Hacer expresiones regulares (REGEX) es una mierda a veces. No nos engañemos.

Si necesitamos crear una REGEX que coincida con un conjunto de palabras, necesitamos analizarlas e incluir todas las condiciones necesarias para que coincidan.

Para los que no pilotéis mucho de programación, es muy común en aplicaciones web, filtros, o cualquier cosa que tenga que coincidir si una palabra coincide con un conjunto de palabras permitidas.

Y, spoiler, no es fácil y la gente la caga mucho.

Venga, vamos a ponernos en situación. Imagina que quieres detectar lenguaje y gente malhablada (vamos, este post, por ejemplo).

Podrías tirar unas cuantas lineas de Python como estas:

import re

bad_words_regex = re.compile(r'''([bB][aA][sS][tT][aA][rR][dD]|[fF][uU][cC][kK])''')
word = input("Introduce tu palabra")

if bad_words_regex.match(word) is not None:
    print("¡Ehhhhhh, modera tu lenguaje!")
else:
    print("¡Bien hecho, chaval!")

Qué hace esto? Pues básicamente, si introduces una palabra como “ass”, “bastard”, “fuck” o palabras igual de entrañables en inglés; te dirá que laves la boca con jabón. Sino, pues te dará una palmadita en la espalda.

Ahora fíjate en la REGEX. Es un coñazo. Además, es fácil se te vaya un poco la olla y te equivoques.

En lugar de picarte tu la REGEX, podría usar un Trie. Hay un proyecto muy chulo de Python que lo hace por ti: Trieregex.

Lo que hace Trieregex es generarte la REGEX automáticamente a partir de una serie de palabras. Algo así como sacarte factor común.

El código es facilito, no te creas tampoco que ingeniería de cohetes:

import re

from trieregex import TrieRegEx as TRE

words = ['bastard', 'fuck', 'losser']

# Add word(s)
tre = TRE(*words)  # word(s) can be added upon instance

# Create regex pattern from the trie
regex_pattern = tre.regex()

# Add boundary context and compile for matching
bad_words_regex = re.compile(f'\\b{regex_pattern}\\b')

word = input("Introduce tu palabra")

if bad_words_regex.match(word) is not None:
	print("¡Ehhhhhh, modera tu lenguaje!")
else:
	print("¡Bien hecho, chaval!")

A este código le puedes dar más vuelta y mejorarlo hasta el infinito, obviamente. Pero creo que la idea queda clara.

Referencias

• Trieregex: https://github.com/ermanh/trieregex
• Trie: https://en.wikipedia.org/wiki/Trie