Clases de caracteres en regex: \d, \w, \s, [a-z] y sus trampas

Una clase de caracteres coincide con un carácter de un conjunto. [aeiou] coincide con una vocal. [0-9] coincide con un dígito. \s coincide con un espacio, un tabulador o un salto de línea.

Aparecen en casi todos los patrones que vas a escribir, y la mayoría de sus trampas son silenciosas: el patrón funciona con las entradas que probaste y más adelante deja pasar algo raro. Este artículo cubre con qué coincide de verdad cada clase y después las trampas. Todos los ejemplos son interactivos, así que edita los patrones y mira cómo cambian las líneas.

01Un conjunto entre corchetes

Los corchetes enumeran los caracteres permitidos en una posición:

greay falla porque la clase ocupa exactamente un hueco. Para permitir más de un carácter, ponle un cuantificador detrás: [ae]+.

02Rangos

Un guion entre dos caracteres significa “todo lo que hay entre ellos”, según el código de carácter:

Puedes poner varios rangos y caracteres sueltos en una misma clase: [A-Za-z0-9_] son letras, dígitos y guion bajo.

03Clases negadas

Un ^ justo después del corchete de apertura invierte el conjunto: “cualquier carácter excepto estos”.

Ojo, porque “cualquier carácter excepto” significa de verdad cualquiera: espacios, dígitos, signos de puntuación y saltos de línea cuentan. 2024 coincide, porque los dígitos no son vocales.

Fuera de los corchetes, ^ es un ancla. Dentro, justo al principio, es una negación. En cualquier otra posición dentro de la clase es simplemente un acento circunflejo.

04Las abreviaturas

Algunas clases son tan comunes que tienen nombres cortos:

Abreviatura	Significa (en JavaScript)	Opuesto
\d	un dígito, [0-9]	\D
\w	un carácter de palabra, [A-Za-z0-9_]	\W
\s	espacio en blanco: espacio, tabulador, salto de línea y compañía	\S
.	cualquier carácter excepto un salto de línea

Dos de ellas sorprenden a la gente. \w incluye los dígitos y el guion bajo, así que no es “una letra”:

Y \s es más que un espacio: también coincide con tabuladores y saltos de línea. Si quieres exactamente un espacio, escribe un espacio.

05Trampa 1: [A-z] no es “todas las letras”

Los rangos siguen los códigos de carácter. Entre Z (90) y a (97) hay otros seis caracteres: [ \ ] ^ _ y el acento grave. Así que [A-z] los deja entrar:

Escribe los dos rangos por separado: [A-Za-z].

06Trampa 2: el guion en medio

Un guion entre dos caracteres crea un rango, aunque quisieras un guion literal:

Esa coma es el error: + es el código 43, . el 46, y la coma (44) queda en medio. Pon el guion al principio o al final de la clase, o escápalo, y vuelve a ser un guion normal:

07Trampa 3: el punto y otros caracteres especiales

La mayoría de los caracteres especiales pierden sus poderes dentro de los corchetes. [.] es un punto literal, [*+?] es uno de esos tres símbolos y [$] es un signo de dólar. Así que [.] es otra forma de escribir \.:

Dentro de una clase solo cuatro caracteres siguen siendo especiales: ], \, ^ al principio y - entre dos caracteres.

08Trampa 4: dígitos que no van del 0 al 9

En JavaScript, \d es exactamente [0-9]. En Python 3, con un patrón str normal, \d coincide con cualquier dígito Unicode: el arábigo-índico ٣, el devanagari ३, el de ancho completo ３. Lo mismo pasa con \w, que acepta letras de cualquier escritura.

import re

re.fullmatch(r"\d+", "٣٤٥")           # matches in Python
re.fullmatch(r"\d+", "٣٤٥", re.ASCII)  # None

Si un número va a acabar en int() o en una columna de una base de datos, eso importa. Usa [0-9], o el modificador re.ASCII, cuando quieras dígitos ASCII.

09Pruébalo

¿Puedes atrapar las líneas formadas solo por dígitos hexadecimales?

10Lista de comprobación

• [abc] coincide con un carácter del conjunto. Añade un cuantificador para más.
• [^abc] coincide con cualquier carácter que no esté en el conjunto, incluidos espacios y saltos de línea.
• Escribe [A-Za-z], nunca [A-z].
• Pon un guion literal al principio o al final: [\w.-].
• Dentro de los corchetes, . * + ? $ son literales.
• \w incluye los dígitos y _. \s incluye tabuladores y saltos de línea.
• En Python, \d y \w reconocen Unicode. Usa [0-9] o re.ASCII para limitarte a ASCII.

11Sigue practicando

• Castillos de caracteres y Patrulla de atajos son packs de práctica que entrenan justo esto.
• La guía tiene una sección completa sobre clases y abreviaturas.