Question 1

Qual a diferença entre .* e .*? no regex?

Accepted Answer

Ambos correspondem a qualquer sequencia de caracteres, mas .* e guloso (corresponde o máximo possível) e .*? e preguiçoso (corresponde o mínimo possível). Para a entrada 'umdois', o padrão '.*' corresponde a string inteira (guloso, uma correspondência), enquanto '.*?' corresponde a 'um' e 'dois' separadamente (preguiçoso, duas correspondências).

Question 2

Qual a diferença entre \d e [0-9] no regex?

Accepted Answer

Na maioria dos motores de regex eles são intercambiaveis. No entanto, em alguns motores (Python 3, Java, .NET), \d corresponde a qualquer digito Unicode, incluindo dígitos arabico-indicos e de outras escritas, enquanto [0-9] só corresponde aos dígitos ASCII 0-9. Se você só quer dígitos ASCII, [0-9] é a opção mais segura. Em JavaScript, \d sempre significa [0-9] a menos que você use a flag u.

Question 3

Como funcionam lookaheads e lookbehinds?

Accepted Answer

Lookaheads e lookbehinds são asserções de largura zero. Elas verificam se um padrão existe antes ou depois da posição atual sem consumir caracteres. (?=foo) é um lookahead positivo (corresponde apenas se 'foo' segue). (?!foo) é um lookahead negativo (corresponde apenas se 'foo' NÃO segue). (?<=foo) e (?<!foo) são os equivalentes de lookbehind. Exemplo: \d+(?= dolares) corresponde a '100' em '100 dolares' mas não '100' em '100 euros'.

Question 4

Por que meu regex corresponde a mais do que o esperado?

Accepted Answer

A causa mais comum são quantificadores gulosos. Por padrão, *, + e {n,m} correspondem ao máximo de texto possível. Adicione ? apos o quantificador para torna-lo preguiçoso: *?, +?, {n,m}?. Outro problema comum e esquecer as ancoras. Sem ^ e $, seu padrão corresponde em qualquer lugar da string. Use ^ para ancorar aoinício e $ para ancorar ao final.

Question 5

Como correspondo a um caractere especial literal como . ou * no regex?

Accepted Answer

Escapado com uma barra invertida: \. corresponde a um ponto literal, \* corresponde a um asterisco literal. Os caracteres que precisam de escape na maioria dos motores regex são: . * + ? ^ $ { } [ ] ( ) | \. Dentro de uma classe de caracteres [ ], a maioria dos caracteres especiais perde o significado, então [.] também corresponde a um ponto literal. As exceções dentro de classes de caracteres são ], \, ^ e -, que ainda precisam de escape.

Padrão	Corresponde a	Exemplo de correspondência
`.`	Qualquer caractere exceto nova linha	`a.c` corresponde a `abc`, `a1c`, `a-c`
`\d`	Qualquer digito `[0-9]`	`\d{3}` corresponde a `123`
`\D`	Qualquer não digito	`\D+` corresponde a `abc` em `abc123`
`\w`	Caractere de palavra `[a-zA-Z0-9_]`	`\w+` corresponde a `hello_world`
`\W`	Caractere que não e de palavra	`\W` corresponde a `@` em `user@host`
`\s`	Espaço em branco (espaço, tabulação, nova linha)	`\s+` corresponde a espaços entre palavras
`\S`	Não espaço em branco	`\S+` corresponde a `hello`
`\t`	Caractere de tabulação
`\n`	Nova linha

Padrão	Significado	Exemplo
`*`	0 ou mais (guloso)	`ab*c` corresponde a `ac`, `abc`, `abbc`
`+`	1 ou mais (guloso)	`ab+c` corresponde a `abc`, `abbc` mas não `ac`
`?`	0 ou 1 (opcional)	`colou?r` corresponde a `color` e `colour`
`{3}`	Exatamente 3	`\d{3}` corresponde a `123` mas não `12`
`{2,5}`	Entre 2 e 5	`\w{2,5}` corresponde de `ab` a `abcde`
`{3,}`	3 ou mais	`\d{3,}` corresponde a `123`, `1234`, `12345`
`*?`	0 ou mais (preguiçoso)	`".*?"` corresponde a string entre aspas mais curta
`+?`	1 ou mais (preguiçoso)	`<.+?>` corresponde a uma única tag HTML

Padrão	Corresponde a	Exemplo
`^`	Início da string (ou linha com flag `m`)	`^Ola` corresponde a `Ola mundo`
`$`	Final da string (ou linha com flag `m`)	`mundo$` corresponde a `Ola mundo`
`\b`	Limite de palavra	`\bgato\b` corresponde a `gato` mas não `gatos` ou `concatenate`
`\B`	Limite que não e de palavra	`\Bgato\B` corresponde a `concatenate` mas não `gato`

Padrão	Significado	Exemplo
`(abc)`	Grupo de captura	`(ha)+` corresponde a `haha`, captura `ha`
`(?:abc)`	Grupo não capturador	`(?:ha)+` corresponde a `haha`, sem captura
`(?<nome>abc)`	Grupo de captura nomeado	`(?<ano>\d{4})` captura ano pelo nome
`a\|b`	Alternação (ou)	`gato\|cão` corresponde a `gato` ou `cão`
`\1`	Retroreferencia ao grupo 1	`(\w+)\s\1` corresponde a `the the`

Padrão	Corresponde a	Exemplo
`[abc]`	Qualquer um de a, b ou c	`[aeiou]` corresponde a qualquer vogal
`[^abc]`	Não a, b ou c	`[^0-9]` corresponde a qualquer não digito
`[a-z]`	Intervalo: de a a z	`[a-zA-Z]` corresponde a qualquer letra
`[a-zA-Z0-9]`	Alfanumérico	Igual a `\w` menos sublinhado

Folha de Referência de Expressões Regulares

Caracteres

Quantificadores

Ancoras

Grupos e Alternação

Classes de Caracteres

Lookaheads e Lookbehinds

Flags

Padrões Comuns

Email (simplificado)

URL

Endereço IPv4

Data (AAAA-MM-DD)

Cor hexadecimal

Número de telefone (EUA, flexível)

Guloso vs Preguiçoso

Notas Específicas do JavaScript

Padrão	Tipo	Significado	Exemplo
`(?=foo)`	Lookahead positivo	Seguido por `foo`	`\d+(?= USD)` corresponde a `100` em `100 USD`
`(?!foo)`	Lookahead negativo	NÃO seguido por `foo`	`\d+(?! USD)` corresponde a `200` em `200 EUR`
`(?<=foo)`	Lookbehind positivo	Precedido por `foo`	`(?<=\$)\d+` corresponde a `50` em `$50`
`(?<!foo)`	Lookbehind negativo	NÃO precedido por `foo`	`(?<!\$)\d+` corresponde a `50` em `EUR 50`

Flag	Nome	Efeito
`g`	Global	Encontra todas as correspondências, não apenas a primeira
`i`	Insensível a maiúsculas/minúsculas	`a` corresponde a `A` e `a`
`m`	Multilinha	`^` e `$` correspondem ainício/fim de linha, não apenas da string
`s`	Dotall	`.` corresponde também a caracteres de nova linha
`u`	Unicode	Habilita correspondência Unicode completa e tratamento adequado de pares substitutos

Padrão	Correspondência	Por que
`<.+>`	`<b>negrito</b> e <i>italico</i>`	Guloso: corresponde do primeiro `<` ao último `>`
`<.+?>`	`<b>`, `</b>`, `<i>`, `</i>`	Preguiçoso: corresponde de cada `<` ao `>` mais próximo