Expresiones regulares en PHP

Si ves errores o quieres modificar/añadir contenidos, puedes crear un pull request. Gracias

Una expresión regular o regex es un patrón que se compara con una cadena objetivo de izquierda a derecha, carácter a carácter. La biblioteca PCRE (Perl Compatible Regular Expressions) es una extensión incorporada en PHP que permite utilizar expresiones regulares en funciones para buscar, comparar y sustituir strings en PHP.

Indice de contenido


1. Introducción	6. Modificadores
2. Encontrar extremos de un string	7. Declaraciones
3. Metacaracteres : [] \ . * + ? {} `\|` ()	8. Greedy y lazy
4. Subpatrones	9. Funciones PCRE
5. Secuencias especiales

1. Introducción

Las expresiones regulares van encerradas en delimitadores, que son cualquier par de caracteres no alfanuméricos (excepto la barra invertida \ y el espacio en blanco). Los delimitadores más utilizados son las barras oblícuas (/), aunque también se pueden utilizar almohadillas #, virgulillas ~... Además de (), [], {}, o <>.

/([A-Z])\w+/
+expresión+
#[a-zA-Z]#

Para escapar valores se utiliza la barra invertida \.

Si el delimitador aparece frecuentemente dentro del patrón, se suele utilizar otro delimitador para que sea más legible:

/http:\/\//
#http://#

Podemos ver un ejemplo con una de las funciones más básicas, _preg_match()_, que devuelve 1 si encuentra el patrón, y 0 si no lo encuentra:

$abecedario = "abcdefghijklmnñopqrstuvwz";
echo preg_match("/abc/", $abecedario); // Devuelve 1

*Para el ejemplo anterior sería más recomendable utilizar strpos() y strstr(), que son mucho más rápidas.

2. Encontrar extremos de un string

Encontrar un patrón al principio de un string

Si queremos comprobar si un string empieza con unos caracteres concretos, podemos hacerlo de la siguiente forma:

$direccion = "Calle Cuéllar";
if(preg_match("/^Calle/", $direccion))
{
 echo "Es una calle";
} else {
    echo "No es una calle";
}

Hemos comprobado que la dirección es una calle. La regex está delimitada por dos barras oblícuas (/) y comienzan con un signo de intercalación o caret ^, un metacarácter que sirve para indicar el comienzo que queremos que tenga el string buscado.

Coinciden porque ambas tienen C mayúscula, no lo harían si la regex o el string $direccion fueran en minúscula. Por defecto, las búsquedas son sensibles a mayúsculas y minúsculas, para cambiar esto se puede añadir una i de insensitive al final. Esto es lo que se llama un modificador de patrón:

...// Alteramos esta línea en el código anterior:
if(preg_match("/^calle/i", $direccion))
... // Daría igual que fuera CALle, cAllE, callE...

Encontrar un patrón al final de un string

Se hace de forma similar a encontrar un patrón al principio de un string. En lugar de usar ^ se usa el símbolo de dólar $ al final:

$cadena = "Esto es un saludo: hola";
echo preg_match("/hola$/", $cadena); // Devuelve: 1

Usar ^ y $ o \A y \Z para indicar el inicio y final de un string

Si se trabaja con un string con múltiples líneas (primera línea\nsegunda línea) y se quiere saber si el patrón coincide en el principio y el final de éstas, se pueden utilizar los símbolos ^ y $ para indicar, respectivamente, el principio y el final de cada línea de un string. Para ello es necesario utilizar también el modificador de patrón m:

$direccion = "Calle Cuéllar\nCalle Augusta";
// preg_match_all devuelve el número de matches
// Hemos incluido dos modificadores de patrón, i y m:
echo preg_match_all("/^calle/im", $direccion); // Devuelve: 2

Si no importan las líneas dentro de un string y se quiere saber exactamente el principio y el final de un string sin importar saltos de línea se usan \A y \Z:

$texto = "esto\nes\ntexto\nmultilinea\nlinea";
// Da igual que se incluya el modificador multilínea con \A y \Z:
echo preg_match_all('/linea\Z/im', $texto); // Devuelve: 1
echo preg_match_all('/linea$/im', $texto); // Devuelve: 2
echo preg_match_all('/\Aes/im', $texto); // Devuelve: 1
echo preg_match_all('/^es/im', $texto); // Devuelve: 2

3. Metacaracteres

El símbolo caret ^ y el de dólar $ son metacaracteres. El poder de las expresiones regulares viene dado por la capacidad de incluir alternativas y repeticiones en el patrón. Éstas están codificadas en el patrón por el uso de metacaracteres, que no tienen una representación en el string, sino que modifican la interpretación del patrón.

Se pueden dividir en dos: los que se interpretan fuera de los corchetes y los que se interpretan dentro:

Metacaracteres fuera de los corchetes:


Metacarácter	Descripción
\	escape
^	inicio de string o línea
$	final de string o línea
.	coincide con cualquier carácter excepto nueva línea
[	inicio de la definición de clase carácter
]	fin de la definición de clase carácter
`\|`	inicio de la rama alternativa
(	inicio de subpatrón
)	fin de subpatrón
?	amplía el significado del subpatrón, cuantificador 0 ó 1, y hace lazy los cuantificadores greedy
*	cuantificador 0 o más
+	cuantificador 1 o más
{	inicio de cuantificador mín/máx
}	fin de cuantificador mín/máx

Metacaracteres dentro de los corchetes:


Metacarácter	Descripción
\	carácter de escape general
^	niega la clase, pero sólo si es el primer carácter
-	indica el rango de caracteres

Si queremos escapar cualquiera de los metacaracteres anteriores tan sólo hay que utilizar el backslash \:

// Ejemplo de una multiplicación con el metacarácter *
$string = '3*4';
echo preg_match('/^3\*4/', $string); // Devuelve 1

Debido a las interpretaciones especiales del entrecomillado en PHP, si se quiere comparar \ mediante la expresión regular \, se ha de usar "\\" ó '\\'.

Metacarácter []

Ya hemos visto el funcionamiento de ^ y $. Vamos a ver ahora el de los corchetes [], que representan una clase carácter, esto es un conjunto de caracteres que queremos hacer coincidir, y puede ser literalmente [hola], o en forma de agrupación como [a-z]:

$string = "hola";
echo preg_match("/h[aeiou]la/", $string); // Devuelve 1
// También coincidiría con hala, hela, hila y hula

Si en la clase carácter se presenta un rango, como a-z, significa que puede coincidir con cualquier carácter del abecedario en minúsculas. En mayúsculas el rango es A-Z.

Si se incluye un metacarácter dentro de una clase carácter se interpreta literalmente (salvo las excepciones ya nombradas \, ^ y -). Ejemplo: [abc$] podría coincidir con cualquiera de los 4 caracteres: a, b, c o $.

Un caret ^ al principio de una clase carácter se interpreta como negación, y encontrará cualquier carácter salvo los incluídos dentro de la clase carácter:

$string = '123456789';
// Si se añade un tercer elemento a preg_match_all devuelve un array con lo encontrado
preg_match_all("/[^2468]/", $string, $matches);
var_dump($matches); // Devuelve array con 1, 3, 5, 7 y 9

El caret sólo es interpretado de esa forma si se coloca al principio, después se interpreta de forma literal. Podemos filtrar por ejemplo las vocales, espacios de un string o mayúsculas:

// Filtrar vocales:
$string = 'No coger vocales';
echo preg_match_all("/[^aeiou]/", $string, $matches); // 10
// Filtrar vocales y espacios:
echo preg_match_all("/[^ aeiou]/", $string, $matches); // 8
// Filtrar consonantes:
$string = "NO coger MAYUSCULAS solo minusculas"; // 23
echo preg_match_all("/[^A-Z]/", $string, $matches);

Metacarácter \

Se utiliza como escape de metacaracteres:

$string = '[]';
// Interpreta los corchetes como corchetes
echo preg_match("/\[\]/", $string, $matches);
// Interpreta los corchetes como corchetes dentro de una clase carácter
echo preg_match("/[\[\]]/", $string, $matches);

O para el uso de secuencias especiales (explicadas después).

Metacarácter .

El punto coincide una vez con cualquier carácter excepto los saltos de línea como \r y \n:

$string = "6\nf^R\nL";
echo preg_match_all("/./", $string); // Devuelve 5: 6, f, ^, R y L
echo preg_match_all("//", $string); // Devuelve 8 (todos)
// Con la secuencia especial \s se muestra el número de líneas/espacios:
echo preg_match_all("/\s/", $string); // Devuelve 2 (sólo las líneas)

Metacarácter *

Encuentra cero o más ocurrencias del carácter que le precede:

$string1 = "hla";
$string2 = "hola";
$string3 = "hoooooooola";
echo preg_match("/ho*la/", $string1); // Devuelve 1
echo preg_match("/ho*la/", $string2); // Devuelve 1
echo preg_match("/ho*la/", $string3); // Devuelve 1

Metacarácter +

Encuentra una o más ocurrencias del caracter que le precede:

$string1 = "hla";
$string2 = "hola";
$string3 = "hoooooooola";
echo preg_match("/ho+la/", $string1); // Devuelve 0
echo preg_match("/ho+la/", $string2); // Devuelve 1
echo preg_match("/ho+la/", $string3); // Devuelve 1

Metacarácter ?

Encuentra 0 o 1 ocurrencias del carácter o expresión regular que le precede. Se utiliza para hacer algún carácter opcional:

$string1 = "hla";
$string2 = "hola";
$string3 = "hoooooooola";
echo preg_match("/ho?la/", $string1); // Devuelve 1
echo preg_match("/ho?la/", $string2); // Devuelve 1
echo preg_match("/ho?la/", $string3); // Devuelve 0

Metacarácter {}

Las llaves indican el número exacto de matches del carácter o grupo de caracteres que le preceden:

$string1 = "hooola";
$string2 = "hooooola";
$string2 = "hoola";
$string4 = "houiela";
$string5 = "hla";
echo preg_match("/ho{3}la/", $string1); // Devuelve 1
// Si se indica {n,} quiere decir que al menos n elementos
echo preg_match("/ho{3,}la/", $string2); // Devuelve 1
// Si se indica {n, m} quiere decir un número entre n y m
echo preg_match("/ho{2,3}la/", $string3); // Devuelve 1
echo preg_match("/h[aeiou]{4}la/", $string4); // Devuelve 1
echo preg_match("/ho{0}la/", $string5); // Devuelve 1

Metacarácter |

El operador de barra vertical | permite alternar entre posibles coincidencias:

$string = "Este es un Estado de Estados Unidos";
echo preg_match_all("/este|esto|esta/i", $string); // Devuelve 3

Metacarácter ()

Los paréntesis en las expresiones regulares permiten crear subpatrones, como pequeños patrones dentro del patrón principal:

$string1 = "Llegaré pronto que voy volando";
$string2 = "Llegaré tarde que voy andando";
echo preg_match_all("/(and|vol)ando/i", $string1); // Devuelve 1
echo preg_match_all("/(and|vol)ando/i", $string2); // Devuelve 1

_pregmatch() captura tanto los patrones como los subpatrones en un array:

$string = "Llegaré pronto que voy volando";
preg_match_all("/(and|vol)ando/i", $string, $matches);
var_dump($matches);
/*
array (size=2)
  0 =>
    array (size=1)
      0 => string 'volando' (length=7)
  1 =>
    array (size=1)
      0 => string 'vol' (length=3)
*/

4. Subpatrones

Los subpatrones, creados mediante los metacaracteres (), se pueden anidar para ser referenciados. Los subpatrones son capturados, es decir, se almacena la porción en paréntesis del string que coincide con el subpatrón:

$string = "marrón";
preg_match("/ma(r{2}ó)n/", $string, $matches);
var_dump($matches);
/*
array (size=2)
  0 => string 'marrón' (length=7)
  1 => string 'rró' (length=4)
*/

Las capturas se pueden referenciar después mediante un backlash y un número, dependiendo de la posición de la referencia: \1, \2, \3... hasta \9. Estas referencias se pueden hacer dentro de la misma expresión regular, aunque nunca dentro de las clases carácter:

$string = "hola y hola";
preg_match('/(hola) y \1/', $string, $matches);
var_dump($matches);
/*
array (size=2)
  0 => string 'hola y hola' (length=11)
  1 => string 'hola' (length=4)
*/

El metacarácter ? modifica el comportamiento del subpatrón, las tres posibilidades más básicas son las siguientes:

(?:). Hace que el subpatrón no sea capturable.
(?=). Encuentra el subpatrón después de la expresión principal sin incluirlo en el resultado.
(?!). Opuesto del anterior, especifica el subpatrón que no puede ir después de la expresión principal. El subpatrón tampoco aparece en el resultado.

5. Secuencias especiales

Las secuencias especiales utilizan el backslash \ y son conjuntos predefinidos de caracteres que permiten reducir el tamaño de las expresiones regulares:


Secuencia	Coincidencia	Equivalencia
\d	Cualquier carácter numérico	[0-9]
\D	Cualquier carácter no numérico	[^0-9]
\s	Cualquier espacio	[\t\n\r\f\v]
\S	Cualquiera que no sea espacio	[^ \t\n\r\f\v]
\w	Cualquier carácter alfanumérico	[a-zA-Z0-9_]
\W	Cualquier carácter no alfanumérico	[^a-zA-Z0-9_]

Algunos ejemplos:

$string = 'abc123^+*<>?';
// Encontrar sólo caracteres alfanuméricos:
echo preg_match_all("/[\w]/", $string, $matches); // Devuelve 6
// Cualquier carácter:
echo preg_match_all("//", $string, $matches); // Devuelve 13
// Encuentra todo menos caracteres alfanuméricos:
echo preg_match_all("/[\W]/", $string, $matches); // Devuelve 6
// Encuentra todo string que comienza con número:
$string = '4 pares de zapatos';
echo preg_match_all("/^\d/", $string); // Devuelve 1
// Encuentra los espacios
$string = "Esto es un\nejemplo con espacios\n y salto de linea";
echo preg_match_all("/\s/", $string); // Devuelve 10

6. Modificadores

Se utilizar para modificar la forma en que se evalúan las expresiones regulares. Se incluyen justo después del delimitador de la expresión regular y se pueden utilizar varios a la vez. Algunos de ellos son:


Modificador	Significado
i	Insensible a mayúsculas y minúsculas
m	Múltiples líneas
x	Se pueden añadir comentarios
u	Strings de patrones y objetivos son tratados como UTF-8

Algunos ejemplos:

// Ejemplo de insensibilidad a mayúsculas y minúsculas:
$string = "AaBb";
echo preg_match_all("/[ab]/i", $string); // Devuelve 4
// Ejemplo múltiples líneas, detecta un número al principio de cada una:
$string = "1Esto\n2son\n3varias\n4lineas";
echo preg_match_all("/^[0-9]/m", $string); // Devuelve 4
// Ejemplo de comentarios en expresión regular:
$string = "123 son\n3 números";
$regex = "/
^ # buscar al principio de línea
[0-9] # cualquier número del 1 al 9
/mx";
echo preg_match_all($regex, $string); // Devuelve 2

7. Declaraciones

Las declaraciones son comprobaciones de los caracteres anteriores o siguientes al punto de coincidencia actual (no consumen ningún carácter). Se incluyen dentro de la expresión regular.


Declaración	Significado
\b	Límite de palabra
\B	NO límite de palabra
\A	Comienzo de string
\Z	Final de string o de línea
\z	Final de string
\G	Primer match en el string

Algunos ejemplos:

// Ejemplo para encontrar palabra exacta
$string1 = "Es ahora";
$string2 = "Es la hora";
echo preg_match("/\bhora\b/", $string1); // Devuelve 0
echo preg_match("/\bhora\b/", $string2); // Devuelve 1
// *Si se utiliza \b dentro de una clase carácter no hace de límite sino de backspace

// Ejemplo de límite y no límite:
$string = "Es ahora";
// La palabra debe acabar en hora, pero debe tener al menos algún carácter antes:
echo preg_match("/\Bhora\b/", $string); // Devuelve 1
$string = "Es la hora";
// Ahora vemos como no coincide, pues no tiene un carácter antes:
echo preg_match("/\Bhora\b/", $string); // Devuelve 0

8. Greedy y lazy

Por defecto PCRE es greedy, esto significa que va a intentar coincidir con el mayor número de caracteres que pueda a no ser que indiquemos lo contrario, que sea lazy, y que intente coincidir con el menor número posible de caracteres.

Para hacer un patrón lazy se usa el interrogante ?. Esto le dice a Perl que encuentre el menor número posible de los caracteres anteriores antes de continuar con la siguiente parte del patrón. También se puede hacer con el modificador /U.

Cuando un regex es lazy se produce backtracking, esto es, comprueba con más repeticiones el string, lo que hace que le cueste más comprobar el patrón. A no ser que se manejen bien las expresiones regulares, no es recomendable cambiar el comportamiento por defecto greedy.

// Ejemplo usando laziness con "?"
$string = "hla hola hoola hooola";
preg_match("/h(.*?)la/", $string, $matches);
var_dump($matches); // hla
// Ejemplo usando laziness con el modificador /U
$string = "hola hoola hooola";
preg_match("/h(.*)la/U", $string, $matches);
var_dump($matches); // hola

9. Funciones PCRE

preg_replace

La función _preg_replace_ realiza una búsqueda y una sustitución de una expresión regular.

mixed preg_replace (mixed $pattern, mixed $replacement, mixed $subject [, int $limit = -1 [, int &$count ]] )

Busca en $subject coincidencias con el patrón $pattern y las sustituye por $replacement. Se puede indicar el límite de sustituciones con $limit que por defecto son infinitas, y se puede pedir el número de veces que se ha reemplazado el patrón con $count.

$string = 'Vamos a reemplazar la palabra coche';
$cambio = preg_replace("/coche/", 'moto', $string);
echo $cambio; // Devuelve: Vamos a reemplazar la palabra moto

Con este ejemplo anterior sería más rápido emplear _str_replace()_, pero _pregreplace() permite hacer cosas más complejas mediante expresiones regulares, además de aceptar arrays también:

$string = 'Vamos a cambiar el animal perro de color verde';
$patrones = array();
$patrones[0] = '/perro/';
$patrones[1] = '/verde/';
$sustituciones = array();
$sustituciones[0] = 'gato';
$sustituciones[1] = 'azul';
echo preg_replace($patrones, $sustituciones, $string);
// Devuelve: Vamos a cambiar el animal gato de color azul

preg_filter

mixed preg_filter (mixed $pattern, mixed $replacement, mixed $subject [, int $limit = -1 [, int &$count ]])

Es igual que _prereplace(), pero _pregfilter() sólo devuelve los resultados donde hay una coincidencia.

$array = ["1 perro", "gato", "avestruz", "1 cerdo"];
$cambio = preg_filter('/\d/', "un", $array);
var_dump($cambio);
/*
array (size=2)
  0 => string 'un perro' (length=8)
  3 => string 'un cerdo' (length=8)
*/

preg_grep

array preg_grep (string_ $pattern, array $input [, int $flags = 0 ])

Devuelve un nuevo array con los elementos de $input que coinciden con $pattern.

Se puede establecer el flag PREG_GREP_INVERT, para devolver un array con los elementos que no coinciden con $pattern.

$array = ["1 perro", "gato", "avestruz", "1 cerdo"];
$otro = preg_grep('/\d/', $array);
var_dump($otro);
/*
array (size=2)
  0 => string '1 perro' (length=7)
  3 => string '1 cerdo' (length=7)
*/

preg_match

int preg_match (string $pattern, string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]])

Hace una comparación en $subject con una expresión regular $pattern.

Si se proporciona $matches, se crea este array con los resultados de la búsqueda. $matches[0] contiene el texto que coincidió con el patrón completo, $matches[1] el texto que coincició con el primer subpatrón, y así sucesivamente.

Si se indica el flag PREG_OFFSET_CAPTURE, por cada coincidencia la posición del string también se devolverá.

Devuelve 1 si $pattern coincide con $subject, 0 si no y false si ocurrió un error.

$string = "1Esto 2es 3un 4string";
preg_match('/\d\w{2} /', $string, $matches, PREG_OFFSET_CAPTURE);
var_dump($matches);
/*
array (size=1)
  0 =>
    array (size=2)
      0 => string '2es ' (length=4)
      1 => int 6
*/

preg_match_all

int preg_match_all (string $pattern, string $subject [, array &$matches [, int $flags = PREG_PATTERN_ORDER [, int $offset = 0 ]]])

Busca en $subject todas las coincidencias de la expresión regular $pattern y las introduce en $matches en el orden especificado por $flags.

Con PREG_PATTERN ORDER los resultados se ordenan de forma que $matches[0] es un array de coincidencias del patrón completo, $matches[1] es un array de coincidencias del primer subpatrón, etc.

Con PREG_SET_ORDER $matches[0] es un array del primer conjunto de coincidencias, $matches[1] es un array del segundo conjunto, etc.

PREG_OFFSET_CAPTURE añade un elemento por cada coincidencia con la posición del string.

$string = "1Esto 2es 3un 4string";
preg_match_all('/\d\w{2} /', $string, $matches, PREG_SET_ORDER);
var_dump($matches);
/*
array (size=2)
  0 =>
    array (size=1)
      0 => string '2es ' (length=4)
  1 =>
    array (size=1)
      0 => string '3un ' (length=4)
*/

preg_replace_callback

mixed preg_replace_callback (mixed $pattern, callable $callback, mixed $subject [, int $limit = -1 [, int &$count ]])

Funciona de la misma forma que _pregreplace(), pero en lugar de un string $replacement se especifica un $callback.

$miEdad = "Tengo 26 años\n";
// El callback:
function cumpleaños($edad)
{
    return $edad[0] + 1;
}
$miCumpleaños = preg_replace_callback('/(\d{2})/', "cumpleaños", $miEdad);
echo $miCumpleaños; // Tengo 27 años

preg_split

array preg_split (string $pattern, string $subject [, int $limit = -1 [, int $flags = 0 ]])

Divide un string mediante una expresión regular. Se pueden especificar los siguientes flags:

PREG_SPLIT_NO_EMPTY. Sólo se devolverán los elementos que no están vacíos.

PREG_SPLIT_DELIM_CAPTURE. Las expresiones entre paréntesis en el patrón delimitador serán capturadas y devueltas.

PREG_SPLIT_OFFSET_CAPTURE. Por cada coincidencia, la posición del string también será añadida.

$frase = "Esto es PHP";
$palabras = preg_split('/\s/', $frase, null, PREG_SPLIT_OFFSET_CAPTURE);
var_dump($palabras);
/*
array (size=3)
  0 =>
    array (size=2)
      0 => string 'Esto' (length=4)
      1 => int 0
  1 =>
    array (size=2)
      0 => string 'es' (length=2)
      1 => int 5
  2 =>
    array (size=2)
      0 => string 'PHP' (length=3)
      1 => int 8
*/

Si no se necesita la precisión de las expresiones regulares es mejor emplear las funciones explode() o _strsplit().

Expresiones regulares en PHP

Las expresiones regulares son patrones que permiten hacer búsquedas y comparaciones de strings muy precisas

1. Introducción

2. Encontrar extremos de un string

Encontrar un patrón al principio de un string

Encontrar un patrón al final de un string

Usar ^ y $ o \A y \Z para indicar el inicio y final de un string

3. Metacaracteres

Metacarácter []

Metacarácter \

Metacarácter .

Metacarácter *

Metacarácter +

Metacarácter ?

Metacarácter {}

Metacarácter |

Metacarácter ()

4. Subpatrones

5. Secuencias especiales

6. Modificadores

7. Declaraciones

8. Greedy y lazy

9. Funciones PCRE