Character classes

9-regular-expressions/02-regexp-methods/article.md

@@ -0,0 +1,203 @@
+# Clases de caracteres
+
+Considera una tarea práctica: tenemos un número de teléfono como `"+7(903)-123-45-67"`, y debemos convertirlo en número puro: `79031234567`.
+
+Para hacerlo, podemos encontrar y eliminar cualquier cosa que no sea un número. La clase de caracteres pueden ayudar con eso.
+
+Una *clase de caracteres* es una notación especial que coincide con cualquier símbolo de un determinado conjunto.
+
+Para empezar, exploremos la clase "dígito". Está escrito como `pattern:\d` y corresponde a "cualquier dígito".
+
+Por ejemplo, busquemos el primer dígito en el número de teléfono:
+
+```js run
+let str = "+7(903)-123-45-67";
+
+let regexp = /\d/;
+
+alert( str.match(regexp) ); // 7
+```
+
+Sin la bandera (flag) `pattern:g`, la expresión regular solo busca la primera coincidencia, es decir, el primer dígito `pattern:\d`.
+
+Agreguemos la bandera `pattern:g` para encontrar todos los dígitos:
+
+```js run
+let str = "+7(903)-123-45-67";
+
+let regexp = /\d/g;
+
+alert( str.match(regexp) ); // array de coincidencias: 7,9,0,3,1,2,3,4,5,6,7
+
+// hagamos el número de teléfono de solo dígitos:
+alert( str.match(regexp).join('') ); // 79031234567
+```
+
+Esa fue una clase de caracteres para los dígitos. También hay otras.
+
+Las más usadas son:
+
+`pattern:\d` ("d" es de dígito")
+: Un dígito: es un caracter de `0` a `9`.
+
+`pattern:\s` ("s" es un espacio)
+: Un símbolo de espacio: incluye espacios, tabulaciones `\t`, líneas nuevas `\n` y algunos otros caracteres raros, como `\v`, `\f` y `\r`.
+
+`pattern:\w` ("w" es carácter de palabra)
+: Un carácter de palabra es: una letra del alfabeto latino o un dígito o un guión bajo `_`. Las letras no latinas (como el cirílico o el hindi) no pertenecen al `pattern:\w`.
+
+Por ejemplo, `pattern:\d\s\w` significa un "dígito" seguido de un "carácter de espacio" seguido de un "carácter de palabra", como `match:1 a`.
+
+**Una expresión regular puede contener símbolos regulares y clases de caracteres.**
+
+Por ejemplo, `pattern:CSS\d` coincide con una cadena `match:CSS` con un dígito después:
+
+```js run
+let str = "¿Hay CSS4?";
+let regexp = /CSS\d/
+
+alert( str.match(regexp) ); // CSS4
+```
+
+También podemos usar varias clases de caracteres:
+
+```js run
+alert( "Me gusta HTML5!".match(/\s\w\w\w\w\d/) ); // ' HTML5'
+```
+
+La coincidencia (cada clase de carácter de la expresión regular tiene el carácter resultante correspondiente):
+
+![](love-html5-classes.svg)
+
+## Clases inversas
+
+Para cada clase de caracteres existe una "clase inversa", denotada con la misma letra, pero en mayúscula.
+
+El "inverso" significa que coincide con todos los demás caracteres, por ejemplo:
+
+`pattern:\D`
+: Sin dígitos: cualquier carácter excepto `pattern:\d`, por ejemplo, una letra.
+
+`pattern:\S`
+: Sin espacio: cualquier carácter excepto `pattern:\s`, por ejemplo, una letra.
+
+`pattern:\W`
+: Sin carácter de palabra: cualquier cosa menos `pattern:\w`, por ejemplo, una letra no latina o un espacio.
+
+Al comienzo del capítulo vimos cómo hacer un número de teléfono solo de números a partir de una cadena como `subject:+7(903)-123-45-67`: encontrar todos los dígitos y unirlos.
+
+```js run
+let str = "+7(903)-123-45-67";
+
+alert( str.match(/\d/g).join('') ); // 79031234567
+```
+
+Una forma alternativa y más corta es usar el patrón sin dígito `pattern:\D` para encontrarlos y eliminarlos de la cadena:
+
+```js run
+let str = "+7(903)-123-45-67";
+
+alert( str.replace(/\D/g, "") ); // 79031234567
+```
+
+## Un punto es "cualquier carácter"
+
+El patrón punto ( `pattern:.` ) es una clase de caracteres especial que coincide con "cualquier carácter excepto una nueva línea".
+
+Por ejemplo:
+
+```js run
+alert( "Z".match(/./) ); // Z
+```
+
+O en medio de una expresión regular:
+
+```js run
+let regexp = /CS.4/;
+
+alert( "CSS4".match(regexp) ); // CSS4
+alert( "CS-4".match(regexp) ); // CS-4
+alert( "CS 4".match(regexp) ); // CS 4 (el espacio también es un carácter)
+```
+
+Tenga en cuenta que un punto significa "cualquier carácter", pero no la "ausencia de un carácter". Debe haber un carácter para que coincida:
+
+```js run
+alert( "CS4".match(/CS.4/) ); // null, no coincide porque no hay caracteres entre S y 4
+```
+
+### Punto es igual a la bandera "s" que literalmente retorna cualquier carácter
+
+Por defecto, *punto* no coincide con el carácter de  línea nueva `\n`.
+
+Por ejemplo, la expresión regular `pattern:A.B` coincide con `match:A`, y luego `match:B` con cualquier carácter entre ellos, excepto una línea nueva `\n`:
+
+```js run
+alert( "A\nB".match(/A.B/) ); // null (sin coincidencia)
+```
+
+Hay muchas situaciones en las que nos gustaría que *punto* signifique literalmente "cualquier carácter", incluida la línea nueva.
+
+Eso es lo que hace la bandera `pattern:s`. Si una expresión regular la tiene, entonces `pattern:.` coincide literalmente con cualquier carácter:
+
+```js run
+alert( "A\nB".match(/A.B/s) ); // A\nB (coincide!)
+```
+
+````warn header="El patrón (`pattern:.`) no es compatible con Firefox (< 78), IE, Edge (< 79)"
+Consulte <https://caniuse.com/#search=dotall> para conocer el soporte actualizado. Al momento de escribirse este manual, no estaban soportados.
+
+Afortunadamente, hay una alternativa, que funciona en todas partes. Podemos usar una expresión regular como `pattern:[\s\S]` para que coincida con "cualquier carácter".
+
+```js run
+alert( "A\nB".match(/A[\s\S]B/) ); // A\nB (coincide!)
+```
+
+El patrón `pattern:[\s\S]` literalmente dice: "con carácter de espacio O sin carácter de espacio". En otras palabras, "cualquier cosa". Podríamos usar otro par de clases complementarias, como `pattern:[\d\D]`, eso no importa. O incluso `pattern:[^]`, que significa que coincide con cualquier carácter excepto nada.
+
+También podemos usar este truco si queremos ambos tipos de "puntos" en el mismo patrón: el patrón actual `pattern:.` comportándose de la manera regular ("sin incluir una línea nueva"), y la forma de hacer coincidir "cualquier carácter" con el patrón `pattern:[\s\S]` o similar.
+````
+
+````warn header="Presta atención a los espacios"
+Por lo general, prestamos poca atención a los espacios. Para nosotros, las cadenas `subject:1-5` y `subject:1 - 5` son casi idénticas.
+
+Pero si una expresión regular no tiene en cuenta los espacios, puede que no funcione.
+
+Intentemos encontrar dígitos separados por un guión:
+
+```js run
+alert( "1 - 5".match(/\d-\d/) ); // null, sin coincidencia!
+```
+
+Vamos a arreglarlo agregando espacios en la expresión regular `pattern:\d - \d`:
+
+```js run
+alert( "1 - 5".match(/\d - \d/) ); // 1 - 5, funciona ahora
+// o podemos usar la clase \s:
+alert( "1 - 5".match(/\d\s-\s\d/) ); // 1 - 5, tambien funciona
+```
+
+**Un espacio es un carácter. Igual de importante que cualquier otro carácter.**
+
+No podemos agregar o eliminar espacios de una expresión regular y esperar que funcione igual.
+
+En otras palabras, en una expresión regular todos los caracteres importan, los espacios también.
+````
+
+## Resumen
+
+Existen las siguientes clases de caracteres:
+
+- `pattern:\d` -- dígitos.
+- `pattern:\D` -- sin dígitos.
+- `pattern:\s` -- símbolos de espacio, tabulaciones, líneas nuevas.
+- `pattern:\S` -- todo menos `pattern:\s`.
+- `pattern:\w` -- letras latinas, dígitos, guión bajo `'_'`.
+- `pattern:\W` -- todo menos `pattern:\w`.
+- `pattern:.` -- cualquier caracter, si la expresión regular usa la bandera `'s'`, de otra forma cualquiera excepto **línea nueva** `\n`.
+
+...¡Pero eso no es todo!
+
+La codificación Unicode, utilizada por JavaScript para las cadenas, proporciona muchas propiedades para los caracteres, como: a qué idioma pertenece la letra (si es una letra), es un signo de puntuación, etc.
+
+Se pueden hacer búsquedas usando esas propiedades. Y se requiere la bandera `pattern:u`, analizada en el siguiente artículo.