2

Tengo varios strings con la siguiente estructura:

AAAA_BBBB_CCCC_1_15_17
AAAA_BBBB_1
AAAA_BBBB_15_17

Estoy tratando de buscar un regex que me capture los siguientes grupos:

GRUPO1: AAAA  GRUPO2: BBBB_CCCC GRUPO3: 1_15_17
GRUPO1: AAAA  GRUPO2: BBBB GRUPO3: 1
GRUPO1: AAAA  GRUPO2: BBBB GRUPO3: 15_17

He probado lo siguiente:

([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)_(\d+_?)+

Estoy teniendo problemas con el tercer grupo, pues parece que el siguiente match, sobrescribe al anterior utilizando el + para el grupo (\d+_?)+.

Ejemplo

const regex = /([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)_(\d+_?)+/

const string = 'AAAA_BBBB_CCCC_1_2'

const [fullMatch, ...groups] = string.match(regex)

console.log(groups)

En el ejemplo 1_2 solo me coge el 2.

¿Cómo puedo capturar este último grupo completo?

2 respuestas 2

3

Una captura siempre se sobreescribe. Así es como funcionan las expresiones regulares. Al repetir un grupo, siempre se sobreescribe la captura con la última coincidencia. Por ejemplo, algo como

/(\d)+/

siempre va a capturar el último dígito del entero.


Cuidado con cuantificadores anidados. También estás teniendo un problema en tu regex, que no es evidente ahora, pero puede traerte problemas en el futuro. Al usar:

[a-zA-Z]+_?[a-zA-Z]+?

estás repitiendo consecutivamente 2 construcciones que coinciden con lo mismo. Como el _ es opcional, el regex puede convertirse en [a-zA-Z]+[a-zA-Z]+?, y una construcción así es la receta perfecta para un backtracking catastrófico!

Además, con esa misma construcción, estás exigiendo que tenga al menos 2 caracteres, por lo que no va a coincidir jamás con un texto como A_B_1.


Solución: repetir dentro del grupo. Para evitar esto, lo que hacemos es englobar a toda la parte opcional en un grupo sin captura, cuantificado con ?. Es decir:

([a-zA-Z]+(?:_[a-zA-Z]+)?)

introducir la descripción de la imagen aquí


Y aplicamos la misma lógica a la parte de dígitos (repetida con *).


Regex:

 /^([a-z]+)_([a-z]+(?:_[a-z]+)?)_(\d+(?:_\d+)*)$/i


Código:

let pruebas = [
        'AAAA_BBBB_1',
        'AAAA_BBBB_CCCC_1',
        'AAAA_BBBB_1_2_3_4',
        'AAAA_BBBB_CCCC_1_2_3',
        'A_B_1',
        'A_B_C_1_2',
        'A_B_C_D_1'
    ];

const regex = /^([a-z]+)_([a-z]+(?:_[a-z]+)?)_(\d+(?:_\d+)*)$/i;
let match;


for (let texto of pruebas) {
    console.log(texto);
    if (match = regex.exec(texto)) {
        console.log('Grupo 1:',match[1],'Grupo 2:',match[2],'Grupo 3:',match[3]);
    } else {
        console.log('no coincide!');
    }
}

2

De manera similar a la forma en que atrapaste el segundo grupo, se puede hacer el tercero con la ayuda de los non capturing groups.

([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)((?:_\d+)+(?:_\d+)*)

La máquina de estados quedaría algo así:

máquina de estados del regex

Cuando le pones los símbolos ?: dentro de un grupo, le estas indicando que no te capture ese grupo, o dicho de una mejor manera que lo capture pero que no lo registre entre los grupos capturados.

Es importante notar que aunque pareciera que con la primera mitad del grupo 3 bastaría no es así, pues si tenemos más de una repetición el grupo solamente atrapará el final que concuerde y no todo el grupo de caracteres que deseamos.

const regex = /([a-zA-Z]+)_([a-zA-Z]+_?[a-zA-Z]+?)((?:_\d+)+(?:_\d+)*)/

const strings = [
        'AAAA_BBBB_CCCC_1_15_17'
        ,'AAAA_BBBB_1'
        ,'AAAA_BBBB_15_17'
        ,'AAAA_BBBB_CCCC_1_2'
    ]

strings.forEach(string => {
  const [fullMatch, ...groups] = string.match(regex)
  console.log(groups)
})

2
  • Muchas gracias por tu respuesta! Me podrías decir qué utilizas para visualizar el regex en forma de diagrama? :) Commented el 3 mar. 2018 a las 21:32
  • 1
    Te dejo una lista de herramientas que podrían serte de utilidad, la que usé incluida: javapro.org/castellano/2018/03/04/… Commented el 4 mar. 2018 a las 0:51

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.