Expresiones Regulares en Python (Módulo re) – Guía Práctica

Expresiones Regulares en Python (Módulo re) – Guía Práctica

Descubre cómo aprovechar el poder de las expresiones regulares en Python con el módulo re. Ejemplos paso a paso ilustran patrones comunes, técnicas de matching y funciones avanzadas.

¿Qué es una Expresión Regular?

expresión regular (RegEx) es una secuencia de caracteres que define un patrón de búsqueda. Por ejemplo, el patrón ^a...s$ coincide con cualquier cadena de cinco letras que empiece con a y termine con s.

^a...s$

Los patrones pueden usarse para comparar contra cadenas. La tabla siguiente demuestra cómo se comporta el patrón con diferentes entradas:

Expresión	Cadena	¿Coincide?
^a...s$	abs	No coincide
	alias	Coincide
	abyss	Coincide
	Alias	No coincide
	Un ábaco	No coincide

---

El módulo re de Python proporciona las herramientas necesarias para trabajar con RegEx. Aquí un ejemplo rápido que usa re.match() para verificar un patrón contra una cadena:

import re
pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)
if result:
    print("Búsqueda exitosa.")
else:
    print("Búsqueda fallida.")

Cuando el patrón se encuentra, re.match() devuelve un objeto match; de lo contrario devuelve None.

---

Especificando Patrones con Metacaracteres

Los metacaracteres son símbolos especiales que el motor regex interpreta de manera única. Referencia rápida de los más comunes:

[] . ^ $ * + ? {} () \ |

---

Corchetes: []

Los corchetes definen un conjunto de caracteres a coincidir. Por ejemplo, [abc] coincide con cualquier ocurrencia simple de a, b o c.

Expresión	Cadena	¿Coincide?
[abc]	a	1 coincidencia
	ac	2 coincidencias
	Hey Jude	No coincide
	abc de ca	5 coincidencias

Rangos pueden expresarse con guion, ej. [a-e] equivale a [abcde]. Para invertir un conjunto, coloca un acento circunflejo ^ después del corchete de apertura, ej. [^abc] coincide con cualquier carácter excepto a, b o c.

---

Punto: .

El punto coincide con cualquier carácter simple excepto nueva línea.

Expresión	Cadena	¿Coincide?
..	a	No coincide
	ac	1 coincidencia
	acd	1 coincidencia
	acde	2 coincidencias (contiene 4 caracteres)

---

Circunflejo: ^ y Dólar: $

El circunflejo afirma inicio de cadena; el signo dólar afirma final. Por ejemplo, ^a coincide con cualquier cadena que empiece con a, mientras que a$ coincide con cualquier cadena que termine con a.

Expresión	Cadena	¿Coincide?
^a	a	1 coincidencia
	abc	1 coincidencia
	bac	No coincide
^ab	abc	1 coincidencia
	acb	No coincide (empieza con a pero no seguido de b)

Expresión	Cadena	¿Coincide?
a$	a	1 coincidencia
	fórmula	1 coincidencia
	cab	No coincide

---

Cuantificadores: *, +, ?, {n,m}

Estos símbolos controlan cuántas veces debe aparecer el elemento precedente.

• * – cero o más veces.
• + – una o más veces.
• ? – cero o una vez.
• {n,m} – al menos n y como máximo m veces.

Ejemplos:

Expresión	Cadena	¿Coincide?
ma*n	mn	1 coincidencia
	man	1 coincidencia
	maaan	1 coincidencia
	main	No coincide (a no seguido de n)
	woman	1 coincidencia

Expresión	Cadena	¿Coincide?
ma+n	mn	No coincide (sin a)
	man	1 coincidencia
	maaan	1 coincidencia
	main	No coincide (a no seguido de n)
	woman	1 coincidencia

Expresión	Cadena	¿Coincide?
ma?n	mn	1 coincidencia
	man	1 coincidencia
	maaan	No coincide (más de un a)
	main	No coincide (a no seguido de n)
	woman	1 coincidencia

Expresión	Cadena	¿Coincide?
a{2,3}	abc dat	No coincide
	abc daat	1 coincidencia (en daat)
	aabc daaat	2 coincidencias (en aabc y daaat)
	aabc daaaat	2 coincidencias (en aabc y daaaat)

Patrón común: [0-9]{2,4} coincide con dos a cuatro dígitos consecutivos.

Expresión	Cadena	¿Coincide?
[0-9]{2,4}	ab123csde	1 coincidencia (en ab123csde)
	12 y 345673	3 coincidencias (12, 3456, 73)
	1 y 2	No coincide

---

Alternación: |

La barra vertical implementa OR lógico. Por ejemplo, a|b coincide con cualquier cadena que contenga a o b.

Expresión	Cadena	¿Coincide?
a|b	cde	No coincide
	ade	1 coincidencia (en ade)
	acdbea	3 coincidencias (en acdbea)

---

Agrupación: ()

Los paréntesis agrupan sub-patrones y capturan subcadenas coincidentes. Ejemplo: (a|b|c)xz coincide con cualquier cadena que contenga a, b o c seguido de xz.

Expresión	Cadena	¿Coincide?
(a|b|c)xz	ab xz	No coincide
	abxz	1 coincidencia (en abxz)
	axz cabxz	2 coincidencias (en axzbc cabxz)

---

Escape: \

Usa barra invertida para tratar un metacarácter como literal. Por ejemplo, \$a coincide con la secuencia literal $a en lugar de interpretar $ como ancla de fin de cadena.

---

Secuencias Especiales

Las secuencias especiales simplifican patrones comunes. Lista de referencia con ejemplos ilustrativos.

Inicio de Cadena: \A

Expresión	Cadena	¿Coincide?
\Athe	the sun	Coincide
	In the sun	No coincide

Límite de Palabra: \b

Expresión	Cadena	¿Coincide?
\bfoo	fútbol	Coincide
	un fútbol	Coincide
	afútbol	No coincide
foo\b	el foo	Coincide
	el afoo test	Coincide
	el afootest	No coincide

No Límite de Palabra: \B

Expresión	Cadena	¿Coincide?
\Bfoo	fútbol	No coincide
	un fútbol	No coincide
	afútbol	Coincide
foo\B	el foo	No coincide
	el afoo test	No coincide
	el afootest	Coincide

Dígito: \d / No Dígito: \D

Expresión	Cadena	¿Coincide?
\d	12abc3	3 coincidencias (en 12abc3)
	Python	No coincide
\D	1ab34"50	3 coincidencias (en 1ab34"50)
	1345	No coincide

Espacio en Blanco: \s / No Espacio: \S

Expresión	Cadena	¿Coincide?
\s	Python RegEx	1 coincidencia
	PythonRegEx	No coincide
\S	a b	2 coincidencias (en a b)
		No coincide

Carácter de Palabra: \w / No Palabra: \W

Expresión	Cadena	¿Coincide?
\w	12&": ;c	3 coincidencias (en 12": ;c)
	"%> !	No coincide
\W	1a2%c	1 coincidencia (en 1a2%c)
	Python	No coincide

Fin de Cadena: \Z

Expresión	Cadena	¿Coincide?
Python\Z	Me gusta Python	1 coincidencia
	Me gusta Python Programación	No coincide
	Python es divertido.	No coincide

---

Consejo: Usa un tester de regex online como regex101 para crear y depurar patrones rápidamente.

---

Usando RegEx en Python

El módulo re de Python ofrece un rico conjunto de funciones y constantes para operaciones regex. Impórtalo con:

import re

Abajo las utilidades más comunes y cómo usarlas.

---

re.findall()

Devuelve lista de todas las coincidencias no superpuestas en una cadena.

# Extraer todos los números de una cadena
import re
string = 'hola 12 hi 89. Qué tal 34'
pattern = '\d+'
result = re.findall(pattern, string)
print(result)  # Salida: ['12', '89', '34']

Cuando no se encuentra coincidencia, devuelve lista vacía.

---

re.split()

Divide una cadena en cada punto donde el patrón coincide, devolviendo lista de subcadenas.

import re
string = 'Doce:12 Ochenta y nueve:89.'
pattern = '\d+'
result = re.split(pattern, string)
print(result)  # Salida: ['Doce:', ' Ochenta y nueve:', '.']

Usa el argumento opcional maxsplit para limitar número de divisiones. Valor 0 (default) divide en cada coincidencia.

import re
string = 'Doce:12 Ochenta y nueve:89 Nueve:9.'
pattern = '\d+'
# Dividir solo en la primera ocurrencia
result = re.split(pattern, string, 1)
print(result)  # Salida: ['Doce:', ' Ochenta y nueve:89 Nueve:9.']

---

re.sub()

Reemplaza todas las ocurrencias de un patrón con una cadena de reemplazo.

# Eliminar todos los caracteres de espacio en blanco
import re
string = 'abc 12\nde 23 \n f45 6'
pattern = '\s+'
replace = ''
new_string = re.sub(pattern, replace, string)
print(new_string)  # Salida: abc12de23f456

Para limitar reemplazos, proporciona argumento count. Valor 0 reemplaza cada coincidencia.

new_string = re.sub(r'\s+', replace, string, 1)
print(new_string)  # Salida:
# abc12de 23
# f45 6

---

re.subn()

Como re.sub(), pero devuelve tupla con la nueva cadena y número de sustituciones realizadas.

new_string = re.subn(pattern, replace, string)
print(new_string)  # Salida: ('abc12de23f456', 4)

---

re.search()

Encuentra la primera ubicación donde el patrón coincide.

string = "Python es divertido"
match = re.search('\\APython', string)
if match:
    print("patrón encontrado dentro de la cadena")
else:
    print("patrón no encontrado")
# Salida: patrón encontrado dentro de la cadena

---

Objeto Match

Cuando se encuentra coincidencia, re.search() devuelve un objeto Match. Métodos y atributos comunes incluyen:

• group() – la subcadena coincidente.
• start() / end() – índices de la coincidencia.
• span() – tupla de (inicio, fin).
• groups() – todos los grupos capturados.

string = '39801 356, 2102 1111'
pattern = '(\\d{3}) (\\d{2})'
match = re.search(pattern, string)
if match:
    print(match.group())
    print(match.group(1))
    print(match.group(2))
    print(match.groups())
    print(match.start(), match.end(), match.span())
else:
    print("patrón no encontrado")
# Salida:
# 801 35
# 801
# 35
# ('801', '35')
# 2 8 (2, 8)

---

Usando Raw Strings (prefijo r)

Prefijar un literal de cadena con r trata barras invertidas como caracteres literales, previniendo secuencias de escape accidentales. Esto es especialmente útil en patrones regex.

string = '\n y \r son secuencias de escape.'
result = re.findall(r'[\n\r]', string)
print(result)  # Salida: ['\n', '\r']

---

Para exploración más profunda del módulo re, consulta la documentación oficial de Python.