Chuleta de regex

Una expresión regular (regex) es un patrón compacto que describe un conjunto de cadenas de texto, utilizado para buscar, coincidir y reemplazar texto. Por ejemplo, el patrón \d{3}-\d{4} coincide con un fragmento de teléfono como 555-1234, porque \d significa 'un dígito' y {3} significa 'exactamente tres de ellos'. Las regex impulsan el buscar-y-reemplazar, la validación de formularios y el análisis de registros en casi todos los lenguajes de programación y editores de código. El tester en vivo en la parte superior de esta página te permite probar cualquier patrón al instante.

Los elementos fundamentales son: . (cualquier carácter excepto nueva línea), \d (un dígito), \w (un carácter de palabra — letra, dígito o guión bajo), \s (espacio en blanco), los anchors ^ (inicio) y $ (fin), y los cuantificadores * (cero o más), + (uno o más) y ? (opcional). Así, \w+ coincide con una palabra completa y \d+ con un número completo como 2024. Combínalos — ^\d+$ coincide con una línea que solo contiene dígitos. Cada token en este cheat sheet incluye un ejemplo que puedes copiar.

\d coincide con cualquier dígito del 0 al 9; \w coincide con un carácter de palabra (a–z, A–Z, 0–9 o _); \s coincide con espacio en blanco (espacio, tabulación o nueva línea). Sus versiones en mayúscula son las negaciones: \D es un no-dígito, \W un carácter que no es de palabra y \S un carácter que no es espacio. Por ejemplo, en el texto 'a5 b', \d coincide con 5, \w coincide con a, 5 y b, y \s coincide con el espacio entre ellos. Estas tres clases abreviadas cubren la gran mayoría de los patrones regex del día a día.

Los anchors coinciden con una posición en lugar de un carácter. ^ coincide con el inicio de la cadena (o cada línea con el flag m), $ coincide con el final, \b coincide con un límite de palabra y \B con un no-límite. Por ejemplo, ^\d+$ coincide con una cadena formada solo por dígitos, y \bcat\b coincide con la palabra 'cat' pero no con la 'cat' dentro de 'category'. Los anchors se malinterpretan frecuentemente como coincidentes de caracteres — en realidad coinciden con posiciones en el texto, no con caracteres específicos.

Los cuantificadores indican cuántas veces puede repetirse el token anterior: * es cero o más, + es uno o más, ? es cero o uno (opcional), {n} es exactamente n, {n,} es n o más, y {n,m} está entre n y m. Son greedy por defecto (coinciden con tanto como sea posible); añade un ? para hacerlos lazy. Por ejemplo, \d{1,3} coincide con 1 a 3 dígitos, y el lazy .+? coincide con lo menos posible. Los cuantificadores lazy son esenciales cuando se buscan etiquetas HTML o cadenas entre comillas.

Los paréntesis (…) crean un grupo de captura que puedes extraer o reutilizar — (\d{4})-(\d{2}) captura el año en el grupo 1 y el mes en el grupo 2 de '2024-06'. Usa (?:…) para un grupo sin captura cuando solo necesitas agrupar para un cuantificador, y (?<nombre>…) para un grupo con nombre como (?<año>\d{4}). Una retroreferencia como \1 vuelve a coincidir con lo que capturó el grupo 1, por lo que (\w)\1 encuentra una letra doble — la 'll' en 'hello'.

Los lookarounds verifican que un texto está (o no está) junto a tu coincidencia sin consumirlo. (?=…) es un lookahead positivo, (?!…) un lookahead negativo, (?<=…) un lookbehind positivo y (?<!…) un lookbehind negativo. Por ejemplo, \d+(?=px) coincide con el 5 en '5px' pero deja fuera el 'px', y (?<=\$)\d+ coincide con el 9 en '$9' al requerir un signo de dólar precedente. Los lookarounds son una de las características que separan los motores de regex modernos del grep POSIX.

Los flags cambian cómo se aplica el patrón completo: g (global) encuentra cada coincidencia, i lo hace insensible a mayúsculas, m (multiline) hace que ^ y $ coincidan con cada línea, s (dotall) permite que . coincida con nuevas líneas, u activa el soporte completo de Unicode e y (sticky) ancla la coincidencia en una posición fija. En JavaScript se añaden después de la barra de cierre, así que /cat/gi coincide con 'Cat' y 'CAT' en cualquier parte del texto. El tester en esta página tiene botones de alternancia para cada flag para que puedas ver su efecto en tiempo real.

Patrones prácticos de inicio: email — [\w.+-]+@[\w-]+\.[\w.-]+ ; URL — https?:\/\/[^\s]+ ; teléfono (formato general) — \(?\d{2,3}\)?[-.\s]?\d{3,4}[-.\s]?\d{4}, que coincide tanto con 55-1234-5678 como con (55) 1234 5678. Son patrones pragmáticos, no exhaustivos — el estándar oficial de email es mucho más complejo — así que pruébalos siempre con tus datos reales usando el tester en vivo de arriba, donde cada uno está a un solo clic en la lista de Patrones comunes.

Coloca una barra invertida antes de cualquier metacarácter para que coincida literalmente. Los caracteres que normalmente necesitan escape son . ^ $ * + ? ( ) [ ] { } | \ y /. Por ejemplo \. coincide con un punto literal y \$ con un signo de dólar, por lo que \d+\.\d{2} coincide con un precio como 19.99. Dentro de una clase de caracteres la mayoría de estos pierden su significado especial, así que [.] también coincide con un punto literal sin necesidad de escaparlo.

La sintaxis central es compartida, pero los detalles difieren. JavaScript nombra los grupos (?<nombre>…) mientras que Python usa (?P<nombre>…); Python usa cadenas raw como r"\d+" y Java necesita barras invertidas dobles en literales de cadena ("\\d+"). Dotall es el flag s en JS, re.DOTALL en Python y Pattern.DOTALL en Java. La tabla de dialectos en esta página resume las diferencias para Python, Java, PCRE y grep para que puedas trasladar un patrón entre lenguajes con confianza.

En Python, las expresiones regulares viven en el módulo integrado re. Normalmente escribes el patrón como una cadena raw y llamas a funciones como re.search, re.findall o re.sub — por ejemplo re.findall(r"\d+", "a1 b22") devuelve ['1', '22']. Los grupos con nombre usan (?P<nombre>…) y se leen con match.group('nombre'). La referencia de tokens en esta página se aplica directamente a regex de Python; solo difieren la API circundante y algunos nombres de flags respecto a JavaScript.

Usa el tester en vivo en la parte superior de esta página: escribe tu patrón entre las barras, activa los flags que necesites y pega una cadena de prueba. Las coincidencias se resaltan en tiempo real, cada grupo de captura numerado y con nombre se desglosa abajo, y un patrón inválido muestra un mensaje de error claro en lugar de fallar silenciosamente — todo ejecutándose localmente en tu navegador, así que nada de lo que pegues se sube. Herramientas como regex101.com y regexr.com funcionan de manera similar; esta combina la referencia y el tester en una sola página.

regex101.com es el estándar de la industria para la depuración profunda de regex — soporta múltiples dialectos (PCRE, Python, Java, .NET, Golang) y ofrece una explicación detallada de cada token en tu patrón. regexr.com ofrece una experiencia similar con una biblioteca comunitaria de patrones. Ambas son excelentes herramientas especializadas. Este cheat sheet de UtiloKit es diferente: combina una tabla de referencia de tokens con un tester básico en vivo en la misma página, para que puedas buscar algo y verificarlo en segundos sin cambiar de pestaña. Para trabajo de regex de producción complejo, la comparación de dialectos y el depurador detallado de regex101.com son difíciles de superar; para consultas rápidas durante el desarrollo, esta página de referencia carga más rápido y no requiere navegación adicional.

El nombre proviene de la teoría formal del lenguaje. En la década de 1950, el matemático Stephen Kleene describió los 'conjuntos regulares' — lenguajes que una máquina de estados finitos simple puede reconocer — y la notación que usó para ellos se conoció como expresión regular. Los motores de regex modernos añaden características como retroreferencias y lookarounds que van más allá de los lenguajes estrictamente 'regulares', pero el nombre histórico se mantuvo.