Expresiones Regulares

Las expresiones regulares son patrones utilizados para encontrar una determinada combinación de caracteres dentro de una cadena de texto. En JavaScript, las expresiones regulares también son objetos. Estos patrones son utilizados a través de los métodos exec y test de RegExp, así como los métodos match, replace, search y split de String. En este capítulo se describe el uso y funcionamiento de las expresiones regulares en JavaScript.

Creación de una expresión regular

Una expresión regular puede crearse de cualquiera de las siguientes dos maneras:

• Utilizando una representación literal de la expresión regular, la cual consiste en un patrón encerrado entre diagonales, como a continuación:

  var re = /ab+c/;
  

  La representación literal ofrece la compilación de la expresión regular cuando el script esté cargado. Cuando la expresión regular permanecerá constante, utilice esta declaración para un mejor desempeño.

• Llamando a la función constructora del objeto RegExp, como a continuación: 

  var re = new RegExp("ab+c");
  

  El uso de la función constructora ofrece la compilación en tiempo de ejecución de la expresión regular. Utilice la función constructora cuando sepa que el patrón de la expresión regular estará cambiando, o cuando desconozca el patrón y deba obtenerlo de otra fuente, como por ejemplo del usuario.

Escribiendo un patrón de expresión regular

Un patrón de expresión regular se compone de caracteres simples, como /abc/, o una combinación de caracteres simples y especiales, como /ab*c/ o /Chapter (\d+)\.\d*/. El segundo ejemplo incluye paréntesis, los cuales se emplean como un recurso de memoria. La coincidencia encontrada por esta parte del patrón es almacenada para posterior uso, como se describe en Using Parenthesized Substring Matches.

Utilizando patrones simples

Los patrones simples se construyen con caracteres para los que se desea una coincidencia exacta. Por ejemplo, el patrón /abc/ coincidirá sólo con esta exacta secuencia y orden de caracteres ('abc'). Tal expresión tendría resultados en las cadenas "Hi, do you know your abc's?" y "The latest airplane designs evolved from slabcraft." En ambos existe una coincidencia exacta con la subcadena 'abc'. No hay coincidencia en la cadena 'Grab crab' debido a que, a pesar de que contiene los caracteres 'a', 'b' y 'c', la sequencia 'abc' nunca aparece.

Utilizando caracteres especiales

Cuando la búsqueda de coincidencia require algo más que una coincidencia exacta, como por ejemplo el encontrar una o más 'b', o encontrar espacios en blanco, se incluyen en el patrón caracteres especiales. Por ejemplo, el patrón /ab*c/ coincidirá con cualquier sequencia de caracteres en la cual una 'a' preceda a cualquier cantidad de 'b' (cero o más) y sea inmediatamente seguida por una 'c'. En la cadena 'cbbabbbbcdebc,' el patrón coincidirá con la subcadena 'abbbbc'.

La siguiente tabla ofrece una lista completa de los caracteres especiales que pueden utilizarse en las expresiones regulares.

Escapar la entrada del usuario para que sea tratada como una cadena literal en una expresión regular se puede lograr mediante la sustitución simple:

function escapeRegExp(string){
  return string.replace(/([.*+?^${}()|\[\]\/\\])/g, "\\$1");
}

Usando paréntesis

Los paréntesis alrededor de alguna parte del patrón de la expresión regular hacen que parte de la subcadena que coincida sea recordada. Una vez recordada, puede ser rellamada en otro uso, como se describe en Using Parenthesized Substring Matches.

Por ejemplo, el patrón /Chapter (\d+)\.\d*/ ilustra caracteres de escape y especiales adicionales e indica que parte del patrón debe recordarse. Coincide con los caracteres 'Chapter ' seguidos por uno o más números, luego un punto decimal, seguido por cualquier número 0 o más veces (para más detalles vea la tabla 4.1). Además, se utilizaron paréntesis para recordar el primer grupo de números.

Este patrón se encuentra dentro del string "Open Chapter 4.3, paragraph 6" y se memoriza el '4'. El patrón no se encuentra en "Chapter 3 and 4", porque no consigue el punto despues del '3'.

Si no quiere memorizar la subcadena, utilice ?: al inicio de los paréntesis. Por ejemplo, (?:\d+) coincide con uno o más números pero no memoriza la coincidencia.

Trabajando con Expresiones Regulares

Las expresiones regulares se utilizan con los métodos de RegExp test y exec y con los metodos de String match, replace, search, and split. Estos métodos son explicados en la Referencia JavaScript.

Cuando quiera saber si un patrón se encuentra en una cadena, utilice los métodos test o search. Para obtener más información (pero de ejecución más lenta) utilice los métodos exec o match. Si usted utiliza exec o match y se logra la coincidencia, estos métodos devuelven un array y actualizan las propiedades del objeto de la expresión regular asociada y también aquellas del objeto de la expresión regular predefinida, RegExp. Si la coincidencia falla, el método exec devuelve null (que coacciona a false).

En el siguiente ejemplo, el script usa el método exec para buscar coincidencias en un string.

var myRe = /d(b+)d/g;
var myArray = myRe.exec("cdbbdbsbz");

Si no necesita acceder a las propiedades de la expresión regular, una forma alternativa de crear myArray es con este script:

var myArray = /d(b+)d/g.exec("cdbbdbsbz");

Si quiere construir la expresión regular desde un String, otra alternativa es:

var myRe = new RegExp("d(b+)d", "g");
var myArray = myRe.exec("cdbbdbsbz");

Todos estos ejemplos tienen coincidencias, por lo que se retorna un array, y se actualizan las propiedades mostradas en la siguiente tabla.

Como puede verse en la segunda línea de este ejemplo, puede usar una expresión regular creada con un inicializador de objeto sin asignarse a una variable. Si lo hace, sin embargo, cada ocurrencia será una nueva expresión regular. Por esta razón, si usa este método sin asignarlo a una variable, no podrá acceder posteriormente a las propiedades de estas expresiones regulares. Por ejemplo, suponga que tiene el siguiente script:

var myRe = /d(b+)d/g;
var myArray = myRe.exec("cdbbdbsbz");
console.log("The value of lastIndex is " + myRe.lastIndex);

El script mostrará:

The value of lastIndex is 5

Sin embargo, si el script utilizado es éste:

var myArray = /d(b+)d/g.exec("cdbbdbsbz");
console.log("The value of lastIndex is " + /d(b+)d/g.lastIndex);

Se mostrará lo siguiente:

The value of lastIndex is 0

Las apariciones de /d(b+)d/g en las dos sentencias son objetos de expresiones regulares distintas y, por lo tanto, tienen diferentes valores en su propiedad lastIndex. Si necesita acceder a las propiedades de una expresión regular creada con un inicializador de objeto, deberá, previamente, asignarla a una variable.

Using Parenthesized Substring Matches

Including parentheses in a regular expression pattern causes the corresponding submatch to be remembered. For example, /a(b)c/ matches the characters 'abc' and remembers 'b'. To recall these parenthesized substring matches, use the Array elements [1], ..., [n].

The number of possible parenthesized substrings is unlimited. The returned array holds all that were found. The following examples illustrate how to use parenthesized substring matches.

Ejemplo 1

El siguiente script usa el método replace() para intercambiar palabras en el string. Para el texto de reemplazo, el script utiliza $1 y $2 en el reemplazo para denotar la primera y segunda coincidencias de subcadena entre ubicadas entre paréntesis.

var re = /(\w+)\s(\w+)/;
var str = "John Smith";
var newstr = str.replace(re, "$2, $1");
console.log(newstr);

Esto devuelve "Smith, John".

Búsqueda Avanzada Con 'Banderas' (Flags)

Las expresiones regulares tienen cuatro banderas opcionales que permiten realizar búsquedas globales y sin distinción de mayúsculas y minúsculas. Estas banderas pueden utilizarse por separado o juntas y en cualquier orden; y se incluyen como parte de la expresión regular.

Para incluir una bandera con la expresión regular, se usa la siguiente sintaxis:

var re = /pattern/flags;

o

var re = new RegExp("pattern", "flags");

Nótese que las banderas son una parte integral de la expresión regular. Ellas no pueden ser agregadas o eliminadas a posteriori.

Por ejemplo, re = /\w+\s/g crea una expresión regular que busca uno o más caracteres seguidos por un espacio; y busca esta combinación en la totalidad del string.

var re = /\w+\s/g;
var str = "fee fi fo fum";
var myArray = str.match(re);
console.log(myArray);

Esto devuelve ["fee ", "fi ", "fo "].
En este ejemplo, puede reemplzar la línea:

var re = /\w+\s/g;

con:

var re = new RegExp("\\w+\\s", "g");

y obtener el mismo resultado.

La bandera m es usada para especificar que un string multilineal debe ser tratado como varias líneas independientes. Si m es usada, ^ y $ actuarán al inicio y final de cada línea del string en vez del inicio y final del string completo.

Ejemplos

Los siguientes ejemplos muestran algunos usos de las expresiones regulares:

Changing the Order in an Input String

The following example illustrates the formation of regular expressions and the use of string.split() and string.replace(). It cleans a roughly formatted input string containing names (first name first) separated by blanks, tabs and exactly one semicolon. Finally, it reverses the name order (last name first) and sorts the list.

// The name string contains multiple spaces and tabs,
// and may have multiple spaces between first and last names.
var names = "Harry Trump ;Fred Barney; Helen Rigby ; Bill Abel ; Chris Hand ";

var output = ["---------- Original String\n", names + "\n"];

// Prepare two regular expression patterns and array storage.
// Split the string into array elements.

// pattern: possible white space then semicolon then possible white space
var pattern = /\s*;\s*/;

// Break the string into pieces separated by the pattern above and
// store the pieces in an array called nameList
var nameList = names.split(pattern);

// new pattern: one or more characters then spaces then characters.
// Use parentheses to "memorize" portions of the pattern.
// The memorized portions are referred to later.
pattern = /(\w+)\s+(\w+)/;

// New array for holding names being processed.
var bySurnameList = [];

// Display the name array and populate the new array
// with comma-separated names, last first.
//
// The replace method removes anything matching the pattern
// and replaces it with the memorized string—second memorized portion
// followed by comma space followed by first memorized portion.
//
// The variables $1 and $2 refer to the portions
// memorized while matching the pattern.

output.push("---------- After Split by Regular Expression");

var i, len;
for (i = 0, len = nameList.length; i < len; i++){
  output.push(nameList[i]);
  bySurnameList[i] = nameList[i].replace(pattern, "$2, $1");
}

// Display the new array.
output.push("---------- Names Reversed");
for (i = 0, len = bySurnameList.length; i < len; i++){
  output.push(bySurnameList[i]);
}

// Sort by last name, then display the sorted array.
bySurnameList.sort();
output.push("---------- Sorted");
for (i = 0, len = bySurnameList.length; i < len; i++){
  output.push(bySurnameList[i]);
}

output.push("---------- End");

console.log(output.join("\n"));

Using Special Characters to Verify Input

In the following example, the user is expected to enter a phone number. When the user presses the "Check" button, the script checks the validity of the number. If the number is valid (matches the character sequence specified by the regular expression), the script shows a message thanking the user and confirming the number. If the number is invalid, the script informs the user that the phone number is not valid.

Within non-capturing parentheses (?: , the regular expression looks for three numeric characters \d{3} OR | a left parenthesis \( followed by three digits \d{3}, followed by a close parenthesis \), (end non-capturing parenthesis )), followed by one dash, forward slash, or decimal point and when found, remember the character ([-\/\.]), followed by three digits \d{3}, followed by the remembered match of a dash, forward slash, or decimal point \1, followed by four digits \d{4}.

The Change event activated when the user presses Enter sets the value of RegExp.input.

<!DOCTYPE html>
<html>  
  <head>  
    <meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1">  
    <meta http-equiv="Content-Script-Type" content="text/javascript">  
    <script type="text/javascript">  
      var re = /(?:\d{3}|\(\d{3}\))([-\/\.])\d{3}\1\d{4}/;  
      function testInfo(phoneInput){  
        var OK = re.exec(phoneInput.value);  
        if (!OK)  
          window.alert(RegExp.input + " isn't a phone number with area code!");  
        else
          window.alert("Thanks, your phone number is " + OK[0]);  
      }  
    </script>  
  </head>  
  <body>  
    <p>Enter your phone number (with area code) and then click "Check".
        <br>The expected format is like ###-###-####.</p>
    <form action="#">  
      <input id="phone"><button onclick="testInfo(document.getElementById('phone'));">Check</button>
    </form>  
  </body>  
</html>