Validación de patrones

Limpieza de datos en Java

Dennis Lee

Software Engineer

Por qué necesitamos validación de patrones

Los datos deben seguir formatos específicos para ser precisos
Ejemplo: las fechas deben seguir un formato coherente como d-MMM-yy
Problema: formatos de fecha inconsistentes como "24/02/22"
Solución: usa validación de patrones para detectar formatos inconsistentes

// Extraímos estas fechas del conjunto de datos
List<String> dates = Arrays.asList("4-Jan-22", "1-Aug-22", "7-Jul-22", 
                                   "27-Apr-22", "24/02/22");

Tres tipos de validación de patrones

Coincidencia completa del patrón
- Úsala cuando el formato deba ser exacto
- Ejemplo: validar fechas que siguen el formato d-MMM-yy
Búsqueda de patrones
- Úsala cuando la posición exacta no importe
- Ejemplo: encontrar o comprobar categorías en descripciones
- Productos con "Dark Chocolate": "85% Dark Chocolate Bar", "Dark Chocolate with Nuts"
Coincidencia de caracteres
- Úsala para un filtrado rápido de datos
- Ejemplo: comprobar si un campo de cantidad tiene letras ("12.5x")

Definir patrones con regex

Coincidir el patrón de fecha d-MMM-yy (como "4-Jan-22")
Regex: \\d{1,2}-[A-Za-z]{3}-\\d{2}

\\d{1,2}     // 1-2 dígitos para el día (como 4 o 27)
-            // guion literal como separador

[A-Za-z]{3}  // exactamente 3 letras para el mes, como Jan; mayús. o minús.
-            // guion literal como separador

\\d{2}       // exactamente 2 dígitos para el año (como 22)

Coincidencia completa del patrón

import java.util.regex.Pattern;

// Coincidir d-MMM-yy
Pattern datePattern = Pattern.compile("\\d{1,2}-[A-Za-z]{3}-\\d{2}");


for (String date : dates) {
    // Comprobar si date coincide con datePattern
    boolean isValid = datePattern.matcher(date).matches();
    System.out.println(date + " es válida: " + isValid);
}

Coincidencia completa del patrón: salidas

4-Jan-22 es válida: true
1-Aug-22 es válida: true
7-Jul-22 es válida: true
27-Apr-22 es válida: true
24/02/22 es válida: false

Búsqueda de patrones

import java.util.regex.Matcher;

Pattern monthPattern = Pattern.compile("[A-Za-z]{3}"); // 3 letras como "Jan"

for (String date : dates) {
    Matcher matcher = monthPattern.matcher(date);  // ¿monthPattern está en date?

    if (matcher.find()) { // Devuelve true si encuentra el patrón

        // matcher.group() devuelve el contenido coincidente
        System.out.println("Mes encontrado: " + matcher.group());
    } else {
        System.out.println("No se encontró mes en: " + date);
    }
}

Búsqueda de patrones: salidas

Mes encontrado: Jan
Mes encontrado: Aug
Mes encontrado: Jul
Mes encontrado: Apr
No se encontró mes en: 24/02/22

Coincidencia de caracteres

import com.google.common.base.CharMatcher;

for (String date : dates) {
    boolean isValid =
            // Comprobar dígitos en date
            CharMatcher.inRange('0', '9').matchesAnyOf(date) &&

             // Comprobar letras (mayús. y minús.) en date
            CharMatcher.inRange('a', 'z')
                    .or(CharMatcher.inRange('A', 'Z')).matchesAnyOf(date) &&

            CharMatcher.is('-').matchesAnyOf(date); // Comprobar guiones en date
    System.out.println(date + " tiene caracteres válidos: " + isValid);
}

Coincidencia de caracteres: salidas

4-Jan-22 tiene caracteres válidos: true
1-Aug-22 tiene caracteres válidos: true
7-Jul-22 tiene caracteres válidos: true
27-Apr-22 tiene caracteres válidos: true
24/02/22 tiene caracteres válidos: false

Juntándolo todo

// Definir patrón d-MMM-yy, como 4-Jan-22
Pattern datePattern = Pattern.compile("\\d{1,2}-[A-Za-z]{3}-\\d{2}");

// Coincidencia completa (¿date cumple datePattern?)
boolean matchesPattern = datePattern.matcher(date).matches();

// Búsqueda de patrón (¿date tiene un mes como subcadena?)
boolean hasMonth = Pattern.compile("[A-Za-z]{3}").matcher(date).find();

// Coincidencia de caracteres (¿date tiene dígitos?)
boolean hasDigits = CharMatcher.digit().matchesAnyOf(date);

¡Vamos a practicar!

Limpieza de datos en Java