Expresiones regulares en Julia

Una expresión regular (regular expression) describe un patrón de coincidencia de cadenas, que se puede utilizar para comprobar si una cadena contiene una cierta subcadena, reemplazar las subcadenas coincidentes o extraer de una cadena las subcadenas que cumplen una determinada condición, etc.

Julia tiene expresiones regulares (regexes) compatibles con Perl.

Las tres formas de expresiones regulares en Julia son: coincidencia, reemplazo y transformación:

  • Coincidencia: m// (también se puede abreviar como //, omitiendo la m)

  • Reemplazo: s///

  • Transformación: tr///

Estas tres formas generalmente se combinan con=~o!~=~ indica que coincide, y !~ indica que no coincide.

En Julia, la entrada de expresiones regulares utiliza varios tipos de prefijosrque comienzan con:

Ejemplo

julia> re = r"^\s*(?:#|$)"
r"^\s*(?:#|$)"


julia> typeof(re)
Regex

Para comprobar si una expresión regular coincide con una cadena, usaoccursin:

Ejemplo

julia> occursin(r"^\s*(?:#|$)", "not a comment")
false

julia> occursin(r"^\s*(?:#|$)", "# a comment")
true

Se puede ver queoccursinsolo devuelve verdadero o falso, lo que indica si la expresión regular dada aparece en la cadena. Sin embargo, normalmente no solo queremos saber si la cadena coincide, sino también cómo coincide. Para capturar la información de la coincidencia, podemos usarmatchla función:

Ejemplo

julia> match(r"^\s*(?:#|$)", "not a comment")

julia> match(r"^\s*(?:#|$)", "# a comment")
RegexMatch("#")

Si la expresión regular no coincide con la cadena dada, match devuelve nothing: un valor especial que no imprime nada en el prompt interactivo. Aparte de no imprimir, es un valor completamente normal, lo que se puede probar con un programa:

Ejemplo

m = match(r"^\s*(?:#|$)", line)
if m === nothing
    println("not a comment")
else
    println("blank or comment")
end

Si la expresión regular coincide, el valor devuelto por match es un objeto RegexMatch. Estos objetos registran cómo coincide la expresión, incluyendo la subcadena que coincide con el patrón y cualquier subcadena que pueda haber sido capturada. El ejemplo anterior solo capturó la parte de la subcadena que coincidió, pero quizás queremos capturar cualquier texto no vacío después del carácter de comentario. Podemos hacerlo de la siguiente manera:

Ejemplo

julia> m = match(r"^\s*(?:#\s*(.*?)\s*$|$)", "# a comment ")
RegexMatch("# a comment ", 1="a comment")

Al llamar a match, puedes optar por especificar el índice desde el cual comenzar la búsqueda. Por ejemplo:

Ejemplo

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",1)
RegexMatch("1")

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",6)
RegexMatch("2")

julia> m = match(r"[0-9]","aaaa1aaaa2aaaa3",11)
RegexMatch("3")

Puedes extraer la siguiente información del objeto RegexMatch:

  • La subcadena completa de la coincidencia:m.match
  • Las subcadenas capturadas como un array de cadenas:m.captures
  • El desplazamiento donde comienza toda la coincidencia:m.offset
  • Los desplazamientos de las subcadenas capturadas como vector:m.offsets

Cuando una captura no coincide,m.capturesen ese lugar ya no se incluye una subcadena, sino que no se incluye nada; además,m.offsetsel desplazamiento es 0 (recuerda que los índices de Julia comienzan en 1, por lo que un desplazamiento de cero en una cadena no es válido). A continuación se muestran dos ejemplos un poco forzados:

Ejemplo

julia> m = match(r"(a|b)(c)?(d)", "acd")
RegexMatch("acd", 1="a", 2="c", 3="d")

julia> m.match
"acd"

julia> m.captures
3-element Vector{Union{Nothing, SubString{String}}}:
 "a"
 "c"
 "d"

julia> m.offset
1

julia> m.offsets
3-element Vector{Int64}:
 1
 2
 3

julia> m = match(r"(a|b)(c)?(d)", "ad")
RegexMatch("ad", 1="a", 2=nothing, 3="d")

julia> m.match
"ad"

julia> m.captures
3-element Vector{Union{Nothing, SubString{String}}}:
 "a"
 nothing
 "d"

julia> m.offset
1

julia> m.offsets
3-element Vector{Int64}:
 1
 0
 2

Es conveniente que las capturas se devuelvan como un array, para poder vincularlas a variables locales mediante la sintaxis de desestructuración. Para mayor comodidad, el objeto RegexMatch implementa un método iterador que delega en el campo captures, por lo que puedes desestructurar directamente el objeto de coincidencia:

Ejemplo

julia> first, second, third = m; first
"a"

También se puede acceder a las capturas indexando el objeto RegexMatch por el número o nombre del grupo de captura:

Ejemplo

julia> m=match(r"(?<hour>\d+):(?<minute>\d+)","12:45")
RegexMatch("12:45", hour="12", minute="45")

julia> m[:minute]
"45"

julia> m[2]
"45"

Al usar replace, se puede hacer referencia a las capturas en la cadena de reemplazo utilizando \n para referirse al enésimo grupo de captura y añadiendo el prefijo s a la cadena de reemplazo. El grupo de captura 0 se refiere a todo el objeto de coincidencia. En el reemplazo se puede usar \gpara hacer referencia a grupos de captura con nombre. Por ejemplo:

julia> replace("first second", r"(\w+) (?<agroup>\w+)" => s"\g<agroup> \1")
"second first"

Para mayor claridad, los grupos de captura numerados también se pueden referenciar con \gpara hacer referencia, por ejemplo:

julia> replace("a", r"." => s"\g<0>1")
"a1"

Puedes modificar la expresión regular añadiendo banderas como i, m, s y x después de las comillas dobles de cierre.

Puedes consultar más contenido sobre expresiones regulares en:Expresiones regulares - Tutorial

Otras extensiones