Explicación de Python Regex: Patrones, grupos, anticipaciones y errores, probados
Las expresiones regulares encuentran, extraen y reescriben texto utilizando patrones compactos. Conozca las funciones de expresiones regulares de Python que usará a diario, cómo funcionan los grupos y las anticipaciones, y las trampas que hacen que los patrones sean incorrectos o peligrosamente lentos, con cada ejemplo ejecutado.
- La expresión regular de Python se encuentra en el módulo integrado
re. Escriba siempre patrones como cadenas sin formato:r"\d+". searchencuentra una coincidencia en cualquier lugar;matchsólo al principio;fullmatchrequiere toda la cadena.- Utilice grupos con nombre para una extracción legible y cuantificadores diferidos (
+?) para evitar coincidencias excesivas. - Los cuantificadores anidados como
(a+)+pueden congelar su programa. En nuestra prueba, agregar dos caracteres hizo que una verificación fuera aproximadamente cuatro veces más lenta.
Tiene un archivo de registro y necesita cada número de pedido, cada dirección de correo electrónico y cada fecha que contenga. Dividir cuerdas a mano rápidamente se convierte en un desastre. Python regex, abreviatura de expresiones regulares, describe la forma del texto que desea, como “un hash seguido de dígitos”, y permite que el módulo re lo encuentre por usted.
Ejecutamos todos los patrones a continuación con Python 3.13 con este texto de muestra, y los resultados que se muestran son de esa ejecución:
text = ("Order #101 by asha@example.com on 2026-11-11 for Rs 1,180.50; "
"order #102 by ben.k@shop.co.in on 2026-11-12 for Rs 300.")
¿Qué es una expresión regular?
Una expresión regular es un pequeño lenguaje de patrones para texto. Los caracteres ordinarios coinciden entre sí y los caracteres especiales describen clases, repeticiones y posiciones. \d significa un dígito, + significa “uno o más”, por lo que \d+ coincide con una serie de dígitos. Regex es compatible con casi todos los idiomas, editores y bases de datos, por lo que el tiempo que dedica a aprenderlo vale la pena mucho más allá de Python.
Utilice siempre cuerdas crudas
Regex usa mucho barras invertidas, al igual que las cadenas de Python. En una cadena normal, "\b" es un carácter de retroceso, lo cual confirmamos: Python lo mostró como '\x08'. En expresiones regulares, \b significa un límite de palabra. Al escribir el patrón como una cadena sin formato, r"\b", la barra invertida pasa intacta. Haga de r"..." un hábito para cada patrón y muchos errores confusos nunca ocurrirán.
buscar, emparejar y emparejar completo
import re
re.search(r"#(\d+)", text).group(1) # '101'
re.match(r"#\d+", text) # None
bool(re.fullmatch(r"\d{4}-\d{2}-\d{2}", "2026-11-11")) # True
search escanea toda la cadena y devuelve la primera coincidencia. match solo verifica el comienzo, por eso devolvió None: nuestro texto comienza con “Orden”, no con “#”. fullmatch requiere que el patrón cubra toda la cadena, que es lo que desea para la validación, como verificar que un campo sea una fecha y nada más. Los tres devuelven un objeto coincidente o None, así que verifique antes de llamar a .group().
encontrar y buscar
re.findall(r"#(\d+)", text) # ['101', '102']
re.findall(r"\d{4}-\d{2}-\d{2}", text) # ['2026-11-11', '2026-11-12']
re.findall(r"[\w.+-]+@[\w-]+(?:\.[\w-]+)+", text)
# ['asha@example.com', 'ben.k@shop.co.in']
findall devuelve todas las coincidencias como una lista. Observe cómo los grupos cambian el resultado: con un grupo devuelve el texto del grupo y con dos grupos devuelve tuplas:
re.findall(r"#(\d+) by (\S+)", text)
# [('101', 'asha@example.com'), ('102', 'ben.k@shop.co.in')]
Para textos grandes, re.finditer genera objetos coincidentes uno a la vez, lo que ahorra memoria y da acceso a posiciones y grupos con nombre.
Hoja de referencia de sintaxis principal
| Patrón | Partidos |
|---|---|
. |
Cualquier carácter excepto nueva línea |
\d, \w, \s |
Dígito, carácter de palabra, espacio en blanco |
\D, \W, \S |
Lo contrario de cada uno |
[abc], [^abc] |
Uno de un conjunto, o cualquier cosa que no esté en él. |
*, +, ? |
0 o más, 1 o más, 0 o 1 |
{3}, {2,5} |
Exactamente 3, entre 2 y 5 |
^, $ |
Inicio y final de la cadena (o línea con MULTILINE) |
\b |
Límite de palabra |
a|b |
Ya sea a o b |
( ), (?: ) |
Grupo de captura, grupo de no captura |
Grupos y grupos con nombre
m = re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})", text)
m.groupdict() # {'year': '2026', 'month': '11', 'day': '11'}
m.group(0) # '2026-11-11'
Los grupos con nombre, (?P<name>...), hacen que el código de extracción se explique por sí mismo: m["year"] se lee mucho mejor que m.group(1), y agregar un grupo más tarde no cambia los números. El grupo 0 es siempre el partido completo. Un grupo que no captura, (?:...), agrupa partes del patrón para repetición o alternancia sin agregar resultados, lo que mantiene limpia la salida de findall.
Cuantificadores codiciosos versus perezosos
re.findall(r"<.+>", "<b>bold</b> and <i>it</i>")
# ['<b>bold</b> and <i>it</i>']
re.findall(r"<.+?>", "<b>bold</b> and <i>it</i>")
# ['<b>', '</b>', '<i>', '</i>']
Los cuantificadores son codiciosos por defecto: .+ tomó todo, desde el primero < hasta el último >. Agregar ? los vuelve perezosos, por lo que se detienen en el primer final posible. Aún mejor, sea específico: <[^>]+> dice “cualquier cosa excepto un corchete de cierre”, que es más claro y rápido. (Para HTML real, utilice un analizador adecuado; esto es sólo una demostración).
sub y dividir
re.sub(r"(\d{4})-(\d{2})-(\d{2})", r"\3/\2/\1", "2026-11-11") # '11/11/2026'
re.sub(r"\d+", lambda m: str(int(m.group()) * 2), "3 pens, 4 books") # '6 pens, 8 books'
re.split(r"\s*[,;]\s*", "pen, book;ink , lamp") # ['pen', 'book', 'ink', 'lamp']
sub reemplaza coincidencias y el reemplazo puede referirse a grupos con \1 o \g<name>. Pasar una función en lugar de una cadena le permite calcular cada reemplazo. split maneja separadores desordenados que str.split no pueden, como comas mixtas y punto y coma con espacios desiguales.
Mirando hacia adelante y hacia atrás
Lookarounds comprueba lo que viene antes o después de una posición sin incluirlo en el partido. Un uso clásico son las reglas de contraseñas, donde deben cumplirse varias condiciones:
pw = re.compile(r"^(?=.*[A-Z])(?=.*\d)(?=.*[^\w\s]).{8,}$")
'password' False
'Passw0rd' False # no symbol
'Passw0rd!' True
'P0!a' False # too short
Cada (?=...) es una anticipación positiva que verifica una regla desde el inicio de la cadena. Una mirada atrás, (?<=...), comprueba lo que vino antes:
re.findall(r"(?<=Rs )[\d,.]+\d", text) # ['1,180.50', '300']
Esto extrajo los montos sin el prefijo “Rs “. Las versiones negativas, (?!...) y (?<!...), afirman que algo no sigue ni precede. Las búsquedas hacia atrás de Python deben tener un ancho fijo, por lo que se rechazan patrones como (?<=\d+). Para políticas de contraseñas complejas, las comprobaciones separadas en código simple suelen ser más fáciles de leer y generar mensajes de error útiles.
Banderas
| Bandera | Efecto | Nuestro resultado |
|---|---|---|
re.I |
ignorar caso | Encontré tanto “Pedido” como “pedido” |
re.M |
^ y $ coinciden en cada línea |
2 partidos con, 1 sin |
re.S |
. también coincide con la nueva línea |
a.b coincide con “a\nb” solo con él |
re.X |
Permitir espacios en blanco y comentarios | Patrones multilínea legibles |
re.A |
Sólo ASCII \d, \w, \s |
Ver la siguiente sección |
verbose = re.compile(r"""
(?P<user>[\w.+-]+) # user part
@
(?P<domain>[\w.-]+) # domain
""", re.X)
verbose.search("mail asha@example.com now").groupdict()
# {'user': 'asha', 'domain': 'example.com'}
El modo detallado convierte una frase críptica en algo que un compañero de equipo puede revisar. Úselo para cualquier patrón de más de veinte caracteres.
Sorpresas Unicode
bool(re.fullmatch(r"\d", "५")) # True (Devanagari digit five)
bool(re.fullmatch(r"\d", "५", re.A)) # False
En Python 3, \d coincide con cualquier dígito decimal Unicode, no solo del 0 al 9. Esto es útil para texto internacional, pero si un valor va más tarde a int(), una base de datos o una API que espera dígitos ASCII, un patrón que “validó” la entrada puede permitir el paso de caracteres que interrumpen el siguiente paso. Utilice la bandera [0-9] o re.A cuando se refiera a dígitos ASCII. Encontramos un error relacionado en nuestro artículo de prueba basado en propiedades, donde un dígito en superíndice rompía un analizador.
Consejo: Compile los patrones que reutilice con re.compile() y asígneles nombres descriptivos, como ORDER_ID = re.compile(r"#(\d+)"). Python almacena en caché los patrones recientes de todos modos, por lo que el principal beneficio es la legibilidad y tener una definición probada.
Retroceso catastrófico
Algunos patrones toman un tiempo exponencial en entradas que casi coinciden. Probamos un ejemplo clásico, ^(a+)+$, con cadenas de a que terminan en “b”:
n=16 0.002s
n=20 0.037s
n=22 0.154s
safe pattern ^a+$, n=22: 0.000004s
Cada carácter adicional duplicó aproximadamente el tiempo, porque el motor intenta por todos los medios dividir las a entre los grupos internos y externos antes de darse por vencido. A ese ritmo, 30 caracteres tomarían decenas de segundos y algunos más tomarían minutos. Si los usuarios controlan la entrada, esto se convierte en un riesgo de denegación de servicio conocido como ReDoS. Evite cuantificadores anidados sobre los mismos caracteres, prefiera clases de caracteres específicas, limite la longitud de la entrada antes de hacer coincidir y pruebe patrones con entradas largas y cercanas.
Probando tus patrones
Regex es código, así que pruébalo. Escriba una pequeña tabla de cadenas que deberían coincidir y cadenas que no, incluidas cadenas vacías, cadenas muy largas, Unicode y cuasi errores, y ejecútela con pruebas parametrizadas pytest. Los casos extremos son donde se esconden los errores de expresiones regulares: un patrón de correo electrónico que rechaza los signos más, un patrón de fecha que acepta el mes 13 o un patrón de teléfono que omite espacios.
Cuando no usar expresiones regulares
- Comprobaciones sencillas:
"@" in s,s.startswith("INV-")ys.split(",")son más claras y rápidas. - Formatos estructurados: utilice analizadores reales para HTML, XML, JSON, CSV y URL.
- Fechas: la expresión regular puede verificar una forma, pero usa
datetime.strptimepara verificar que una fecha realmente existe. - Correos electrónicos: un patrón simple detecta errores tipográficos; sólo un correo electrónico de confirmación prueba que una dirección funciona.
Conclusión
Python regex es una herramienta precisa para texto desordenado. Utilice cadenas sin formato, elija search, match o fullmatch deliberadamente, nombre sus grupos, prefiera patrones perezosos o específicos a los codiciosos y escriba patrones largos en modo detallado. Luego pruébelos con entradas complicadas, incluido Unicode y cuasi accidentes largos, para que un patrón nunca lo sorprenda en producción.
Preguntas frecuentes
¿Cuál es la diferencia entre re.search y re.match?
re.search encuentra la primera coincidencia en cualquier parte de la cadena. re.match solo coincide al principio. En nuestra prueba, la coincidencia devolvió Ninguno porque el texto no comenzaba con el patrón.
¿Por qué debería usar cadenas sin formato para expresiones regulares en Python?
Las cadenas sin formato mantienen las barras invertidas tal como se escriben. En una cadena normal, “\b” se convierte en un carácter de retroceso en lugar del límite de la palabra de expresión regular.
¿Qué es una pareja no codiciosa o perezosa?
¿Agregando? después de un cuantificador, como en .+?, hace que coincida lo menos posible. Impidió que nuestro patrón de etiquetas se tragara toda la línea.
¿Cómo funcionan los grupos con nombre en la expresión regular de Python?
Escriba (?P<nombre>patrón), luego lea el valor con match[“name”] o match.groupdict(). Los nombres hacen que el código de extracción sea más fácil de leer y mantener.
¿Por qué mi expresión regular es tan lenta?
Los cuantificadores anidados como (a+)+ pueden causar un retroceso catastrófico, donde el tiempo crece exponencialmente en entradas casi coincidentes. Vuelva a escribir el patrón y limite la longitud de entrada.
sigue aprendiendo
¿Necesitas ayuda con pruebas, WordPress o SEO?
Ayudamos a los equipos a enviar mejor software y hacer crecer sus sitios. Cuéntenos en qué está trabajando y le sugeriremos un siguiente paso claro.
Más guías sobre testing, IA y desarrollo moderno
¿Te gustó este artículo? Elige un tema y salta directo a nuestros tutoriales más recientes.
Explicación de las estrategias de fragmentación de RAG: fija, superpuesta, de oración, recursiva y de títulos, medida
Estrategias de fragmentación de RAG comparadas en un documento con tiktoken 0.14: tamaño fijo, superposición, empaquetado de oraciones, división rec…
Leer artículo →Desarrollo de softwareExplicación de la idempotencia de API: claves de idempotencia y reintentos seguros, probados
La idempotencia de API se explicó con un servidor y cliente Python que ejecutamos: una respuesta perdida provocó un cargo doble sin una clave y un c…
Leer artículo →DevOpsExplicación de Git Stash: guardar, aplicar, extraer y archivos sin seguimiento, probado
Git stash se explica con comandos que ejecutamos en Git 2.56: enviar con un mensaje, archivos sin seguimiento, enumerar y mostrar, aplicar frente a …
Leer artículo →Pruebas de softwareExplicación de las pruebas por pares: cómo todos los pares reducen 216 pruebas a 13, probadas
Pruebas por pares explicadas con un generador que ejecutamos en Python 3.13: una comprobación con 216 combinaciones cubiertas por 13 pruebas, cobert…
Leer artículo →Automatización de pruebasExplicación de los dobles de prueba: ficticio, stub, espía, simulado y falso, con código Python probado
Los dobles de prueba se explican con un ejemplo de Python ejecutado en pytest 9.2: ficticio, stub, spy, simulado y falso, cuándo usar cada uno, veri…
Leer artículo →Bases de datos y SQLSQL COALESCE explicado: valores predeterminados, NULLIF, IFNULL vs ISNULL y trampas, probados
SQL COALESCE se explica con consultas que ejecutamos en SQLite 3.50: primeros valores no nulos, cadenas vacías, NULL en matemáticas, NULLIF para div…
Leer artículo →Bases de datos y SQLExplicación de la autounión de SQL: empleado-gerente, comparaciones de pares y filas, probado
La autounión de SQL se explica con consultas que ejecutamos en SQLite 3.50: empleado y gerente, ganando más que el gerente, pares únicos, cambios di…
Leer artículo →Desarrollo de softwareExplicación del operador de extensión de JavaScript: extensión frente a reposo, copias y errores, probado
El operador de extensión de JavaScript explicado con el código que ejecutamos en el Nodo 24: matrices, objetos, copias superficiales, parámetros de …
Leer artículo →Desarrollo de softwareExplicación del módulo de colecciones de Python: contador, defaultdict, deque y más, probado
Colecciones de Python explicadas con el código que ejecutamos en Python 3.13: Counter, defaultdict, deque, namedtuple, OrderedDict y ChainMap, ademá…
Leer artículo →Inteligencia artificialExplicación de la ventana de contexto de LLM: tokens, límites y cómo ajustar más, medidos
La ventana de contexto de LLM se explica con recuentos de tokens que medimos usando tiktoken: palabras frente a tokens para prosa, código e hindi, p…
Leer artículo →Desarrollo de softwareExplicación de los webhooks: cómo funcionan y cómo recibirlos de forma segura
Webhooks explicados con un receptor y un remitente que ejecutamos en Python: push vs polling, firmas HMAC-SHA256, rechazo de solicitudes manipuladas…
Leer artículo →DevOpsExplicación de Git Cherry-Pick: copie la confirmación que necesita, de forma segura y probada
Git cherry-pick explicado con comandos que ejecutamos en Git 2.56: copiar una revisión a una rama de lanzamiento, nuevos hashes e ID de parche, -x, …
Leer artículo →Automatización de pruebasExplicación de las pruebas instantáneas: cómo funciona, cuándo ayuda y cuándo duele
Las pruebas de instantáneas se explican con una demostración de pytest y jarabe que ejecutamos: crear instantáneas, leer la diferencia después de un…
Leer artículo →Pruebas de softwareExplicación de las pruebas de mutación: por qué la cobertura del 100% aún no detectó nuestro error
Las pruebas de mutación se explican con una pequeña herramienta de mutación que construimos y ejecutamos: 14 mutantes, un conjunto de pruebas con un…
Leer artículo →Inteligencia artificialExplicación de la inyección rápida: cómo se engaña a las aplicaciones de inteligencia artificial y cómo defenderlas
Inyección rápida explicada para los constructores: ataques directos e indirectos, por qué fallan los filtros de palabras clave (nuestra prueba bloqu…
Leer artículo →DevOpsRegistros DNS explicados: A, AAAA, CNAME, MX, TXT y TTL con búsquedas reales
Los registros DNS se explican con las búsquedas que realizamos: cómo funciona la resolución, A y AAAA, reglas CNAME, MX y MX nulo, TXT para SPF y ve…
Leer artículo →DevOpsExplicación de las banderas de funciones: lanzamientos seguros, implementaciones graduales e higiene de las banderas
Indicadores de características explicados con una simulación de implementación que ejecutamos: tipos de indicadores, porcentajes de implementación c…
Leer artículo →Automatización de pruebasGeneración de datos de prueba con Python Faker: datos realistas, repetibles y seguros
Pruebe la generación de datos con Python Faker, ejecute y mida: siembra de datos repetibles, configuraciones regionales, valores únicos, registros e…
Leer artículo →Pruebas de softwareExplicación de las pruebas de cambio a la izquierda: encuentre errores antes sin ralentizar al equipo
Se explicaron las pruebas de desplazamiento a la izquierda: qué significa, por qué los defectos tempranos son más baratos, prácticas desde revisione…
Leer artículo →Bases de datos y SQLFunciones de cadenas SQL explicadas: TRIM, SUBSTR, REPLACE, CONCAT y limpieza de datos
Funciones de cadena SQL explicadas con consultas que ejecutamos: concatenación y NULL, TRIM, UPPER e LOWER, SUBSTR e INSTR, REPLACE, relleno, longit…
Leer artículo →Bases de datos y SQLExplicación de los activadores de SQL: ANTES y DESPUÉS de los activadores, registros de auditoría y errores
Los disparadores de SQL se explican con los disparadores que ejecutamos: ANTES versus DESPUÉS, ANTIGUOS y NUEVOS, registros de auditoría, validación…
Leer artículo →Desarrollo de softwareMódulo Python JSON explicado: volcados, cargas, tipos personalizados y errores comunes
El módulo Python JSON explicado con el código que ejecutamos: volcados y cargas, archivos, conversiones de tipos, fechas y decimales, codificadores …
Leer artículo →Desarrollo de softwareMódulos ES frente a CommonJS: cómo funcionan las importaciones de JavaScript en Node.js, probado
Los módulos ES frente a CommonJS se explican con el código que ejecutamos en Node.js: sintaxis de importación y exportación, requisitos, enlaces en …
Leer artículo →Desarrollo de softwarePython Regex explicado: patrones, grupos, anticipaciones y obstáculos, probados
La expresión regular de Python se explica con los patrones que ejecutamos: búsqueda versus coincidencia, búsqueda, grupos y grupos con nombre, codic…
Leer artículo →Inteligencia artificialExplicación del resultado estructurado de LLM: obtención de JSON confiable a partir de modelos de IA
La salida estructurada de LLM se explica con la validación que ejecutamos en Pydantic: modo y esquemas JSON, decodificación restringida, las formas …
Leer artículo →DevOpsExplicación de las claves SSH: cómo funcionan, ssh-keygen, Ed25519 y hábitos seguros
Claves SSH explicadas con las claves que generamos: claves públicas versus privadas, ssh-keygen, Ed25519 versus RSA, huellas digitales, frases de co…
Leer artículo →DevOpsExplicación del almacenamiento en caché HTTP: control de caché, ETag y respuestas 304, con una prueba en vivo
El almacenamiento en caché HTTP se explica con un pequeño servidor que ejecutamos: directivas Cache-Control, edad máxima, sin caché versus sin almac…
Leer artículo →Automatización de pruebasExplicación de las pruebas de contrato API: detecte los cambios importantes antes de enviarlos
Las pruebas de contratos API se explican con una verificación de esquema que ejecutamos: qué es un contrato, contratos impulsados por el consumidor,…
Leer artículo →Pruebas de softwareExplicación de las pruebas basadas en riesgos: calificar los riesgos, crear una matriz y probar lo que importa
Pruebas basadas en riesgos explicadas paso a paso: identificación de riesgos, puntuación de probabilidad e impacto, creación de una matriz de riesgo…
Leer artículo →Bases de datos y SQLExplicación de las restricciones de SQL: NOT NULL, UNIQUE, CHECK y FOREIGN KEY, probado
Las restricciones de SQL se explican con las pruebas que ejecutamos: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY y FOREIGN KEY, las lagunas NULL, la c…
Leer artículo →Bases de datos y SQLFunciones de fecha SQL explicadas: agregar, comparar y agrupar fechas sin errores
Funciones de fecha SQL explicadas con consultas que ejecutamos: agregar intervalos, sorpresas de fin de mes, diferencias de fechas, trampa ENTRE, ag…
Leer artículo →Desarrollo de softwareExplicación de Python asyncio: asíncrono, espera, recopilación y grupo de tareas con tiempos reales
Python asyncio se explica con el código que cronometramos: corrutinas, espera, recopilación, grupo de tareas, manejo de errores, tiempos de espera, …
Leer artículo →Desarrollo de softwareDebounce vs Throttle en JavaScript: cómo funcionan, cuándo usar cada uno, probado
Antirrebote versus aceleración en JavaScript explicado con tiempos que medimos en Node.js: cómo funciona cada uno, implementaciones simples, llamada…
Leer artículo →Desarrollo de softwareExplicación de los administradores de contexto de Python: declaración with, contextlib y usos reales
Los administradores de contexto de Python explicaron con el código que ejecutamos: cómo funciona, __enter__ y __exit__, contextlib.contextmanager, s…
Leer artículo →Inteligencia artificialLLM Temperature y Top-p explicados: cómo los modelos de IA eligen su siguiente palabra
La temperatura de LLM y top-p se explican con una simulación que ejecutamos: cómo se remodelan las probabilidades, qué mantiene topp, configuracione…
Leer artículo →DevOpsYAML explicado: sintaxis, el problema de Noruega y otras trampas que probamos
YAML explicó con una prueba de analizador: sintaxis básica, listas y mapas, el problema de Noruega, versiones que se convierten en flotantes, código…
Leer artículo →DevOpsCron Jobs explicados: sintaxis, cronogramas reales y los errores que los rompen
Los trabajos cron explicados con cronogramas que verificamos: los cinco campos, operadores, ejemplos reales, la trampa del día del mes O del día de …
Leer artículo →Inteligencia artificialExplicación de las alucinaciones de la IA: por qué los modelos de lenguaje inventan cosas y cómo reducirlas
Se explicaron las alucinaciones de la IA: qué son, por qué los modelos de lenguaje las producen, tipos comunes, cómo reducirlas con conexión a tierr…
Leer artículo →DevOpsExplicación de las variables de entorno: archivos .env, secretos y configuración bien hechos
Variables de entorno explicadas con ejemplos de Python que ejecutamos: leerlas y configurarlas, por qué cada valor es una cadena, archivos .env, her…
Leer artículo →Desarrollo de softwareExplicación de la limitación de velocidad de API: algoritmos, encabezados y manejo de errores 429
La limitación de la tasa de API se explica con una simulación que ejecutamos: depósito de tokens, ventana fija, ventana deslizante, 429 respuestas, …
Leer artículo →Automatización de pruebasBurlarse en Python: unittest.mock, patch y los errores que hacen que las pruebas mientan
Burlarse en Python con unittest.mock, probado: Mock y return_value, side_effect, parches donde se usa un nombre, especificación y autospec, fechas d…
Leer artículo →Pruebas de softwareExplicación de la cobertura del código: cobertura de línea versus sucursal y lo que realmente significa 100%
Cobertura del código explicada con una ejecución real de cobertura.py: cobertura de línea, rama y condición, lectura de un informe, por qué una cobe…
Leer artículo →Bases de datos y SQLDELETE vs TRUNCATE vs DROP en SQL: diferencias, reversión y cuándo usar cada uno
DELETE vs TRUNCATE vs DROP explicado con SQL probado: qué elimina cada uno, reversión, activadores, restablecimiento de identidad, velocidad y en qu…
Leer artículo →Bases de datos y SQLVistas SQL explicadas: cree, use y evite los errores, con ejemplos
Vistas SQL explicadas con consultas que ejecutamos: creación de una vista, resultados en vivo, ocultación de columnas, rendimiento, vistas actualiza…
Leer artículo →Desarrollo de softwareInterfaz TypeScript versus tipo: diferencias reales, probadas con el compilador
Interfaz TypeScript versus tipo, verificado con el compilador real: qué pueden hacer ambos, qué puede hacer solo uno, fusión de declaraciones, exten…
Leer artículo →Desarrollo de softwarePython *args y **kwargs explicados: funciones flexibles con ejemplos claros
Python *args y **kwargs explicados con el código que ejecutamos: empaquetado y desempaquetado, orden de parámetros, argumentos solo de palabras clav…
Leer artículo →Desarrollo de softwareFunciones Lambda de Python: sintaxis, usos reales y cuándo no utilizarlas
Funciones lambda de Python explicadas con el código que ejecutamos: sintaxis, clasificación con clave, mapa y filtro, cierres, trampa de enlace tard…
Leer artículo →Inteligencia artificial¿Qué son los agentes de IA? Cómo funcionan, con un bucle de agente simple que puedes ejecutar
¿Qué son los agentes de IA? Una guía sencilla sobre el bucle del agente, las herramientas, la memoria y las barreras de seguridad, con un pequeño bu…
Leer artículo →DevOpsMonitoreo versus observabilidad: la verdadera diferencia, con registros, métricas y seguimientos
Explicación del monitoreo versus observabilidad: fallas conocidas y desconocidas, registros, métricas y seguimientos, un recorrido por incidentes de…
Leer artículo →DevOpsDocker Volumes versus Bind Mounts: persistir los datos del contenedor de la manera correcta
Se explican los volúmenes de Docker frente a los montajes de enlace: por qué desaparecen los datos del contenedor, volúmenes con nombre, montajes de…
Leer artículo →Automatización de pruebasTDD vs BDD: diferencias clave, una función creada en ambos sentidos y cuándo usar cada una
TDD vs BDD explicado con una característica de descuento construida en ambos sentidos: refactor rojo-verde con el código que ejecutamos, escenarios …
Leer artículo →Pruebas de softwarePruebas de Aceptación de Usuario (UAT): Proceso, Lista de Verificación y Ejemplos Reales
Explicación de las pruebas de aceptación del usuario: quién las ejecuta, en qué se diferencia del control de calidad, un proceso de siete pasos, una…
Leer artículo →Bases de datos y SQLValores NULL de SQL explicados: IS NULL, COALESCE, NULLIF y las trampas que se deben evitar
Los valores NULL de SQL se explican con las consultas que ejecutamos: lógica de tres valores, IS NULL, COALESCE, NULLIF, cómo los agregados, las uni…
Leer artículo →Bases de datos y SQLDeclaración SQL CASE WHEN: sintaxis, ejemplos reales y errores comunes
CASO SQL CUANDO se explicó con las consultas que ejecutamos: formularios simples y buscados, orden de condiciones, pivotes con SUMA, trucos COUNT, c…
Leer artículo →Desarrollo de software¿Qué es JWT? Tokens web JSON explicados con un ejemplo práctico
¿Qué es JWT? JSON Web Tokens explicó: las tres partes, un token creado y manipulado en el código que ejecutamos, JWT vs sesiones, almacenamiento, to…
Leer artículo →Desarrollo de softwareExplicación del bucle de eventos de JavaScript: pila de llamadas, microtareas y temporizadores con ejemplos
El bucle de eventos de JavaScript explicado con el código que ejecutamos: pila de llamadas, colas de tareas y microtareas, por qué setTimeout 0 no e…
Leer artículo →Desarrollo de softwareExplicación de los generadores y el rendimiento de Python: ahorre memoria con ejemplos reales
Los generadores de Python y el rendimiento se explican con el código que ejecutamos: cómo se pausan y reanudan, midieron el ahorro de memoria, canal…
Leer artículo →Inteligencia artificial¿Qué son las incrustaciones? Los vectores y la similitud del coseno se explican de forma sencilla
¿Qué son las incrustaciones? Una guía en lenguaje sencillo sobre vectores, similitud de cosenos y búsqueda semántica, con un pequeño ejemplo que eje…
Leer artículo →DevOpsImplementación azul-verde versus implementación canaria: diferencias, compensaciones y cómo elegir
Explicación de la implementación azul-verde versus canaria: cómo funciona cada uno, costo, riesgo y reversión, agrupación estable de usuarios que pr…
Leer artículo →Automatización de pruebasPruebas inestables: qué las causa y cómo solucionarlas para siempre
Pruebas inestables explicadas con demostraciones que realizamos: las causas principales, cómo confirmar y diagnosticar una, correcciones adecuadas p…
Leer artículo →Pruebas de softwarePruebas de carga frente a pruebas de estrés: diferencias, métricas y ejemplos de k6
Explicación de las pruebas de carga frente a las pruebas de estrés: qué prueba cada una, pruebas de picos y de absorción, las métricas que importan,…
Leer artículo →Pruebas de softwareCaso de prueba frente a escenario de prueba: diferencias clave, ejemplos y cuándo utilizar cada uno
Caso de prueba versus escenario de prueba explicado: definiciones claras, una tabla en paralelo, una función de restablecimiento de contraseña tomad…
Leer artículo →Bases de datos y SQLOptimización de consultas SQL: lea planes de ejecución y corrija consultas lentas, con tiempos
Optimización de consultas SQL probada en un millón de filas: lea planes de ejecución, agregue los índices correctos, corrija filtros no sargables, u…
Leer artículo →Bases de datos y SQLSQL UNION vs UNION ALL: diferencias, ejemplos y rendimiento probado
SQL UNION vs UNION ALL explicado con consultas que ejecutamos: duplicados, las reglas que siguen ambos, un error de datos real, rendimiento medido, …
Leer artículo →Desarrollo de softwareTutorial de JavaScript Fetch API: GET, POST, manejo de errores y tiempos de espera
Un tutorial de JavaScript Fetch API probado en un servidor local: GET y POST, por qué 404 no arroja, un asistente reutilizable, cadenas de consulta,…
Leer artículo →Desarrollo de softwareManejo de archivos Python: lectura, escritura, CSV, JSON y pathlib con ejemplos
El manejo de archivos Python se explica con el código que ejecutamos: modos abiertos, lectura de archivos grandes, CSV, JSON, pathlib, archivos bina…
Leer artículo →Desarrollo de softwareClases y objetos de Python: tutorial de programación orientada a objetos con ejemplos reales
Clases y objetos de Python explicados con el código que ejecutamos: __init__, métodos, atributos de clase versus instancia, herencia, propiedades, m…
Leer artículo →Inteligencia artificial¿Qué es un modelo de lenguaje grande? Cómo funcionan los LLM, explicados sin exageraciones
¿Qué es un modelo de lenguaje grande? Los LLM explicados en lenguaje sencillo: tokens, incrustaciones, atención, entrenamiento, ventanas de temperat…
Leer artículo →DevOpsComandos de Linux para principiantes: la guía esencial de terminal con ejemplos
Comandos de Linux para principiantes, agrupados por tarea: navegación, archivos, visualización de registros, grep, canalizaciones, permisos, proceso…
Leer artículo →Automatización de pruebasSelenium vs Playwright: diferencias clave, comparación de códigos y cuál elegir
Comparación de Selenium vs Playwright: arquitectura, espera, soporte de navegador e idioma, depuración, la misma prueba en ambas herramientas, conse…
Leer artículo →Pruebas de softwarePartición de equivalencia: técnica de diseño de pruebas explicada con ejemplos resueltos
Explicación de la partición de equivalencia: cómo encontrar particiones válidas e inválidas, ejemplos prácticos para edades, contraseñas y cupones, …
Leer artículo →Pruebas de softwareSeveridad vs Prioridad en Pruebas de Software: Diferencias, Matriz y Ejemplos Reales
Explicación de gravedad versus prioridad en las pruebas de software: definiciones claras, una matriz de cuatro vías con ejemplos, escalas de niveles…
Leer artículo →Bases de datos y SQLTutorial de subconsultas SQL: tipos, subconsultas correlacionadas y EXISTENCIAS con ejemplos
Un tutorial de subconsultas SQL con consultas que ejecutamos: subconsultas escalares, IN, FROM y SELECT, subconsultas correlacionadas, EXISTS, la tr…
Leer artículo →Bases de datos y SQLTransacciones SQL y ACID explicados: COMMIT, ROLLBACK y niveles de aislamiento
Transacciones SQL y ACID explicadas con una transferencia bancaria que ejecutamos: COMMIT, ROLLBACK, puntos de guardado, bloqueos, niveles de aislam…
Leer artículo →Desarrollo de softwareHoja de trucos de comandos de Git: los comandos que realmente usas, con ejemplos
Una hoja de referencia de comandos de Git agrupada por tarea: configuración, preparación, ramas, controles remotos, almacenamiento, historial y desh…
Leer artículo →Desarrollo de softwareExplicación de las promesas de JavaScript: luego, captura, Promise.all y errores comunes
Las promesas de JavaScript se explican con el código que ejecutamos: estados, luego y cadenas de captura, manejo de errores, Promise.all, allSettled…
Leer artículo →Desarrollo de softwareTutorial del diccionario Python: métodos, ejemplos y patrones comunes
Un tutorial de diccionario de Python con el código que ejecutamos: crear, leer y actualizar dictados, métodos clave, fusión, comprensión, patrones d…
Leer artículo →Inteligencia artificial¿Qué es el RAG? Generación de recuperación aumentada explicada con un ejemplo práctico
¿Qué es RAG? Generación de recuperación aumentada explicada paso a paso: indexación, fragmentación, incrustaciones, recuperación, un pequeño ejemplo…
Leer artículo →DevOpsTutorial de Terraform para principiantes: infraestructura como código desde el primer archivo hasta los módulos
Un tutorial de Terraform para principiantes: comience sin una cuenta en la nube, aprenda init, planifique y aplique, luego variables, resultados, es…
Leer artículo →DevOpsDocker vs Kubernetes: diferencias clave, cómo funcionan juntos y cuál necesita
Docker vs Kubernetes explicó: qué hace cada uno, la misma aplicación se ejecuta con ambos, se comparan Docker Compose y Swarm, los Dockershim cambia…
Leer artículo →Automatización de pruebasTutorial de Pytest para principiantes: accesorios, parametrización y ejemplos reales
Un tutorial de pytest para principiantes con pruebas que ejecutamos en pytest 9.2: afirmaciones, accesorios, parametrización, conftest, marcadores, …
Leer artículo →Pruebas de softwareCiclo de vida de pruebas de software (STLC): 6 fases, criterios de entrada y salida, ejemplo
Se explicó el ciclo de vida de las pruebas de software: seis fases de STLC con criterios de entrada y salida, entregables, un ejemplo de función de …
Leer artículo →Desarrollo de softwareGit merge vs rebase: diferencias, ejemplos y cuándo usar cada uno
Git merge vs rebase explicado con salida real del log, una tabla comparativa, la regla de oro del rebase y un flujo de trabajo seguro para equipos.
Leer artículo →Desarrollo de softwareList comprehension en Python: sintaxis, ejemplos y cuándo evitarla
List comprehension en Python explicada: sintaxis, filtros, if-else, bucles anidados, tiempos medidos y cuándo es mejor un bucle for normal.
Leer artículo →