Regex

Regular Expressions (Regex) Daniel Carneiro

Regular Expressions Padrão para buscas em textos

Primeira aparição no QED em 1966

Utilizado em vários editores e ferramentas atuais, principalmente em ambiente unix.

Possui extensões ao padrão original. Ex: Perl Compatible Reguar Extenstion (PCRE)

Pattern / Matcher Engine regex é divido em 2 partes Pattern -> compila as expressoes

Matcher -> executa as expressoes

Literais Combinam extamente com o padrão.Ex:

Depende de opções como case-insensitive Regex Padrão def abc def ghi a J a ck is a boy

Caracteres especiais Os caracteres [ ] \ ^ $ . | ? * + ( ) são metacaracteres e devem ser precedidos de ”\” quando utilizados em buscas. Para buscar o texto ”1+1=2?” deve-se utilizar a expressão ”1\+1=2\?” Obs: Linguagens de programação podem necessitar de ”\” extra. Para buscar ”c:\windows” usa-se o pattern ”c:\\windows” e em Java a String ”c:\\\\windows”

Caracteres não-imprimíveis Caracter Código \t Horizontal Tab (0x09) \r Carriage Return (0x0d) \n New Line (0x0a) \a Bell (0x07) \e Escape (0x1b) \f Form Feed (0x0c) \v Vertical Tab(0x0b) \x00 Caracter (0x00) \uFFFF Unicode (0xffff)

Classes de caracteres Classes de caracteres ou conjuntos de caracteres indicam que qualquer um dos caracteres dentro do grupo são válidos para a busca.

São denotados com uma lista de caracteres entre colchetes: [abc] Ex: ”gr [ae] y” – encontra ”gr a y” ou ”gr e y” Podem ser escritos intervalos de caracteres usando um ”-”. Ex: [0-9a-fA-FxX] busca os caracteres usados para notação hexadecimal

Classes de caracteres (cont.) Ao utilizar o ”^” no início do grupo, significa negar o grupo, ou seja valem os caracteres que NÃO estão no grupo. Ex: q[^u] – qualquer caracter depois de ”q”, que não seja ”u” Além desses, existem as abreviações para classes de caracteres, como abaixo:

Classes de caracteres (cont.) Classe Expressão \w Word Character [A-Za-z0-9] \W Non Word Character [^A-Za-z0-9] \s Whitespace Character [ \t\r\n] \S Non Whitespace Character [ \t\r\n] \d Digit [0-9] \D Non Digit [^0-9]

Ponto O metacaracter mais utilizado em regex

Reconhece todos os caracteres com excessão de nova linha

Single-line mode altera este comportamento

Ancoras ^ define o início da linha (ou da string)

$ define o final da linha (ou da string) Ex: ”^a” para encontrar strings que começam com ”a” Pode ser utilizado o modo multi-line para capturar string de várias linhas

\b também é uma ancora que valida os limites das palavras

Alternação O metacaracter ”|” serve para definir alternação. Ex: ”a|b|c” significa ”a” ou ”b” ou ”c”

É o metacaracter de menor prioridade ou seja ”cao|gato” significa ”cao” ou ”gato”

Cuidado com a ordem das expressões: ”Get|GetValue” é valido para ”GetValue” e ”GetXXX”

Item opcional O metacaracter ”?” serve para indicar uma expressão opcional. Ex: ”colou?r” encontra ”color” e ”colour” É um metacaracter ganancioso (greddy) ou seja possui preferencia por encontrar um positivo à um negativo. Ex: A expressão ”23(rd)?” encontra ”23rd” em ”Feb, 23rd” e não apenas 23.

Repetição Os metacaracters ”*” e ”+” significam respectivamente ”zero ou mais vezes” e ”uma ou mais vezes” Ex.: ”ab*c” encontra ”abc”, ”abbc” e ”ac”, enquanto ”ab+c” não encontra ”ac” Existem também ”{n} e ”{m,n}” que significam ”n vezes” e ”de m até n vezes”

”*” é equivalente a ”{0,}” e ”+” é equivalente a ”{1,}”

Repetição (cont.) ” *”, ”+” e ”{m,n}” são expressões greedy ou seja, tentarão encontrar o maior número de correspondências possíveis. Ex: ”<.+>” em ”This is a empty test” encontrará ”empty” Colocar ”?” após ”*”, ”+”, ”{,}” e ”?” torna a expressão relutante ( reluctant ). Ex: ”<.+?>” na mesma expressão retorna ”” Uma alternativa é usar expressões negativas que são mais rápidas Ex: ”<[^>]+>” possui o mesmo efeito

Repetição (cont.) Existem também os qualificadores possessivos que não executam backtrack ou seja não retrocedem na busca.

Regex

Mais conteúdo relacionado

Semelhante a Regex

Mais de dcarneir

Regex

Notas do Editor