De acordo com as Leis 12.965/2014 e 13.709/2018, que regulam o uso da Internet e o tratamento de dados pessoais no Brasil, ao me inscrever na newsletter do portal DICAS-L, autorizo o envio de notificações por e-mail ou outros meios e declaro estar ciente e concordar com seus Termos de Uso e Política de Privacidade.

Para que servem as expressões regulares - alguns exemplos

Colaboração: Julio Cezar Neves

Data de Publicação: 25 de julho de 2018

Um recadinho rápido antes da dica de hoje. Chegamos hoje ao último dia do workshop sobre Programação Shell Linux. Nesta última aula, chamada Como Aprender Shell Linux, nós mostramos um caminho para que também você se torne um especialista nesta linguagem de programação tão poderosa e cada vez mais requisitada no mercado.

»»» Clique aqui para assistir

Partindo de um determinado padrão de dado, as Expressões Regulares podem ser utilizadas para:

1. Pesquisar um arquivo por todas as ocorrências que casam com esse padrão. Para fazer isso o ideal é usar os comandos grep, awk ou sed.

A Expressão Regular para definir telefones celulares no formato (NN)NNNNN-NNNN com ou sem parênteses é:

'^(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{5}-?[0-9]{4}$'

Para testar, coloque o número do seu celular entre as aspas que estão no final do grep a seguir:

if  grep -Eq '^(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{5}-?[0-9]{4}$' <<< ""
then echo Casou
else echo Solterou
fi

A Expressão Regular para definir telefones fixo no formato (NN)NNNN-NNNN com ou sem parênteses é quase igual a anterior:

'^(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{4}-?[0-9]{4}$'

Teste a Expressão Regular com um telefone fixo aqui:

if  grep -Eq '^(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{4}-?[0-9]{4}$' <<< ""
then echo Casou
else echo Solterou
fi

Então para casar com fixo e celular, basta usar a Expressão Regular do fixo, porém aceitando 4 ou 5 algarismos, ficando:

'^(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{4,5}-?[0-9]{4}$'

E para testá-la use:

if grep -Eq '^\(\(?[0-9]{2}\)?|[0-9]{2})[0-9]{4,5}-?[0-9]{4}$' <<< ""
then echo Casou
else echo Solterou
fi

2. Alterar num arquivo por todas as ocorrências que casam com um padrão. Para fazer isso o ideal é usar o comando sed ou awk.

Num arquivo que contem datas no padrão inglês (MM/DD/AAAA), vamos invertê-las para o nosso padrão (DD/MM/AAAA).

Para isso vamos usar o sed com seu comando s (substitute), que troca todos os textos que casam com a Expressão Regular que está na primeira parte do comando, pelo texto definido na segunda parte. Veja o comando:

sed -r 's|([0-9]{2})/([0-9]{2})/([0-9]{4})|\2/\1/\3|' arquivo

É muito bacana notarmos que o mês, o dia e o ano receberam um par de parênteses envolvendo cada um. Esses parênteses não têm o menor efeito na Expressão Regular, mas eles guardam o texto casado por cada um deles, que podem ser recuperados pelos retrovisores, que são numerados pela ordem da sua ocorrência na Expressão Regular, como fizemos, porém trocando o segundo pelo primeiro,

3. Testar se um dado é válido. Para fazer isso, o ideal é usar o novo comando test ou o grep.

No exemplo anterior, não interessava saber se as datas eram corretas ou não, pois já estavam armazenadas em um arquivo e por isso partimos do pressuposto que estavam certas. Agora temos um outro problema estamos recebendo datas de um meio externo e antes de gravá-las temos de verificar sua correção:

if [[ $Data =~ ^(0[1-9]|[12][0-9]|3[01])/(0[1-9]|1[012])/[0-9]{4}$ ]]
then echo Data OK
else echo Data NOK
fi

Agora coloque uma data válida e uma invalida na variável Data e teste. Após testar uma data válida, execute:

echo ${BASH_REMATCH[@]}

Isso é um vetor do sistema que contém a saída do último comando test (que é o [[...]]). Ele tem no seu índice zero (${BASH_REMATCH[0]}) tudo que casou e nos índices seguintes o que seriam os retrovisores, isto é, em ${BASH_REMATCH[1]} tem o dia e em ${BASH_REMATCH[2]} tem o mês. Quando listamos ${BASH_REMATCH[@]} mostramos todos os índices do vetor.

Além disso que vimos, é muito fácil manipular tudo que conhecemos a regra (o que venho chamando de padrão), como endereço de e-mail, site, CEP, endereço IP, endereço mac, variáveis do sistema (começam por cifrão e só podem ter letras maiúsculas e/ou alguns caracteres especiais após).

Costumo dizer - e tenham certeza que isso é uma verdade - que você só descobre a imensa quantidade de usos e de economia de código propiciada pelas Expressões Regulares depois que as conhece e sabe usá-las

Para finalizar, um cartoon sobre expressões regulares, de autoria de Randall Munroe, criador da série Xkcd: