Extraer correos y URLs con regex: patrones y grupos de captura

PublicadoActualizadoHerramientaExtractor de texto con regex

Contenido
  1. Cinco patrones de extracción de uso frecuente
  2. Cómo extraer solo la parte que quieres con grupos de captura
  3. Dónde suele atascarse la gente
  4. Resumen final
  5. Preguntas frecuentes

Cuando necesitas sacar de un volumen grande de texto (logs de un servidor web, comentarios de un foro, la bandeja de consultas de clientes) solo las cadenas con un formato fijo, como correos electrónicos, URLs o números de teléfono, copiarlas a mano mirando la pantalla deja de ser viable en cuanto los datos crecen un poco.

Para eso sirve definir un patrón con una expresión regular (regex) y reunir, línea por línea, solo las cadenas que coinciden. En este artículo repasamos cinco patrones de extracción muy usados y cómo funcionan los grupos de captura, que permiten quedarse solo con la parte que te interesa de cada coincidencia.

Resumen ① Correos, URLs, IP, teléfonos y números se extraen casi siempre con un único patrón de regex ya conocido. ② Para encontrar todas las coincidencias del documento, es imprescindible activar el indicador g (global). ③ Si solo quieres usar una parte de la cadena coincidente, crea un grupo de captura con paréntesis y extrae únicamente esa parte.

Cinco patrones de extracción de uso frecuente

No hace falta escribir una regex nueva cada vez que quieres extraer una cadena con un formato concreto. Estos cinco son patrones básicos muy utilizados.

Correo    [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}
URL      https?:\/\/(?:www\.)?[-a-zA-Z0-9@:%._\+~#=]{1,256}\.[a-zA-Z0-9()]{1,6}\b(?:[-a-zA-Z0-9()@:%_\+.~#?&\/=]*)
IP(v4)   \b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\b
Teléfono   \+?\b[0-9]{2,4}[-.\s]?[0-9]{2,4}[-.\s]?[0-9]{3,4}[-.\s]?[0-9]{3,4}\b
Número      \b\d+(?:\.\d+)?\b

Hay algunos detalles que conviene tener en cuenta. El patrón de teléfono no se limita a los móviles de Corea (010, etc.). Es un patrón general: detecta con amplitud cualquier número formado por grupos de 2 a 4 dígitos separados por guion, punto o espacio, incluidos los que llevan prefijo de país o de región. El patrón de número captura no solo enteros, sino también decimales (por ejemplo, 3.14). Si solo necesitas enteros, tienes que quitar la parte decimal y usar algo como \b\d+\b.

Si quitas los paréntesis, de modo que no haya grupos de captura, puedes pegar tal cual cualquier patrón propio, sea cual sea su formato.

Pruébalo con nuestra herramienta. No hace falta que escribas código en la consola o en las herramientas de desarrollo para probar los patrones anteriores: pega el texto original en el Extractor de texto con regex, elige el ajuste predefinido que quieras (correo, URL, IP, teléfono, número o personalizado) y los resultados aparecerán al instante, una línea por coincidencia.

Extractor de texto con regex

Pega el texto que quieres analizar en el campo de entrada, elige el patrón que quieres extraer y obtén en un segundo la lista de coincidencias, una por línea.

Cómo extraer solo la parte que quieres con grupos de captura

Si no quieres la cadena completa que coincide, sino solo una parte, usa un grupo de captura (Capture Group), es decir, la parte encerrada entre paréntesis ().

const logText = "USER_ID: gim123, STATUS: SUCCESS";
// Declara la regex que captura solo el valor del ID
const idRegex = /USER_ID:\s*([a-zA-Z0-9]+)/;

const match = logText.match(idRegex);
if (match) {
  const fullMatch = match[0]; // "USER_ID: gim123" (cadena completa de la coincidencia)
  const capturedId = match[1]; // "gim123" (cadena del primer grupo de captura entre paréntesis)
  console.log(capturedId); // Se extrae solo "gim123", sin nada más
}

Nota. Esta sintaxis de grupos de captura es la que se usa al escribir código directamente en la consola de JavaScript. En la herramienta solo tienes que elegir un ajuste predefinido o pegar el patrón en el campo correspondiente; no necesitas manejar los grupos de captura.

Dónde suele atascarse la gente

SituaciónCausa y solución
Solo aparece la primera coincidencia y el resto no se detectaFalta el indicador g (global). Si no está activado, aunque el documento tenga cientos de coincidencias, la búsqueda se detiene en la primera
No se detectan correos ni URLs escritos en mayúsculasLa opción de distinguir mayúsculas y minúsculas (indicador i) está desactivada. En la herramienta se activa y desactiva con una casilla
Aparece un error al introducir un patrón incorrectoEn la mayoría de los casos los paréntesis no están emparejados o falta un carácter de escape. La herramienta muestra el mensaje de error tal cual
Quieres pegar el resultado en ExcelCopia toda la lista con el botón correspondiente: el texto se copia con un salto de línea por elemento y, al pegarlo, cada uno queda en una celda

Resumen final

  • Correos, URLs, IP, teléfonos y números se extraen en su mayoría con un único patrón de regex ya establecido.
  • Para encontrar todas las coincidencias del documento, el indicador g es obligatorio; si no quieres distinguir mayúsculas de minúsculas, añade el indicador i.
  • Si solo necesitas una parte de la cadena coincidente, crea un grupo de captura con paréntesis y extrae solo esa parte.
  • Recuerda que el ajuste predefinido de teléfono es un patrón general, no limitado a móviles de Corea, y que el de números también captura valores con decimales; así no te confundirás si el resultado no es el que esperabas.
Extractor de texto con regex

Pega el texto que quieres analizar en el campo de entrada, elige el patrón que quieres extraer y obtén en un segundo la lista de coincidencias, una por línea.

Preguntas frecuentes

¿Por qué mi regex solo devuelve un resultado si no uso el indicador g?

En JavaScript, String.match() sin el indicador g devuelve solo la primera coincidencia que encuentra en el documento y detiene la búsqueda. Para reunir en una lista todas las coincidencias del documento necesitas el indicador g. La herramienta lo añade automáticamente al buscar cuando eliges un ajuste predefinido.

¿Puedo filtrar solo los números que empiezan por 010 con el ajuste de teléfono?

El ajuste de teléfono predeterminado no está limitado a los móviles de Corea que empiezan por 010: es un patrón general que busca con amplitud grupos de 2 a 4 dígitos separados por guion, punto o espacio. Si quieres filtrar solo los números que empiezan por 010, elige el ajuste de entrada personalizada (Custom) e introduce un patrón que especifique que debe empezar por 010.

¿Se puede extraer solo una parte concreta del texto coincidente?

Sí. Si encierras entre paréntesis en la regex la parte que quieres obtener, se convierte en un grupo de captura y puedes extraerla por separado de la cadena completa. Eso sí, la herramienta muestra en la lista la cadena completa de cada coincidencia, así que extraer solo una parte mediante grupos de captura requiere un script aparte, como el del ejemplo anterior.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Expresiones regulares: qué significa cada símbolo y cómo leerlosCómo dividir un regex en anclas, clases de caracteres, grupos y cuantificadores para entender qué hace cada símbolo, y cómo comprobarlo automáticamente.
  2. Eliminar líneas en blanco con regex: guía de saltos de líneaAprende a quitar las líneas vacías de un texto con la expresión regular /^\s*\n/gm, a fusionar las que se repiten y a tratar los saltos CRLF y LF.
  3. Cómo eliminar los saltos de línea de un PDF y unir párrafosAprende a quitar los saltos de línea forzados que se cuelan al copiar de un PDF o un correo y a recomponer los párrafos sin perder el orden del texto.
  4. Eliminar comentarios de Markdown: regex y limpieza automáticaAprende a quitar comentarios HTML ocultos de Markdown con una regex no codiciosa, intégrala en la compilación y evita los errores más comunes.
  5. Verbos de acción para el currículum: fórmula y ejemplos por áreaAprende la fórmula para escribir frases de currículum centradas en resultados y elige verbos de acción de liderazgo, técnica, análisis y procesos.
  6. Cómo configurar cookies SameSite con sus 6 atributosCómo Domain, Path, Max-Age, SameSite, Secure y HttpOnly afectan el envío y la caducidad de las cookies, y por qué document.cookie y Set-Cookie no coinciden.

Herramientas relacionadas