Fundamentos de programación Tema 6
Expresiones regulares
Funciona en el IDE online. Todo lo de esta sección funciona en el IDE online: pulsa Pruébalo en cualquier ejemplo, o abre el IDE y escribe el tuyo. Sin instalar nada.
Con contains o startsWith se busca un texto concreto. Pero muchas veces lo que se quiere saber es si un texto tiene una forma: si un DNI son ocho cifras y una letra, si un código postal son cinco cifras, si en una frase hay números y cuáles son. Para eso están las expresiones regulares: un texto que describe una forma, con unos símbolos que significan «una cifra», «una letra», «una o más veces»…
String dni = "12345678Z";
System.out.println(dni.matches("\\d{8}[A-Z]")); // true\\d{8}[A-Z] se lee: una cifra (\d), ocho veces ({8}), y después una letra mayúscula ([A-Z]). matches dice si el texto entero tiene esa forma.
Importante
En la expresión se escribe \d, pero dentro de un String de Java la barra \ es especial (es la de \n), así que hay que escribirla dos veces: "\\d". Es lo que más se olvida.
Los símbolos#
| Símbolo | Significa | Ejemplo | Cumplen |
|---|---|---|---|
\d | Una cifra, del 0 al 9 | "\\d\\d" | "07", "42" |
\w | Una letra sin tilde, una cifra o _ | "\\w+" | "ana_2" |
\s | Un espacio, un tabulador o un salto de línea | "a\\sb" | "a b" |
. | Cualquier carácter | "c.sa" | "casa", "cosa" |
[abc] | Uno de los de dentro | "[aeiou]" | "e" |
[a-z], [0-9] | Uno del rango | "[A-Z][a-z]+" | "Ana" |
[^…] | Uno que no sea de los de dentro | "[^0-9]+" | "hola" |
a|b | Una cosa o la otra | "si|no" | "si", "no" |
( ) | Junta un trozo, para repetirlo o para sacarlo luego | "(ja)+" | "jajaja" |
Y detrás de cualquiera de ellos, cuántas veces puede salir:
| Detrás | Cuántas veces | Ejemplo | Cumplen |
|---|---|---|---|
? | Ninguna o una | "colou?r" | "color", "colour" |
* | Ninguna o más | "ab*" | "a", "abbb" |
+ | Una o más | "\\d+" | "5", "2026" |
{n} | Exactamente n | "\\d{5}" | "28013" |
{n,m} | Entre n y m | "\\d{2,4}" | "12", "2026" |
Para buscar uno de los caracteres especiales tal cual (un punto, un +, un paréntesis), se pone \\ delante: "\\." es un punto de verdad, y no «cualquier carácter».
Comprobar un formato: matches#
matches dice si el texto entero, de principio a fin, cumple la expresión. Es lo que se usa para comprobar lo que escribe el usuario:
String codigoPostal = "28013";
String telefono = "612 345 678";
String correo = "ana.lopez@correo.es";
System.out.println(codigoPostal.matches("\\d{5}")); // true
System.out.println(telefono.matches("[67]\\d{2} \\d{3} \\d{3}")); // true
System.out.println(correo.matches("[\\w.]+@\\w+\\.[a-z]{2,}")); // true
System.out.println("2801".matches("\\d{5}")); // false: faltan cifrasNota
Comprobar un correo electrónico de verdad es mucho más complicado que esto: la expresión de arriba deja fuera direcciones válidas. Para un ejercicio vale; en un programa real se usa una que ya esté hecha y probada.
Cambiar y partir: replaceAll y split#
replaceAll cambia cada trozo que cumple la expresión por otro texto, y replaceFirst, solo el primero. split, que ya conoces, también recibe una expresión regular:
String frase = "Hay demasiados espacios";
System.out.println(frase.replaceAll("\\s+", " ")); // Hay demasiados espacios
String tarjeta = "1234 5678 9012 3456";
System.out.println(tarjeta.replaceAll("\\d{4} ", "**** ")); // **** **** **** 3456
String lista = "pan, leche ,huevos";
String[] cosas = lista.split("\\s*,\\s*"); // una coma, con o sin espacios alrededor
System.out.println(cosas.length + ": " + cosas[1]); // 3: lecheBuscar dentro de un texto: Pattern y Matcher#
matches mira el texto entero. Para encontrar los trozos que cumplen la expresión dentro de un texto más largo, se usan dos clases de java.util.regex: Pattern, la expresión preparada, y Matcher, que la va buscando:
import java.util.regex.*;
Pattern numero = Pattern.compile("\\d+");
Matcher m = numero.matcher("Tengo 3 gatos, 12 peces y 1 perro");
while (m.find()) {
System.out.println(m.group() + " en la posición " + m.start());
}3 en la posición 6
12 en la posición 15
1 en la posición 26| Método | Qué hace |
|---|---|
find() | Busca el siguiente trozo que cumple la expresión. Da false cuando ya no hay más |
group() | El trozo encontrado |
group(n) | El trozo de los paréntesis número n de la expresión, contados desde 1 |
start() y end() | Dónde empieza el trozo, y la posición de después |
Los paréntesis sirven para sacar partes de lo encontrado. Aquí, el usuario y el dominio de cada correo:
import java.util.regex.*;
Pattern correo = Pattern.compile("(\\w+)@(\\w+)\\.com");
Matcher m = correo.matcher("Escribe a ana@gmail.com o a luis@empresa.com");
while (m.find()) {
System.out.println("Usuario: " + m.group(1) + ", dominio: " + m.group(2));
}Usuario: ana, dominio: gmail
Usuario: luis, dominio: empresaVarios rangos seguidos: una matrícula#
Una matrícula española son cuatro cifras y tres consonantes:
String matricula = "1234BCD";
System.out.println(matricula.matches("\\d{4}[B-DF-HJ-NP-TV-Z]{3}")); // true
System.out.println("1234ABC".matches("\\d{4}[B-DF-HJ-NP-TV-Z]{3}")); // false: lleva una vocal[B-DF-HJ-NP-TV-Z] son varios rangos seguidos: de la B a la D, de la F a la H… para dejar fuera las vocales, que las matrículas no usan.
Errores frecuentes#
| Mensaje o síntoma | Qué significa | Cómo se arregla |
|---|---|---|
illegal escape character | Has escrito "\d" con una sola barra: para Java, \d no existe dentro de un texto | Dobla la barra: "\\d" |
matches da false y el texto sí contiene lo que buscas | matches comprueba el texto entero, no un trozo | Para buscar dentro, usa Pattern y find(); o rodea la expresión: ".*\\d.*" |
PatternSyntaxException: Unclosed character class | Al ejecutar: la expresión está mal escrita, aquí con un [ sin su ] | Revisa que cada [, ( y { tenga su pareja |
IllegalStateException: No match found | Al ejecutar: has pedido group() sin haber encontrado nada | Pide el trozo solo si find() ha dado true: if (m.find()) { … m.group() … } |
| Un punto encuentra cualquier letra | En una expresión, . es «cualquier carácter» | Para un punto de verdad, "\\." |
cannot find symbol en Pattern o Matcher | Falta el import | Añade import java.util.regex.*; arriba del todo |