Expressões Regulares (regex)
Expressões Regulares são padrões utilizados para selecionar combinações de caracteres em uma string.
Com elas podemos lidar com as seguintes situações:
- Procura;
- Substituição;
- Validação de formatos;
- Filtragem de informações.
Existem duas formas de declarar uma expressão regular:
- Literal:
/ab+c/é lida quando o script é carregado e possui melhor performace; - Construtor do objeto RegExp:
new RegExp('ab+c')é realizada em tempo de execução. Use o construtor quando souber que o padrão da expressão regular irá mudar.
Estrutura
Uma expressão regular é composta de âncoras, conjuntos de caracteres, quantificadores e flags.
/[ANCHOR] [CHARACTER SET] [QUANTIFIERS] [ANCHOR]/[FLAGS]
Como funciona?
Conhecendo os recursos
Conjunto ou classes de caracteres
Corresponde a um caracter de um conjunto específico. Existem várias classes de caracteres predefinidas. Você também pode definir seus próprios conjuntos.
| Caractere | Nome | Descrição |
|---|---|---|
[abc] |
character set | Corresponde a qualquer caractere do conjunto. |
[^abc] |
negated set | Corresponde a qualquer caractere que não esteja no conjunto. |
[a-z] |
range | Corresponde a um caractere entre os dois caracteres especificados, no nosso caso de a até z na tabela ASCII. |
[à-ü] |
range | Corresponde a um caractere entre os dois caracteres especificados, no nosso caso de à até ü na tabela ASCII. |
. |
dot | Corresponde a qualquer caractere, exceto quebras de linha. Equivalente a [^\n\r]. |
[\s\S] |
match any | Um conjunto de caracteres que pode ser usado para corresponder a qualquer caractere, incluindo quebras de linha. |
\w |
word char | Corresponde a qualquer caractere de palavra (alfanumérico e sublinhado). Equivalente a [A-Za-z0-9_]. |
\W |
not word char | Corresponde a qualquer caractere que não seja um caractere de palavra (alfanumérico e sublinhado). Equivalente a [^A-Za-z0-9_]. |
\d |
digit | Corresponde a qualquer caractere de dígito (0-9). Equivalente a [0-9]. |
\D |
not digit | Corresponde a qualquer caractere que não seja um caractere de dígito (0-9). Equivalente a [^0-9]. |
\s |
whitespace | Corresponde a qualquer caractere de espaço em branco (espaços, tabulações, quebras de linha). |
\S |
not whitespace | Corresponde a qualquer caractere que não seja um caractere de espaço em branco (espaços, tabulações, quebras de linha). |
Quantificadores
Os quantificadores indicam que o token anterior deve ser correspondido um certo número de vezes. Por padrão, os quantificadores são gananciosos e corresponderão ao máximo de caracteres possível.
| Caractere | Nome | Descrição |
|---|---|---|
* |
star | zero ou mais ocorrências, equivalente a {0,}. |
+ |
plus | uma ou mais ocorrências, equivalente a {1,}. |
{m, n} |
quantifier | de m até n ou {min, max}. |
? |
optional | zero ou uma ocorrência, equivalente a {0,1}. |
? |
lazy | Torna o quantificador anterior lento, fazendo com que ele corresponda ao mínimo de caracteres possível. |
| | | alternation / pipe | Atua como um operador OR. |
Âncoras
As âncoras são únicas porque correspondem a uma posição dentro de uma string, não a um caractere.
| Caractere | Nome | Descrição |
|---|---|---|
^ |
beginning | Corresponde ao início de uma string. |
$ |
end | Corresponde ao final de uma string. |
\b |
word boundary | Corresponde a uma posição de limite de palavra (início / fim da string). |
\B |
not word boundary | Corresponde a qualquer posição que não seja um limite de palavra. Isso corresponde a uma posição, não a um caracter. |
Flags
Flags de expressão mudam como a expressão é interpretada. Flags seguem a barra de fechamento da expressão (ex./.+/igm).
| Caractere | Nome | Descrição |
|---|---|---|
g |
global | Encontra todas as correspondências em vez de parar após achar a primeira. |
i |
case insensitive | Case sensitive (ignora maiúsc./minúsc.) |
m |
multiline | Trata caracteres de início e fim (^ e $) ao operar sobre múltiplas linhas (ou seja, corresponder o início ou fim de cada linha (delimitado por \n ou \r), e não apenas o começo ou fim de toda a string de entrada). |
Grupos e referências
Os grupos permitem combinar uma sequência de tokens para operar juntos. Os grupos de captura podem ser referenciados por uma referência anterior e acessados separadamente nos resultados.
| Caractere | Nome | Descrição |
|---|---|---|
(abc) |
capturing group | Agrupa vários tokens e cria um grupo de captura para extrair uma substring ou usar uma referência anterior. |
(?:abc) |
non-capturing group | Agrupa vários tokens sem criar um grupo de captura. |
\1 |
numeric reference | Corresponde aos resultados de um grupo de captura. Por exemplo \1 corresponde aos resultados do primeiro grupo de captura & \3 corresponde ao terceiro. |