Falando sobre Expressões Regulares: O que foi que ele disse?
E aí pessoas!
Eu gostaria de começar agradecendo mais uma vez ao Chico por ter autorizado a exposição do diálogo presente neste post. Valeu molecão! É nóis!
Agora, deixe-me contar a história:
Estávamos no ônibus eu e o Chico…
P.S.: Se não entendeu a imagem, procure no YouTube por “Eu e Quico, Quico e eu”.
Voltando à história:
Estávamos eu e o Chico no busão, subindo a serra em direção a São Paulo pela Rodovia dos Imigrantes. Estávamos de boa, trocando uma ideia, até que ele pergunta:
Chico: - Não sabia que era permitido pular de asa delta aqui na serra.
Eu olhei pela janela e não encontrei nada. Curioso, eu questionei o Chico:
Eric: - Onde é que tu tá vendo uma asa delta?
Chico aponta pra suposta asa delta e fala:
Chico: - Ali pô!
Eu olho, começo a rachar o bico e falo:
Eric: - Porra Chico! Aquilo ali é um URUBU!
Sensacional! Eu ri muito, senti como se o meu pâncreas fosse saltar pra fora do corpo de tanta risada.
Enfim… Esta historinha será o texto onde faremos os matchings de hoje.
Para começar, vamos colar o texto no RegExr e procurar pelo “Chico”:
Como podem ver, eu enumerei as linhas, pra facilitar sua identificação. A cor azul indica que houve algum match na linha e a cor vermelha indica que não houve nenhum match na linha.
A missão pra hoje é descobrir quais são as linhas que contém o que foi que o Chico disse, as falas dele. Sendo mais específico, queremos identificar as linhas 2 e 6.
Vamos pensar sobre o padrão que temos que capturar…
As linhas que representam as falas começam com o nome da pessoa seguido de “:” (dois pontos). Portanto, as falas do chico começam com Chico:. Vamos ver como fica na regex:
Estamos quase lá! Conseguimos match nas duas linhas que começam com “Chico:”. Mas também houve um match no final da linha 3.
O que está faltando, é um meio de informar pra regex que ela deve dar match na string “Chico:” somente no ínicio da linha.
Para passar esta informação pra expressão, nós utilizamos o metacaractere ^ (circunflexo), cuja função é bater com a posição inicial da linha.
Isto mesmo, o circunflexo é do tipo que bate com uma determinada posição, por isto, é classificado como um operador posicional. Diversas fontes usam o termo âncora para se referir a este tipo de operador. Ambos são válidos, fique a vontade pra chamá-lo com o nome que achar melhor.
Sabendo que o circunflexo bate com o início da linha, vamos adicioná-lo à expressão:
Aí deu erro, mas na minha máquina funciona!
Não houve match. Mas não se preocupem, a regex não está errada e o RegExr não está bugado. É simplesmente uma questão de configuração.
O padrão do circunflexo no RegExr é bater com a posição inicial do texto como um todo, independente da linha. Para que o circunflexo considere o início de cada nova linha, precisamos passar para o modo multilinha. Fazemos isso marcando a opção multiline no menu flags. Veja na figura abaixo:
Com o multiline ativo, temos o match conforme esperado:
A missão de hoje não foi comprida e já está cumprida.
Mas não quero encerrar sem mostrar o oposto do circunflexo, que é o $ (cifrão). Se o circunflexo bate com o início da linha, o cifrão bate com o fim da linha.
Pra ver como age o cifrão, vamos aplicar a regex [A-Za-z]+\. pra capturar as palavras que antecedem um ponto qualquer:
Vemos 3 trechos que deram match. Agora, vamos alterar a expressão pra capturar as palavras que antecedem um ponto final:
Com o cifrão no final, a regex capturou apenas o “serra.”, pois ele está no fim da linha.
Vale lembrar que, assim como o circunflexo, o cifrão só tem efeito em cada linha se a flag multiline estiver marcada. Isso quando estamos falando do RegExr, que usa a API do JavaScript. Algumas APIs e ferramentas já apresentam esse comportamento por padrão, sem a necessidade de setar nenhum flag. Na dúvida, sempre consulte a documentação da ferramenta que estiver usando.
É isso aí pessoas! Hora do café!
Mas primeiro… Tabela de operadores atualizada:
| Itens que batem com um caractere | ||
|---|---|---|
| Metacaractere | Nome | Função |
| . | ponto | captura qualquer caractere |
| [ ] | colchetes ou lista | captura qualquer um dos caracteres listados |
| \ | barra invertida | torna literal o metacaractere à sua direita |
| Modificadores que determinam quantidade: Quantificadores | ||
| Metacaractere | Nome | Função |
| ? | interrogação | torna o elemento à sua esquerda opcional |
| * | asterisco | torna o elemento à sua esquerda opcional e permite múltiplas ocorrências |
| + | mais | elemento à sua esquerda deve aparecer uma ou mais vezes |
| {n,m} | chaves | elemento à sua esquerda deve aparecer no mínimo n e no máximo m vezes |
| Operadores que batem com uma posição: Âncoras | ||
| Metacaractere | Nome | Função |
| ^ | circunflexo | bate com a posição incial do texto |
| $ | cifrão | bate com a posição final do texto |
| Outros (grupo dos que ficaram sem grupo) | ||
| Metacaractere | Nome | Função |
| ( ) | parênteses | delimita escopo para outros operadores |
Valeu e Falou…
