Domina REGEX en Excel: Tutorial Completo desde Cero

Domina REGEX en Excel: Tutorial Completo desde Cero

Tutorial Completo sobre REGEX en Excel

Las expresiones regulares (REGEX) tienen fama de complicadas: esos símbolos extraños asustan a primera vista. Pero una vez entiendes la lógica que hay detrás, se convierten en una de las herramientas más potentes para extraer datos dentro de Excel. En este tutorial partimos de una frase que mezcla una fecha, importes en dólares, un nombre, un correo y varios identificadores, y vamos construyendo patrones poco a poco para cazar exactamente lo que necesitamos.

La idea central de una expresión regular es sencilla: definimos un patrón y la función busca dentro de una cadena todas las secuencias que lo cumplen. Las funciones REGEX, incorporadas a Excel hace relativamente poco, nos permiten precisamente eso. Aquí trabajamos con la función de extracción, a la que le pasamos la cadena, el patrón y un modo de respuesta: 1 para que devuelva todas las coincidencias, u otra opción para quedarnos solo con la primera.

Tipos de carácter

Los códigos básicos se escriben con barra invertida y agrupan tipos de carácter:

  • \w — cualquier letra, número o guion bajo.
  • \d — solo números.
  • \s — espacios, tabulaciones y saltos de línea.
  • . — cualquier carácter excepto el salto de línea.

Una regla clave: si pones estos códigos en mayúscula significan lo contrario. Por ejemplo, \W captura todo lo que no es letra, número ni guion bajo (espacios, barras de fecha, el símbolo del dólar, etc.).

Con \w aplicado a la frase, Excel localiza cada carácter que sea letra, número o guion bajo, pero descarta los espacios porque no entran en esa categoría. Con \d nos centramos únicamente en los dígitos.

Repeticiones

Por sí solos, los tipos de carácter detectan elementos sueltos. Los modificadores de repetición agrupan secuencias continuas:

  • + — uno o más; agrupa mientras se sigan repitiendo caracteres del patrón.
  • {n} — un número exacto de repeticiones (entre llaves).
  • {n,m} — entre un mínimo y un máximo (por ejemplo, grupos de 2 a 4).

Así, \w+ junta letras y números seguidos en palabras completas, y \d+ agrupa los números contiguos (separando, por ejemplo, las distintas cifras de un importe cuando hay comas de por medio).

Caracteres fijos y posición

Si en lugar de un código genérico escribes una letra concreta, como P, REGEX busca ese carácter exacto. Combinándolo con \w+ puedes capturar la palabra entera que empieza por esa letra (P\w+ devuelve "compra", "pedido", "Pérez"…).

Para controlar dónde aparece el patrón usamos los códigos de posición:

  • ^ — inicio de la cadena completa.
  • $ — final de la cadena completa.
  • \b — límite (inicio o final) de palabra.
  • \B — lo contrario: que no sea inicio ni final de palabra.

Con \bP\w+ solo extraemos palabras que empiezan por P; con \BP\w+ obtenemos las que contienen una P pero no empiezan por ella (como "pra" de "compra").

Conjuntos

Cuando hay varias opciones válidas para un carácter usamos corchetes, que funcionan como un "o":

  • [PN] — cualquiera de esos caracteres.
  • [a-z], [A-Z], [0-9] — rangos de letras o números.
  • [^...] — el acento circunflejo dentro de los corchetes niega: indica lo que no puede ser.

Por ejemplo, \b[PN]\w{3,} busca palabras que empiecen por P o N y tengan al menos tres letras más. Subiendo el mínimo a cinco, "Pérez" queda fuera. Para capturar mayúsculas con acento, que no entran en un rango simple, hay que añadirlas manualmente al conjunto: [A-ZÉÁÍÓÚ].

El guion también ilustra estos matices: \w+-\w+ localiza cadenas con un guion en medio (como un identificador 7845-AZ), porque dentro de un patrón normal el - se trata como carácter literal.

Look arounds: lo que hay antes y después

Los look arounds permiten matizar qué viene antes y qué viene después de lo que queremos extraer, de forma parecida a las funciones TEXTODESPUES o TEXTOANTES. Definen un delimitador previo y otro posterior, y devuelven lo que queda en medio.

Conviene recordar que ciertos caracteres como el paréntesis forman parte de la sintaxis REGEX, así que hay que escaparlos con barra invertida (\() para que se tomen literalmente. Combinando todo, se puede extraer un ID que aparece entre (, dos puntos y un espacio, indicando esa secuencia previa con \s para el espacio.

Casos prácticos: fechas, correos y más

  • Fechas: \d{2}/\d{2}/\d{4} localiza un día y mes de dos dígitos y un año de cuatro, separados por barras escapadas.
  • Correos: combinando inicio de palabra, [\w.]+ para el nombre (incluyendo el punto dentro del corchete), la arroba, el dominio con su punto y la extensión con \w+ (o limitada a dos o tres caracteres), se extrae el email completo de una frase.

Lo más interesante es que, al cambiar la frase de origen por otra escrita de forma totalmente distinta, los mismos patrones siguen funcionando: ahí está la potencia de REGEX.

Conclusión

REGEX en Excel se resume en cinco bloques: tipos de carácter (\w, \d, \s y sus mayúsculas), posición, conjuntos con corchetes, repeticiones y look arounds. Las secuencias pueden parecer crípticas, pero aplicando la lógica detrás de cada símbolo consigues extracciones que de otra forma serían muy difíciles dentro de Excel. Las inteligencias artificiales ayudan a generar patrones, pero saber qué hace cada pieza marca la diferencia entre copiar y dominar la herramienta.

Más contenido de Excel en InflueXcel