Expressões Regulares

Guia de referência rápida

Conteúdo

Dicas importantes

O que são expressões regulares?: Expressões regulares (regex, regexp ou expreg) são um método para descrever padrões de texto.
As expressões regulares não processam casamentos: Quem, de fato, processa os casamentos são os programas e utilitários criados com esta funcionalidade, como o grep, o sed e o awk.
O Bash também faz casamentos com expressões regulares?: Sim, além dos curingas, o Bash trabalha com expressões regulares no comando composto [[ com o operador =~.
Como dominar as expressões regulares?: O segredo para desenvolver a habilidade de trabalhar com expressões regulares é praticar muito, mas isso deve ser feito do jeito certo: ou seja, descrevendo claramente o padrão buscado sem se preocupar, num primeiro momento, em como representá-lo com uma regex.

Metacaracteres das expressões regulares

Os metacaracteres são símbolos que representam, de várias formas, os caracteres de um padrão, suas quantidades, posições no texto, e como eles se relacionam com outros caracteres.

A forma mais básica de representar caracteres é escrevendo, explicitamente, os caracteres que fazem parte do padrão buscado. Então, por exemplo, se o padrão que me interessa é o que contém a palavra banana, eu posso simplesmente descrever esta sequência de caracteres no argumento do programa que estiver sendo utilizado para realizar a busca pelo padrão:

:~$ grep 'banana' /usr/share/dict/brazilian
banana
bananada
bananadas
bananais
bananal
bananas

Às vezes, porém, o padrão buscado não requer caracteres específicos, mas qualquer caractere que se apresente em uma certa posição no texto: é aí que entram os metacaracteres.

Implementações

Existem muitas implementações diferentes de expressões regulares, mas todas elas têm em comum os símbolos e os significados das especificações dos metacaracteres POSIX, que veremos a seguir.

Script utilizado na aula (igrep.sh)

#!/bin/bash

list_lines() {
    grep --color=always -E "$1" $2 | nl
}

while :; do
    read -er -p 'Regex: ' regex
    [[ ${regex,} == q ]] && break
    history -s -- "$regex"
    echo '---------------------------------------'
    list_lines "$regex" "$1"
    echo '---------------------------------------'
done

Representam caracteres

Representantes

Meta	Descrição
`.`	Um caractere qualquer, inclusive o ponto.
`[...]`	Qualquer um dos caracteres listados.
`[^...]`	Qualquer caractere, menos os listados.
`\META`	Torna literal um caractere que possua significado.

Dependendo do modo da expressão regular, a contrabarra pode ter o efeito contrário, dotando certos caracteres de algum significado especial. Por exemplo, no modo básico (BRE), o caractere + precisa ser escrito com a contrabarra para ter o significado de um quantificador (\+).

Classes

Meta	Descrição
`\w`	Um caractere válido em palavras: `[A-Za-z0-9_]`
`\W`	Qualquer caractere que não seja válido em palavras.
`\s`	Um caractere em branco: `[ \t\n\r\f\v]`
`\S`	Qualquer caractere que não seja um caractere em branco.

Classes nomeadas (POSIX)

Classe	Descrição
`[:upper:]`	Uma letra maiúscula.
`[:lower:]`	Uma letra minúscula.
`[:alpha:]`	Uma letra maiúscula ou minúscula.
`[:alnum:]`	Uma letra maiúscula, minúscula ou um dígito.
`[:word:]`	Um caractere alfanumérico ou o sublinhado (`_`).
`[:digit:]`	Um dígito decimal (`0` a `9`).
`[:xdigit:]`	Um dígito hexadecimal (`0` a `F`).
`[:blank:]`	Um caractere de espaço horizontal (espaço e tabulação).
`[:space:]`	Um caractere de espaço horizontal ou vertical.
`[:graph:]`	Um caractere visível qualquer.
`[:print:]`	Um caractere visível qualquer ou o caractere espaço.
`[:punct:]`	Um símbolo gráfico ou pontuação.

Representam quantidades (quantificadores)

Meta	Descrição
`?`	Zero ou uma ocorrência da entidade anterior (padrão ou caractere).
`*`	Zero ou mais ocorrências da entidade anterior.
`+`	Uma ou mais ocorrências da entidade anterior.
`{min,max}`	De `min` a `max` ocorrências da entidade anterior.

Posicionam ocorrências (âncoras)

Meta	Descrição
`^`	Início da cadeia de caracteres (início da linha).
`$`	Fim da cadeia de caracteres (fim da linha).
`\b`	Borda de uma palavra (início ou fim).
`\B`	Fora da borda de uma palavra (início ou fim).

Agrupam e associam padrões

Meta	Descrição
`(PADRÃO)`	Agrupa, aninha e define a precedência de padrões.
`\1` … `\9`	Referências a padrões agrupados segundo suas ordens de ocorrência.
\|	Define padrões alternativos.