Expressões regulares: capturando textos de forma mágica

1. Começando com Regex

Começando a aprender Regex com Javascript

🔤 Regex são um ***padrão de definir uma determinada cadeia de caracteres*** dentro de um texto maior

Por exemplo ao procurar arquivos no prompt de comandos do Linux

ls | grep -p ".*png"

Certos comandos server para filtrar conteúdos específicos, como no exemplo da imagem abaixo:

Como funcionam as expressões regulares:
- O pattern é só a regra
- Uma expressão regular sozinha é apenas uma string. É preciso ter um software para interpretar a regex e aplicá-la no alvo. Esse software é o Regex Engine
- E assim teremos um match

O nosso primeiro problema

CSV - comma separated value.

O nosso objetivo é tentar encontrar um padrão em cada linha:

João Fulano,123.456.789-00,21 de Maio de 1993,(21) 3079-9987,Rua do Ouvidor,50,20040-030,Rio de Janeiro
Maria Fulana, 98765432100,11 de Abril de 1995,(11) 933339871,Rua Vergueiro,3185,04101-300,São Paulo
denise teste, 987.654.321.00,28 de Dezembro de 1991,(31)45562712,SCS Qd. 8 Bl. B-50,11,70333-900,Rio Grande

\d - dígitos
meta-char - alguns caracteres que possuem um significado especial para o regex engine. Especial significa que o regex engine não interpreta o valor literal e sim diferente.
**.** - Representa qualquer caractere especial
\. - Representa o valor literal do .
{999} ou * - quantifier - caractere especial para definir quantidade de caracteres

Mão na massa - Encontrando o CNPJ

\d{3}\.\d{3}\.\d{3}-\d{2} //regex para encontrar cpf 123.456.789-00

Mão na massa - Encontrando o IP

Regex para IP levando em conta que cada grupo pode ter de 1 a 3 dígitos
- 126.1.112.34
- 128.126.12.244
- 192.168.0.34

\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}

🌐 Um IP tem quatro grupos de no mínimo um e máximo três números. Repare que estamos escapando o ponto (.) entre os números, que são blocos de dígitos \d entre 1 e 3 caracteres {1,3}

Mão na massa - Encontrando o CEP

definir a regex para encontrar o CEP dentro de uma linha no nosso CSV

João Fulano,123.456.789-00,21 de Maio de 1993,(21) 3079-9987,Rua do Ouvidor,50,20040-030,Rio de Janeiro

\d{5}-\d{3}

Mão na massa - Buscando o telefone

Qual padrão podemos utilizar para encontrar o número telefônico? Por exemplo: (21) 3216-2345

\(\d{2}\) \d{4,5}-\d{4}

Para que servem Regex?

Em resumo os Regex servem para:
- Extrair seções específicas de um arquivo de texto
- Validação de formatação de, por exemplo, e-mail ou telefone
- Análise de arquivos de texto e extração de dados para, por exemplo, gravar no banco de dados
- Substituir o dos valores de um texto para limpar, reformatar ou alterar o conteúdo

2. Classes com caracteres

Entendendo Classes de Caracteres

**?** - Caractere não obrigatório
{0,1} - Também torna o caractere não obrigatório
[-.]** ou **[0-9] - Definir classe de caracteres

\d{3}\.?\d{3}\.?\d{3}[-.]?\d{2}

Mãos na massa: Ajudando Alura

Praticando classes e quantifier

\s - classe para espaços, sejam eles espaço ou tab
{1,} ou + - uma ou mais vezes
? - zero ou uma vezes
* - zero ou mais vezes
{n} - exatamente n vezes
{n,} - no mínimo n vezes
{n,m} - no mínimo n+1 vezes, no máximo m vezes.
\w - significa word char e é uma atalho para [A-Za-z0-9].

denise teste, 987.654.32100,28      de Março de 1991,(31)45562712,SCS Qd. 8 Bl. B-50,11,70333-900,Rio Grande

[0-3]?\d\s+de\s+[A-Z][a-zç]{3,8}\s+de\s+[12]\d{3} // expressão regular para filtrar datas

Trabalhando com horários

19h32min16s.

\d{2}h\d{2}min\d{2}s // regex para filtrar esse padrão de tempo

Mão na massa: Reconhecendo a placa de um veículo

KMG-8089

[A-Z]{3}-\d{4}

Mão na massa: expressão regular a favor dos alunos!

Ajude Gilberto e, claro, seus alunos, separando do arquivo CSV os nomes e as notas dos alunos que tiraram de 7.2 a 7.9 para que o professor "camarada" possa aprová-los!

9.8 - Robson, 7.1 - Teresa, 4.5 - Armênio, 6.5 - Zulu, 7.7 - Stefania, 7.8 - João, 5.0 - Romeu, 7.2 - Pompilho, 3.1 - Reinaldo, 7.3 - Bernadete, 4.7 - Cinério

7\.[2-9]\s+-\s+[^,]+

Mão na massa: Uma expressão regular incorreta pode prejudicar alguém

10 - Bruce, 9.5 - Miranda, 7.9    - Bob, 10 - Zimbabue, 7.5 - Bety

[7]\.[5-9]\s+-\s+\w+

Mão na massa: Separando joio do trigo

Escreva uma expressão regular que faça match apenas com as palavras GARROTE, SERROTE e ROTEIRO. Não esqueça de usar nossa ferramenta para testar nossas expressões regulares.

BALEIRO GARROTE SERROTE GOLEIRO ROTEIRO

[A-Z]*ROTE[A-Z]*
ou
[A-Z]*ROT[A-Z]+

Opcional: Validando o usuário no serviço Rest

O username precisa ser da seguinte forma:

O limite é de 10 caracteres;
O primeiro caractere deve ser uma letra do alfabeto, não pode ser um número;
A partir do segundo caractere podemos ter letras maiúsculas, minúsculas e números;

Como deve ficar a anotação @Pattern com uma expressão regular com essas características?

public class User {
    @Pattern(regexp = "???")
    @NotEmpty
    private String username;

}

[a-zA-Z][a-zA-Z\d]{0,9}

Para saber mais: Melhorando a legibilidade

Na aula criamos um pequeno "monstro" para definir a expressão da data. Como poderíamos deixar a expressão mais fácil de entender?

[0-3]?\d\s+de\s+[A-Z][a-zç]{3,8}\s+de\s+[12]\d{3}

var DIA  = "[0-3]?\d"; 
var DE = "\s+de\s+";
var MES  = "[A-Za-z][a-zç]{3,8}";
var ANO  = "[12]\d{3}";

var stringRegex = DIA + DE +  MES + DE + ANO;

var objetoRegex  = new RegExp(stringRegex, 'g');

Encontrando a posição certa com âncoras

Trabalhando com grupos

Ganancioso ou preguiçoso

Usando regex nas diversas linguagens

mathensousaa/alura-regex