Regex: guía de referencia de expresiones regulares

Regex (Regular Expression) es una secuencia de caracteres que define un patrón de búsqueda. Se utilizan en herramientas de línea de comandos como grep y sed, en editores de texto, en prácticamente todos los lenguajes de programación y en la validación de formularios para buscar, extraer y reemplazar texto de forma eficiente.

Caracteres literales

Un carácter literal coincide exactamente consigo mismo. El patrón hola busca la secuencia exacta “hola” dentro del texto. La mayoría de caracteres alfanuméricos son literales; los que tienen un significado especial se denominan metacaracteres.

Metacaracteres

Los metacaracteres son caracteres con un significado especial dentro de una expresión regular:

Metacarácter	Descripción	Ejemplo
`.`	Coincide con cualquier carácter excepto salto de línea	`h.la` coincide con “hola”, “hila”, “h_la”
`^`	Coincide con el inicio de una cadena de texto	`^Hola` coincide con “Hola mundo”, pero no con “mundo Hola”
`$`	Coincide con el final de una cadena de texto	`mundo$` coincide con “Hola mundo”, pero no con “mundo Hola”
`\`	Carácter de escape, anula el significado del metacarácter	`\.` coincide con un punto literal ”.”

Anclas y límites

Las anclas no coinciden con caracteres, sino con posiciones dentro del texto:

Ancla	Descripción	Ejemplo
`^`	Inicio de la cadena (o de la línea en modo multilínea)	`^Error` coincide solo al inicio de la cadena
`$`	Final de la cadena (o de la línea en modo multilínea)	`fin$` coincide solo al final de la cadena
`\b`	Límite de palabra: posición entre un carácter de palabra y uno que no lo es	`\bgato\b` coincide con “gato” pero no con “gatoespín”
`\B`	Posición que no es un límite de palabra	`\Bato` coincide con “gato” pero no con “atornillar”

Los límites de palabra (\b) son especialmente útiles para evitar coincidencias parciales dentro de palabras más largas.

Clases de caracteres

Permiten definir un conjunto de caracteres que pueden coincidir en una posición determinada. Se delimitan con corchetes y admiten rangos:

Sintaxis	Descripción	Ejemplo
`[abc]`	Coincide con cualquiera de los caracteres dentro de corchetes	`g[ai]to` coincide con “gato” y “gito”
`[^abc]`	Coincide con cualquier carácter que no esté dentro de corchetes	`h[^o]la` coincide con “hala”, “hela”, pero no con “hola”
`[a-z]`	Coincide con cualquier letra minúscula en el rango especificado	`[a-c]` es equivalente a `[abc]`
`[0-9]`	Coincide con cualquier dígito del 0 al 9	`20[2-9][0-9]` coincide con años desde 2020 hasta 2099

Clases abreviadas

Las clases abreviadas son atajos para patrones de caracteres frecuentes. Cada abreviatura en mayúscula es la negación de su versión en minúscula:

Abreviatura	Equivalente	Descripción
`\d`	`[0-9]`	Cualquier dígito
`\D`	`[^0-9]`	Cualquier carácter que no sea un dígito
`\w`	`[a-zA-Z0-9_]`	Cualquier carácter de palabra (letras, números, `_`)
`\W`	`[^a-zA-Z0-9_]`	Cualquier carácter que no sea de palabra
`\s`	`[ \t\n\r]`	Cualquier espacio en blanco (espacio, tab, salto de línea)
`\S`	`[^ \t\n\r]`	Cualquier carácter que no sea un espacio en blanco

Cuantificadores

Indican cuántas veces debe aparecer el carácter, grupo o clase precedente:

Cuantificador	Descripción	Ejemplo
`*`	Cero o más veces	`ho*la` coincide con “hla”, “hola”, “hooola”
`+`	Una o más veces	`ho+la` coincide con “hola”, “hoola”, pero no con “hla”
`?`	Cero o una vez	`colou?r` coincide con “color” y “colour”, pero no con “colouur”
`{n}`	Exactamente n veces	`\d{3}` coincide con exactamente 3 dígitos, por ejemplo “123”
`{n,}`	Al menos n veces	`\d{2,}` coincide con “12”, “123”, “1234”, etc.
`{n,m}`	Entre n y m veces	`\w{2,4}` coincide con 2, 3 o 4 caracteres de palabra

Por defecto, los cuantificadores son codiciosos (greedy): consumen la mayor cantidad de texto posible. Agregar ? después del cuantificador lo convierte en perezoso (lazy), haciendo que coincida con la menor cantidad posible. Por ejemplo, a+ sobre “aaa” coincide con “aaa”, mientras que a+? coincide con “a”.

Agrupamiento y alternancia

Permiten combinar expresiones y definir alternativas dentro de un patrón:

Sintaxis	Descripción	Ejemplo
`()`	Agrupa expresiones como una unidad y captura el texto coincidente para uso posterior	`(ab)+` coincide con “ab”, “abab”, “ababab”
`(?:)`	Grupo sin captura: agrupa sin almacenar la coincidencia, más eficiente si no necesitas el valor	`(?:ab)+` funciona igual, pero no captura el grupo
`\|`	Alternancia: coincide con la expresión de la izquierda o la de la derecha	`gato\|perro` coincide con “gato” o “perro”

Los grupos de captura se referencian con \1, \2, etc., según su posición. Esto es útil para buscar texto repetido, por ejemplo (\w+)\s+\1 coincide con palabras duplicadas como “la la”.

Ejemplos prácticos

Validar correo electrónico

^\w+([\.-]?\w+)*@\w+([\.-]?\w+)*(\.\w{2,3})+$

Desglose del patrón:

^\w+ — la cadena comienza con uno o más caracteres de palabra.
([\.-]?\w+)* — seguido opcionalmente de un punto o guion y más caracteres, repetible cero o más veces.
@ — carácter literal que separa el usuario del dominio.
\w+([\.-]?\w+)* — nombre del dominio con subdominios opcionales.
(\.\w{2,3})+$ — termina con un punto y entre 2 y 3 caracteres para el TLD.

Este patrón cubre la mayoría de correos comunes, pero no es exhaustivo. La especificación completa de direcciones de correo electrónico (RFC 5321) es considerablemente más compleja.

Validar número de teléfono (formato México)

\(?\d{2,3}\)?[-.\s]?\d{4}[-.\s]?\d{4}

Desglose del patrón:

$?\d{2,3}$? — código de área de 2 o 3 dígitos, opcionalmente encerrado entre paréntesis.
[-.\s]? — separador opcional: guion, punto o espacio en blanco.
\d{4} — primer grupo de 4 dígitos.
[-.\s]? — segundo separador opcional.
\d{4} — segundo grupo de 4 dígitos.

Coincide con formatos como (55)1234-5678, 55.1234.5678 y 551234 5678.

Extraer etiquetas HTML

<(\w+)[^>]*>.*?<\/\1>

Desglose del patrón:

<(\w+) — coincide con la apertura de una etiqueta y captura su nombre.
[^>]*> — coincide con atributos opcionales hasta el cierre >.
.*? — contenido de la etiqueta (cuantificador perezoso para evitar coincidencias excesivas).
<\/\1> — etiqueta de cierre que referencia al grupo capturado \1, asegurando que coincida con la misma etiqueta de apertura.

Este patrón es útil para extracciones simples. Para parsear HTML completo, usa un parser dedicado.

Buenas prácticas

Usa herramientas interactivas para probar patrones — sitios como regex101.com permiten visualizar coincidencias y depurar expresiones en tiempo real.
Empieza con patrones simples e itera — construye la expresión paso a paso en lugar de escribir un regex complejo de una sola vez.
Usa grupos sin captura (?:) cuando no necesites el valor — son más eficientes porque el motor no almacena la coincidencia.
Escapa metacaracteres cuando busques literales — si necesitas buscar un punto literal, usa \. en lugar de ..
Prioriza la legibilidad — un regex ilegible es un regex inmantenible. Agrega comentarios o descompón patrones complejos en partes.
Valida con múltiples casos de prueba — en producción, verifica el patrón contra entradas válidas, inválidas y casos borde antes de desplegarlo.
Usa anclas ^ y $ para validaciones estrictas — sin anclas, el patrón puede coincidir con una subcadena dentro de una entrada más larga.
Cuidado con el backtracking catastrófico — patrones con cuantificadores anidados como (a+)+ pueden causar tiempos de ejecución exponenciales en ciertos motores de regex.