Lo básico

Para empezar veamos un ejemplo sencillo. Puedes probar todo esto utilizando el intérprete interactivo de comandos:

 
>>> import re
>>> if (re.search("b", "abc")):
...    print "b está en abc"
b está en abc

El ejemplo es claro, se busca el patrón b en la cadena abc, utilizando la función search del módulo re. Veamos algo parecido utilizando una expresión un poco más complicada:

 
>>> if (re.search("\Aa[0-9].*(end|fin)$", "a7fin")):
...    print "se ha encontrado el patrón"
...
se ha encontrado el patrón
>>> if (re.search("\Aa[0-9].*(end|fin)$", "a2 lo que quiera fin")):
...    print "se ha encontrado el patrón"
...
se ha encontrado el patrón

En este caso, todas las cadenas que comienzen (\A) con a seguidas de un número ([0-9]), y de cualquier secuencia de caracteres (.*) y terminadas ($) en end o fin ((end|fin)) encajarán con el patrón \Aa[0-9].*(end|fin)$. Sencillo ¿no?

En el ejemplo anterior hemos visto que pasamos como parámetro la expresión regular y la cadena en la que queremos buscar. Esto está bien si queremos aplicar la expresión regular una sola vez. Sin embargo, si vamos a utilizar la expresión regular varias veces, que es lo habitual, por motivos de eficiencia conviene compilar la expresión creando un objeto expresión regular. Veamos más ejemplos:

 
>>> pattern = re.compile ('H.*-HRV_.*-0000(19|2[01234])_.*$')
>>> name_files = [ 
     'H-000-MSG1__-MSG1________-HRV______-000019___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000020___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000021___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000022___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000023___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000024___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000025___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000001___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000005___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000010___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000015___-200601040930-C_',
...  'H-000-MSG1__-MSG1________-HRV______-000018___-200601040930-C_' 
     ]
>>> for name in name_files:
...    if (pattern.search(name)):
...        print name + " OK"
...    else:
...        print name + " NO OK"
...
H-000-MSG1__-MSG1________-HRV______-000019___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000020___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000021___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000022___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000023___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000024___-200601040930-C_ OK
H-000-MSG1__-MSG1________-HRV______-000025___-200601040930-C_ NO OK
H-000-MSG1__-MSG1________-HRV______-000001___-200601040930-C_ NO OK
H-000-MSG1__-MSG1________-HRV______-000005___-200601040930-C_ NO OK
H-000-MSG1__-MSG1________-HRV______-000010___-200601040930-C_ NO OK
H-000-MSG1__-MSG1________-HRV______-000015___-200601040930-C_ NO OK
H-000-MSG1__-MSG1________-HRV______-000018___-200601040930-C_ NO OK

Este ejemplo está extraido de Meteogest, que hace uso de expresiones regulares para decidir qué operaciones realizar con archivos basándose en su nombre. En este caso sólo interesan los ficheros que en el penúltimo campo, su valor sea del 19 al 24. El patrón utilizado es sencillo, y obviamente, para este ejemplo podría simplificarse, pero he querido conservarlo tal y como está en el fichero de configuración de ejemplo de Meteogest.

Nótese que las expresiones regulares distinguen entre mayúsculas y minúsculas por lo que:

 
>>> pattern = re.compile ('H')
>>> result = pattern.search('aloha')
>>> result == None
True

En cambio, si:

 
>>> pattern = re.compile ('H', re.IGNORECASE)
>>> result = pattern.search('aloha')
>>> result == None
False

Puedes consultar otros flags a la hora de construir un patrón en la documentación del módulo re.

También podemos aplicar split con expresiones regulares, lo que es realmente útil:

 
>>> pattern = re.compile ('a[bc]')
>>> text = 'e8acjhf90abcklhd78ac867acaba8'
>>> pattern.split(text)
['e8', 'jhf90', 'cklhd78', '867', '', 'a8']

search Vs match

Si se observan los métodos de los objetos expresión regular, se verá que hay dos funciones, search y match. La direferencia entre ambas es que search busca en toda la cadena mientras que match sólo lo hace al principio.

Utilizaremos un patrón útil para decidir si en una cadena aparece el carácter ".". Como es un caracter que tiene un significado en expresiones regulares, es necesario utilizar el caracter de escape \:

 
>>> pattern = re.compile ('\.')
>>> result = pattern.search ('.gnome')
>>> result == None
False
>>> result = pattern.search ('gno.me')
>>> result == None
False
>>> result = pattern.match ('.gnome')
>>> result == None
False
>>> result = pattern.match ('gno.me')
>>> result == None
True

Por tanto se puede decir que search("\Apattern", text) es lo mismo match(pattern, text).

Los objetos Match

Hasta ahora hemos evaluado expresiones y decidido si verifican un patrón en función de si el valor de retorno es None o no. En Python None se evalúa como False por lo que es adecuado para estructuras condicionales. Sin embargo, cuando el valor de retorno no es None, se devuelve un objeto de tipo Match (que se evalúa como cualquier objeto como True). Veamos qué métodos contiene:

 
>>> pattern = re.compile ('a[bc]')
>>> result = pattern.search ('e8acjhf90abcklhd78ac867acaba8')
>>> dir (result)
['__copy__', '__deepcopy__', 'end', 'expand', 
'group', 'groupdict', 'groups', 'span', 'start']
>>> result.string
'e8acjhf90abcklhd78ac867acaba8'
>>> result.string[result.start():result.end()]
'ac'

Observando la cadena del ejemplo, vemos que el patrón se repite más de una vez. Para procesar cada uno de ellos:

 
>>> text = 'e8acjhf90abcklhd78ac867acaba8'
>>> iterator = pattern.finditer (text)
>>> for result in iterator:
...  print text[result.start():result.end()]
ac
ab
ac
ac
ab

Finalmente, el método group. Podemos dar un nombre a uno o un conjunto de elementos del patrón y luego referirnos a ellos. Como siempre, un ejemplo es mucho más útil que cualquier explicación:

 
>>> pattern = re.compile ('(?P<name>.+)\.(?P<extension>.+)')
>>> result = pattern.match ('hello.txt')
>>> result.group('name')
'hello'
>>> result.group('extension')
'txt'

Conclusión

Y eso es todo. Conviene conocer muy bien las herramientas con las que contamos a la hora de programar soluciones a nuestros problemas. La expresiones regulares son una herramienta muy útil, cuya potencia sólo se descubre cuando se necesita hacer uso extensivo de ellas. Casi cualquier operación de manipulación de cadenas se puede hacer de manera eficiente con expresiones regulares. Buscar patrones en textos es muy sencillo, así como validar que determinadas cadenas cumplan ciertas condiciones. Por ejemplo, pueden buscar en Internet expresiones regulares que verifiquen si una dirección de correo electrónico es o no correcta (puede ser más complicado de lo que parece si se es estricto) e integrar esta verificación en sus aplicaciones. E infinitas cosas más.

Comentario[s]

KarlsBerg Escrito por Invitado el 2006-01-15 13:43:53 Muy bueno, te pido permiso para añadir este link a la biblioteca de documentacion python en español que tengo en dotpy.net.      Gracias

Licencia de la página Escrito por Javi el 2006-01-15 13:54:50 Si lees la licencia, verás que no necesitas pedir permiso para reproducir cualquier artículo. Lo único es que no utilices el artículo con fines comerciales y no hagas obras derivativas (aunque en el caso de este artículo esto tiene poco sentido).    Lo único que has de hacer es incluir un enlace al artículo original como reconociemto.    Y sí, puedes linkarlo (eso ni se pregunta) ;)

muy interesante¡ Escrito por Invitado el 2006-02-12 20:38:15 queria pedirte algun consejo de como poder empesar con esto de la programacion por mi cuenta. ya que no tengo los recursos como para estudiar en alguna escuela . mi nombre es sergio tengo 14 años y te pido por favor informacion mi correo es sergio22_2468hotmail.com    grasias

tkinter Escrito por horacio el 2006-04-13 01:45:50 esta bueno el tuto...aunque le falta lo mas interesnte de esto de programar que es lo grafico supongo que decir algo sobre el modulo tkinter o sobre wxwindows no estaria nada mal ya que no hay mucho de eso en español.

asias x tu contribución Escrito por Robert el 2007-06-30 08:11:50 Gracias por tu contribución. Estoy tratando de recopilar tutoriales y webs relacionadas con python, para meterme con este lenguaje de programación.   He empezado por lo más básico y en el camino me ha surgido una duda:    ¿Como podría pasar la lectura de un fichero de datos en una sola columna, a otro en una sola línea con estos separados por ";"?    Asias

respuesta Escrito por servo el 2007-07-10 03:08:04 Robert, serial algo asi (no lo he provado, lo escribo al momento)    fd = open('file_name')  for i in fd.readlines():  print i + '; '  fd.close()    Si quieres escribirlo en otro fichero, solo deberías canviar el print para que escriba dentro de un fichero abierto como de escritura.

¿productor consumidor? Escrito por Angel el 2007-08-28 02:07:41 Hola estaba buscando el ejemplo que habia en la antigua pagina de mutex, hilos, etc en la antigua página, pero no lo encuentro por ningún lado.¿Me podrías decir como conseguirlo?  Esta dirección de correo electrónico está protegida contra los robots de spam, necesita tener Javascript activado para poder verla     Muchas gracias.  Pd: Cualquier respuesta obtenida será recompensada con porno :)

Escrito por el 2007-11-10 13:48:44 ola qeria ver si algien me podria decir  q significa   por ejemplo  en esa fto sali dl "navo"    jeje porfis  grax

Validar varios correos electronicos usan Escrito por Belen el 2008-07-22 12:44:27 Hola necesito validar la posibilidad de que hayan mas de un correo electrónico y aun no logro entender la utilización de las expresiones regulares.

Escribe tu comentario
Por favor cíñete al tema del artículo, sé educado y no envíes spam. Gracias por participar :)
Nombre:
Título:
BBCode:
Comentario:
	Escribe lo que ves: * Pulsa en recargar si tienes problemas para distinguir la imagen

Powered by AkoComment 2.2 *** SecurityImage 2.2.0