Expresiones regulares Expresiones regularesLas expresiones regulares permiten definir patrones de coincidencia y aplicarlas a cadenas de texto para saber si la cadena (o parte de ella) cumple el patrón e incluso realizar transformaciones de la cadena.
En PHP existen dos sistemas de expresiones regulares:
Las funciones básicas de expresiones regulares POSIX extendido para comparar una cadena con un patrón son ereg($patron, $cadena) y eregi($patron, $cadena). La diferencia entre ellas es que ereg() distingue entre mayúsculas y minúsculas y eregi() no. Estas funciones comprueban si la cadena cumple el patrón y devuelven el valor 1 (verdadero) o 0 (falso). Los argumentos de las funciones pueden ser cadenas o variables que contengan cadenas. Si el patrón es la cadena vacía, las funciones devuelven error.
| <?php $cadena1 = "1234567"; $cadena2 = "abcdefg"; $patron = "^[[:digit:]]+$"; if (eregi($patron, $cadena1)) { print "<p>La cadena $cadena1 son sólo números.</p>\n"; } else { print "<p>La cadena $cadena1 no son sólo números.</p>\n"; } if (eregi($patron, $cadena2)) { print "<p>La cadena $cadena2 son sólo números.</p>\n"; } else { print "<p>La cadena $cadena2 no son sólo números.</p>\n"; } ?> |
La cadena 1234567 son sólo números. La cadena abcdefg no son sólo números. |
Faltan las funciones de búsqueda y sustitución
La función de expresiones regulares compatibles con Perl preg_match($patron, $cadena [, $matriz_coincidencias [, $modificadores [, $desplazamiento]]]) compara una cadena con un patrón y devuelve 1 si el patrón ha coincidido o 0 si no. La primera coincidencia encontrada se puede guardar en el argumento opcional $matriz_coincidencias y, si se añade el modificador PREG_OFFSET_CAPTURE, se guarda también en el argumento opcional $matriz_coincidencias la posición de la coincidencia encontrada. El argumento opcional $desplazamiento es un número que permite indicar en qué carácter se inicia la búsqueda.
| <?php $cadena1 = "1234567"; $cadena2 = "abcdefg"; $patron = "/^[[:digit:]]+$/"; if (preg_match($patron, $cadena1)) { print "<p>La cadena $cadena1 son sólo números.</p>\n"; } else { print "<p>La cadena $cadena1 no son sólo números.</p>\n"; } if (preg_match($patron, $cadena2)) { print "<p>La cadena $cadena2 son sólo números.</p>\n"; } else { print "<p>La cadena $cadena2 no son sólo números.</p>\n"; } ?> |
La cadena 1234567 son sólo números. La cadena abcdefg no son sólo números. |
La función preg_match() distingue entre mayúsculas y minúsculas. Para que no distinga, debe añadirse el modificador "i" (sin comillas) al final del patrón.
| <?php $cadena = "aaAA"; $patron1 = "/^[[:alpha:]]+$/"; $patron2 = "/^[[:alpha:]]+$/i"; if (preg_match($patron1, $cadena)) { print "<p>La cadena $cadena son sólo letras minúsculas.</p>\n"; } else { print "<p>La cadena $cadena no son sólo letras minúsculas.</p>\n"; } if (preg_match($patron2, $cadena)) { print "<p>La cadena $cadena son sólo letras.</p>\n"; } else { print "<p>La cadena $cadena no son sólo letras.</p>\n"; } ?> |
La cadena aaAA son sólo letras minúsculas. La cadena aaAA son sólo letras. |
La función de expresiones regulares compatibles con Perl preg_match_all($patron, $cadena [, $matriz_coincidencias [, $modificadores [, $desplazamiento]]]) compara una cadena con un patrón y devuelve el número de coincidencias encontradas. Las coincidencias encontradas se pueden guardar en el argumento opcional $matriz_coincidencias y, si se añade el modificador PREG_OFFSET_CAPTURE, se guardan también en el argumento opcional $matriz_coincidencias la posición de cada coincidencia encontrada. El argumento opcional $desplazamiento es un número que permite indicar en qué carácter se inicia la búsqueda.
| <?php $cadena = "Esto es una cadena de prueba"; $patron = "/de/"; $encontrado = preg_match_all($patron, $cadena, $coincidencias, PREG_OFFSET_CAPTURE); if ($encontrado) { print "<pre>"; print_r($coincidencias); print "</pre>\n"; print "<p>Se han encontrado $encontrado coincidencias.</p>\n"; foreach ($coincidencias[0] as $coincide) { print "<p>Cadena: '$coincide[0]' - Posición: $coincide[1]</p>\n"; } } else { print "<p>No se han encontrado coincidencias.</p>\n"; } ?> |
Array
(
[0] => Array
(
[0] => Array
(
[0] => de
[1] => 14
)
[1] => Array
(
[0] => de
[1] => 19
)
)
)
Se han encontrado 2 coincidencias. |
Faltan las funciones de búsqueda y sustitución
| Patrón | Significado |
|---|---|
| . | cualquier carácter |
| ^c | empezar por el carácter c |
| c$ | terminar por el carácter c |
| c+ | 1 o más caracteres c |
| c* | 0 o más caracteres c |
| c? | 0 o 1 caracteres c |
| \n | nueva línea |
| \t | tabulador |
| \ | escape, para escribir delante de caracteres especiales: ^ . [ ] % ( ) | * ? { } \ |
| (cd) | caracteres c y d agrupados |
| c|d | carácter c o d |
| c{n} | n veces el carácter c |
| c{n,} | n o más caracteres c |
| c{n,m} | desde n hasta m caracteres c |
| [a-z] | cualquier letra minúscula |
| [A-Z] | cualquier letra mayúscula |
| [0-9] | cualquier dígito |
| [cde] | cualquiera de los caracteres c, d o e |
| [c-f] | cualquier letra entre c y f (es decir, c, d, e o f) |
| [^c] | que no esté el carácter c |
| [[:alnum:]] | cualquier letra o dígito (pero no vocales acentuadas, ñ, ç, etc.) |
| [[:alpha:]] | cualquier letra (pero no vocales acentuadas, ñ, ç, etc.) |
| [[:digit:]] | cualquier dígito |
| [[:lower:]] | cualquier letra minúscula (pero no vocales acentuadas, ñ, ç, etc.) |
| [[:punct:]] | cualquier marca de puntuación |
| [[:space:]] | cualquier espacio en blanco |
| [[:upper:]] | cualquier letra mayúscula (pero no vocales acentuadas, ñ, ç, etc.) |
Los patrones deben empezar y acabar con un delimitador, que normalmente es la barra (/), En caso de que la barra forme parte del patrón, se puede:
Los patrones compatibles con Perl admiten en general los patrones POSIX extendidos comentados en el punto anterior, con una diferencia muy importante que es que las clases que incluyen caracteres alfabéticos ([[:alnum:]], [[:alpha:]], etc.) en POSIX no incluyen vocales acentuadas, ñ, ç, etc, mientras que en PECR sí.
Además, los patrones compatibles con Perl admiten los siguientes patrones:
| Patrón | Significado |
|---|---|
| [[:alnum:]] | cualquier letra o dígito (incluidas vocales acentuadas, ñ, ç, etc.) |
| [[:alpha:]] | cualquier letra (incluidas vocales acentuadas, ñ, ç, etc.) |
| [[:ascii:]] | caracteres con código ASCII de 0 a 127 |
| [[:blank:]] | espacios o tabuladores |
| [[:cntrl:]] | caracteres de control |
| [[:graph:]] | caracteres de impresión, salvo el espacio |
| [[:lower:]] | cualquier letra minúscula (incluidas vocales acentuadas, ñ, ç, etc.) |
| [[:print:]] | caracteres de impresión, espacio incluido |
| [[:upper:]] | cualquier letra mayúscula (incluidas vocales acentuadas, ñ, ç, etc.) |
| [[:word:]] |
cualquier letra o dígito y el guión bajo (incluidas vocales acentuadas, ñ, ç, etc.) |
| [[:xdigit:]] | cualquier dígito hexadecimal |
| \w | cualquier letra o dígito y el guión bajo (incluidas vocales acentuadas, ñ, ç, etc.) |
| \W | cualquier cosa que no sea letra o dígito y el guión bajo (incluidas vocales acentuadas, ñ, ç, etc.) |
| \s | cualquier espacio en blanco |
| \S | cualquier cosa que no sea un espacio en blanco |
| \d | cualquier dígito |
| \D | cualquier cosa que no sea un dígito |
| \b | inicio o final de palabra |
| \A | comienzo |
| \Z | final (incluido salto de línea) |
| \z | final |
Los patrones de expresiones regulares compatibles admiten modificadores, que se incluyen en el patrón, después del limitador final.
| Patrón | Cadena | ¿Cumple? | Comentario |
|---|---|---|---|
| abc | awbwc | No | Los caracteres tienen que estar seguidos. |
| 34abc | Sí | No importa que hayan caracteres antes... | |
| cbabcba | Sí | ... o después. | |
| a2b | g1da2b3 | Sí | Las expresiones regulares detectan letras, números, ... |
| áb | 3áb4 | Sí | ... incluso acentos, ... |
| a\$b | 1a$b2 | Sí | ... salvo los caracteres ^ . [ $ ( ) | * + ? { \ € que deben llevar una contrabarra \ antes, además de \n (nueva línea) y \t (tabulador) |
| [aeiou] | bic | Sí | Los corchetes definen los caracteres admitidos en una posición ... |
| bcd | No | ||
| [^aeiou] | bic | Sí | ... o no admitidos |
| aei | No | ||
| [p-t] | avr | Sí | Se pueden definir rangos de caracteres... |
| av1 | No | ||
| [B-D] | PMD | Sí | ... en minúsculas o mayúsculas ... |
| AV1 | No | ||
| [0-9] | b9d | Sí | ... o números |
| bcd | No | ||
| [[:alpha:]] | Cualquier carácter alfabético (sin acentos) | ||
| [[:digit:]] | Cualquier número | ||
| [[:alnum:]] | Cualquier número o carácter alfabéticos (sin acentos) | ||
| [[:punct:]] | Cualquier carácter que no sean letras y números (menos el euro) | ||
| [[:space:]] | Cualquier tipo de espacio en blanco | ||
| [[:upper:]] | Cualquier mayúscula (sin acentos) | ||
| [[:lower:]] | Cualquier minúscula (sin acentos) | ||
| ^ab | cab | No | Los caracteres tienen que estar al principio |
| abc | Sí | No importa que hayan caracteres después | |
| ab$ | abc | No | Los caracteres tienen que estar al final |
| cab | Sí | No importa que hayan caracteres antes | |
| ^ab$ | ab | Sí | Tiene que empezar y acabar por aba ... |
| abab | No | ... y no puede haber nada antes o después | |
| ab?c | abcde | Sí | El carácter b puede estar entre a y c... |
| acde | Sí | ... o no estar entre a y c ... | |
| adcde | No | ... pero no puede haber otro carácter | |
| a.c | abc | Sí | El . representa cualquier carácter ... |
| a c | Sí | ... incluso el espacio el blanco, ... | |
| abdc | No | pero sólo un carácter | |
| ab+c | abcde | Sí | El carácter b puede estar una vez... |
| abbbcde | Sí | ... o varias ... | |
| acde | No | ... pero tiene que estar al menos una vez. | |
| ab*c | abcde | Sí | El carácter b puede estar una vez... |
| abbbcde | Sí | ... o varias ... | |
| acde | Sí | ... o ninguna. | |
| ab{3}c | abbbc | Sí | Las llaves indican el número exacto de repeticiones del carácter, ... |
| abbbbc | No | ... no puede haber más ... | |
| abbc | No | ... ni menos. | |
| ab{2,4}c | abc | No | Se pueden definir rangos con límite inferior e inferior |
| abbc | Sí | ||
| abbbc | Sí | ||
| abbbbc | Sí | ||
| abbbbbc | No | ||
| ab{2,}c | abc | No | Se pueden definir rangos sin límite superior |
| a(bc){2}d | abcbcd | Sí | Los paréntesis definen agrupaciones de caracteres. En este caso bc tiene que aparecer repetido |
| a(bc)?d | abcd | Sí | Aquí bc puede estar ... |
| ad | Sí | ... o no estar, ... | |
| abd | No | ... pero no puede aparecer sólo la b, o sólo la c u otro carácter | |
| a(b|d)c | abc | Sí | Entre la a y la c puede estar el carácter b... |
| adc | Sí | ... o el carácter d, ... | |
| abdc | No | ... pero no los dos, ... | |
| ac | No | ... ni ninguno de ellos. | |
| ^(ab)|(dc)$ | abc | Sí | Está la pareja ab ... |
| adc | Sí | ... o dc ... | |
| abdc | Sí | ... o las dos, ... | |
| ac | No | ... pero no ninguna | |
| ^(ab)$|^(dc)$ | abc | No | Está la pareja ab, pero sobra la c ... |
| adc | No | ... o está la pareja dc, pero sobra la a. | |
| dc | Sí | Está una de las dos |