O Básico Sobre Expressões Regulares

O que são? Pra que servem? Podem mesmo me ajudar ?

O que são?

Expressão regular é uma forma de representar palavras, frases ou até parágrafos através de uma única notação. Ainda não entendeu? Vamos a alguns exemplos:

• Imagine no desenvolvimento de um sistema ao qual é repleto em validações em textos. Como será validado um campo de e-mail, por exemplo? Percorrerá caractere por caractere a fim de buscar os padrões de um campo de e-mail ?
• Imagine na escrita de um texto ao qual você quer buscar todas as palavras escritas duas vezes seguidas, exemplo “Usar expressões regulares para para resolver (…)”. Além de buscá-las você também quer arrumá-las automaticamente.
• Substituir todas as ocorrências da palavra ‘carro’ por ‘automóvel’.

A aplicação de expressões regulares é praticamente infinita, basta encontrar os momentos certos para usá-las.

Conceitos básicos

Antes de começar a explicar como criar e ler uma expressão regular, é importante ter em mente o significado da palavra match. A tradução literal da palavra é “corresponder’” porém, neste contexto, a palavra será utilizada para dizer que uma expressão regular “casou” com uma palavra, frase ou parágrafo, ou seja, quando uma expressão regular conseguir representar o que foi planejado.

Outra ideia que deve sempre estar em mente é que uma expressão regular é lida como uma palavra onde cada parte dela representa, inicialmente, apenas um caractere. Mais para frente, neste artigo, será mostrado isso.

Uma expressão regular é formada de vários metacaracteres e caracteres literais. São chamados metacaracteres os caracteres que servem para representarem outros caracteres, neste artigo não serão explicados todos. São eles: . ? * + ^ $ | [ ] { } ( ) \

Para tornar um metacaractere um caractere literal, usa-se o escape (\). Por exemplo, para usar o ponto como caractere literal: \.

Um exemplo simples de expressão regular:

[0-9]{5}-[0-9]{3}

A expressão acima foi escrita para “casar” com um CEP (código de endereçamento postal) onde possui 5 dígitos numéricos, um traço e logo após, mais 3 dígitos numéricos.

Componentes básicos

Nesta parte do artigo serão explicados separadamente alguns dos componentes que formam uma expressão regular.

Existem ferramentas online para testar, em tempo real, as expressões regulares criadas. É interessante você acompanhar a leitura do artigo e ir fazendo seus próprios testes. Uma ferramenta interessante é o regex101.

Lista [ … ]

A lista é um dos componentes mais utilizados. Ela permite você escolher quais caracteres poderão aparecer no lugar em que ela foi colocada. Exemplo:

[ab]c

Neste caso, a expressão regular casará com as seguintes informações:

ac
bc

Uma lista representa apenas um caractere.

Dentro da lista todos os caracteres são literais, com exceção do traço (-), do acento circunflexo (^) e, caso não seja o primeiro ítem da lista, o colchete de fechar (]).

É possível utilizar um conjunto de dados dentro da listas, desta forma, facilitando filtrar caracteres. Exemplo:

[0-2]c

Que casará com:

0c
1c
2c

Como conjuntos dentro de listas você pode utilizar:

a-z
A-Z
A-z
0-9

Lista negada [^ … ]

A lista negada têm a mesma finalidade da lista comum, porêm, os caracteres dentro dela são ignorados no momento de casar. A lista negada é uma lista convencional a qual o primeiro ítem é o circunflexo: [^ … ]. Em outras palavras, ela permite representar qualquer outro caractere, exceto os que estão dentro dela.

Exemplos de utilização:

pat[^a]

A expressão regular acima consegue se casar com a palavra ‘pato’ porém, não consegue se casar com ‘pata’ por causa da lista negada que “proíbe” o aparecimento a letra “a” no final da palavra.

Ponto .

O ponto ( . ) é um metacaractere que se casa com qualquer outro caractere, ou seja, ele é um curinga.

Exemplos de utilização:

.[a-z]

A expressão regular acima se casa com qualquer conjunto ao qual começa com qualquer caractere e, em seguida, uma letra minúscula:

1a, rb, (z, pw, 8z, etc.

Metacaracteres quantificadores

Pense que agora que você já fez a lista de caracteres desejados, você quer buscar todas as palavras que começam com eles. Você pode fazer de algumas formas.

Primeira forma: Limitar a quantidade exata de vezes que aquele elemento aparecerá.

Tendo uma lista com os elementos escolhidos, você pode escolher quantas vezes ela poderá se repetir com a utilização do metacaractere de chaves ( {} ) com a quantidade de vezes que o elemento anterior poderá se repetir, ou seja: [a-b]{3} é o mesmo que [a-b][a-b][a-b]

Utilização:

[a-b]{2}

Neste caso “falamos” que a expressão regular se casará com qualquer palavra/termo de duas letras em que cada uma poderá ser ‘a’ ou ‘b’.

Outro exemplo:

[a-z]{5}

Neste segundo caso podemos dizer que a expressão regular irá casar com qualquer palavra, toda minúscula, de 5 letras.

Segunda forma: Definir um limite mínimo e máximo de vezes que o elemento poderá aparecer.

Semelhante ao primeiro caso, esta limitação é feita usando os metacaracteres de chaves, porém, com dois valores dentro que representam, respectivamente, valor mínimo e valor máximo.

Utilização

[a-z]{3,5}

No exemplo acima, a expressão regular casará com qualquer palavra, toda minúscula, de 3 até 5 letras.

Metacaractere: ?

Este metacaractere permite tornar opcional a ocorrência do elemento ao seu lado, ou seja:

[a-z]? 
é o equivalente a:
[a-z]{0,1}

Terceira forma: Não limitar a quantidade de vezes que ele poderá aparecer.

Para isso podemos utilizar dois metacaracteres diferentes, o asterisco (*) e o mais (+).

A diferença é simples, o asterisco permite casar o elemento nenhuma vez ou infinitas vezes, enquanto o (+) permite casar o elemento pelo menos uma vez ou infinitas vezes.

Exemplos:

[a-z]*

Permite casar qualquer palavra minúscula ou nenhuma palavra.

[a-z]+

Permite casar uma única letra ou qualquer palavra minúscula.

Âncoras

Metacaracteres chamados de âncoras são aqueles que permite você “posicionar” sua expressão regular, indicando inicio ou fim de linhas e parágrafos:

São eles:

^ : Circunflexo. Indica o início de uma linha

$ : Cifrão. Indica o final de uma linha

\b : Borda. Indica as bordas de uma palavra, ou seja, inicio ou fim de uma palavra.

Exemplos de uso:

^hoje$

Se casará apenas com a linha que só tenha a palavra “hoje”.

^hoje o \b[A-Za-z]+\b estará maravilhoso$

Se casará com qualquer linha que seja:

hoje o dia estará maravilhoso
hoje o sol estará maravilhoso
hoje o (qualquer termo sem espaços aqui) estará maravilhoso

Aplicações gerais

Como dito no início do artigo, a aplicação de expressões regulares tende ao infinito. Você consegue, além de abrir o leque de opções em suas buscas, usá-las em validações e substituições (não explicado no artigo). Abaixo mais alguns exemplos de utilização:

\([0-9]{2}\)[0-9]?[0-9]{4}-[0-9]{4}

Casará com números de telefone que contenham o DDD de dois dígitos numéricos e possuam ou não o nono dígito: (99)98888–8888 ou (99)8888–8888

[a-z0-9_]+@[a-z0-9]+(\.[a-z0-9]+)+

Casará com emails.

Entre outras…

Conclusão

A partir do momento em que você aprender como usar expressões regulares e ver as aplicações, verá o quanto irá facilitar em atividades do dia-a-dia, principalmente para quem é da área de informática.

No meu caso, enquanto escrevia minha monografia da faculdade, consegui identificar vários deslizes de escrita como: palavras escritas duas vezes, parágrafo iniciando com letra minúscula, falta de espaço depois da vírgula, etc.

O seguinte livro, que será deixado como referência, possui vários exemplos de aplicações de expressões regulares.

Referência

Apesar de existirem diversos lugares que ensinam a usar expressões regulares irei indicar o lugar em que aprendi, onde está explicado de forma simples e divertida.

Livro: Expressões Regulares: Uma abordagem divertida

Endereço eletrônico: http://aurelio.net/regex/guia/

Originalmente publicado no blog Danilo Pinotti