teoría de lenguajes formales, en 1950 el matemático Stephen Cole Kleene describió estos modelos usando su notación matemática llamada Regular Sets, y adaptados posteriormente al editor ed de UNIX, para más tarde ser usadas en expr, AWK, Emacs, vi y lex.

El uso de expresiones regulares en modelado de datos e información estructurada comenzó en 1960 y se expandió considerablemente en 1980. El núcleo del standard Lenguaje de especificaciones estructuradas son las expresiones regulares.

Expresiones Regulares en .NET

.NET incluye un motor de expresiones regulares desde su primera versión, que no ha sufrido cambios importantes y es uno de los mejor implementados que podemos encontrar.

Para usar expresiones regulares en nuestra aplicación simplemente debemos importar el namespace System.Text.RegularExpressions al inicio de nuestra clase:

Imports System.Text.RegularExpressions

Class MainWindow

End Class

Una vez hecho esto podremos acceder a la clase RegEx, que representa una instancia del motor de expresiones regulares de .NET, podemos usar esta clase para buscar rápidamente una subcadena dentro de una gran cantidad de texto o para extraer, editar, reemplazar o eliminar subcadenas de texto.

Para ello, primero debemos definir el patrón o expresión que queremos buscar. Para esto las expresiones regulares cuentan con todo un ejercito de definiciones que nos ayudan a indicar el texto que queremos considerar una coincidencia:

Definición	Descripción
\|	ó.
^	Inicio de la línea.
$	Fin de la línea.
\A	Inicio de la cadena.
\Z	Fin de la cadena.
\b	Inicio / Fin de palabra.
\B	No al inicio o fin de palabra.
*	Buscar el dígito o letra anterior 0 ó más veces.
?	Buscar el dígito o letra anterior 0 ó 1 vez.
+	Buscar el dígito o letra anterior al menos 1 vez.
{n}	Buscar exactamente el contenido de las llaves.
{n,m}	Buscar todas las coincidencias entre n y m.
{n,}	Buscar desde n en adelante.
\u0000 - \uFFFF	Buscar el caracter unicode.
?<nombre>Expr.Regular	Asignar un nombre al grupo de captura.

Esta es una pequeña lista de los elementos del lenguaje de las expresiones regulares, puedes encontrar una referencia completa en MSDN, aquí.

Con esto, pongamos un ejemplo práctico, imaginad que estáis analizando el texto de un archivo html y queréis encontrar todas las referencias a imágenes jpg y almacenarlas en una lista de cadenas para descargarlas posteriormente, sería tan sencillo como hacer esto:

(nota: esto es solo un ejemplo y bajo ciertas condiciones controladas, no identificaría correctamente todas las imágenes en un html real, es solo una muestra)

Dim Patron As String = "src='?<imagen>(http.*jpg)'\s+"
Dim Expresion As New Regex(Patron, RegexOptions.IgnoreCase)
Dim ListaImagenes As New List(Of String)

For Each Coincidencia As Match In Expresion.Matches(InputText)
ListaImagenes.Add(Coincidencia.Groups("imagen").Value)
Next

Como podéis ver es realmente sencillo usar expresiones regulares, son muy útiles para validación de entrada de texto, podéis definir varios patrones “no permitidos” y comprobar el texto que ha introducido el usuario en busca de ellos, por ejemplo podéis buscar un patrón SQL para evitar SQL Injection en aplicaciones Web o un patrón con el tipo de texto que el usuario debe introducir para verificar que el dato es correcto.

He preparado un pequeño programa en VB.NET y WPF que os permite cargar un archivo de texto e introducir una expresión regular a buscar en ese texto y os devuelve todas las coincidencias encontradas:

Conclusión

Bueno, las expresiones regulares son tan antiguas como la informática misma, pero son un recurso muy valioso hoy en día, puesto que nos ofrecen una herramienta inestimable para validar, corregir y extraer información de archivos sin formato predefinido, que de otra forma nos darían dolores de cabeza.

Espero que os haya gustado tanto leer este artículo como a mi escribirlo.

Por si tenéis alguna dificultad, a parte por supuesto de poder contactar conmigo tanto dejando mensajes, como en mi twitter, como en msdn o a mi email directamente, os dejo el proyecto completo para descarga.

Muchas gracias por leerme y Happy Coding!

Descargar Código fuente.