Bit2Bit - Expressões regulares - Parte 1

Bit 2 Bit Study Grouphttp://blog.bit2bit.com.br – [email protected] - @bit2bitgroup

Entendendo e aplicando expressões regulares em C# - Parte 1

Lorival Smolski Chapuishttp://blog.lorival.com - [email protected] - @lorivalsc

Conteúdo teórico embasado no livro: Expressões regulares – Uma abordagem divertidaAurélio Marinho Jargas – www.aurelio.net

http://blog.bit2bit.com.br/


AgendaIntroduçãoDefiniçãoOrigemAplicaçõesMetacaracteres

– Representantes– Quantificadores– Âncoras

ExercíciosLet´s codeDebate e esclarecimentosReferências



IntroduçãoQuantos de nós já necessitaram fazer manipulação ou pesquisas em textos?Quantos perderam horas com ifs e fors tentando procurar palavras baseadas emum determinado padrão?

As expressões regulares, quando bem aplicadas e refinadas, permitem manipulartextos de forma rápida e precisa.

Infelizmente não existe um vasto material sobre este assunto em português. Amaioria não é muito didática na hora de explicar os conceitos e aplicar na prática.

Isto faz com que poucos desenvolvedores dominem este poderoso assunto quebem aplicado economiza horas de desenvolvimento.



IntroduçãoUm dos melhores materiais, didáticos, em português (se não o melhor) sobreeste assunto é o livro em que a maior parte teórica, sobre expressões regulares,desta apresentação está embasada: Expressões regulares – Uma abordagemdivertida de Aurélio Marinho Jargas.

A maioria do material sobre expressões regulares em português encontrado nainternet é baseado no livro dele.

Esta apresentação irá introduzi-lo neste assunto, fazendo expressões como *[A-Za-z0-9_]+:(.*)..$ se tornarem compreensivas e não lhe causar pânico.

Em toda apresentação, o que estiver entre aspas duplas foi copiado na integra do livro

“CURIOSIDADE: apesar de esse assunto ser antigo, o que vamos ver aquibasicamente é o mesmo que um estudante veria há 15 anos atrás. É um conceitoconsistente, que não sofre alterações com o passar do tempo.”



Definição“Uma expressão regular é um método formal de se especificar um padrão de

texto.”

De forma simplificada, uma regular expression, termo original, é uma composição de símbolos e caracteres literais com funções definidas que quando agrupadas em sequência formam uma expressão.

Essa, por sua vez, é interpretada, por um programa, como uma regra que resultará em sucesso caso uma entrada de dados atenda suas condições.

Também podemos afirmar que é:

• “uma maneira de procurar um texto que você não lembra exatamente como é, mas tem ideia das variações possíveis;

• uma maneira de procurar um trecho em posições específicas como no começo ou no fim de uma linha, ou palavra;

• uma maneira de um programador especificar padrões complexos que podem ser procurados e casados em uma cadeia de caracteres”;



OrigemSurgiu em 1943 com um estudo que teorizava o funcionamento dos nossosneurônios

Em 1968 foi para o computador em um algoritmo de busca para um editorchamado qed

O qed virou ed (Editor Unix) que devido a seu comando de executar expressõesregulares originou o famoso grep que por sua vez originou o egrep



Aplicações“Basicamente servem para você dizer algo abrangente de forma específica.Definido seu padrão de busca, você tem uma lista (finita ou não) depossibilidades de casamento. Em um exemplo rápido, [rgp]ato pode casar rato,gato e pato. Ou seja, sua lista "abrange especificamente" essas três palavras,nada mais.”

Sempre que precisar efetuar buscas ou validações em textos, as expressõesregulares funcionam muito bem. Alguns exemplos de buscas por padrões, emtextos, são:• data• horário• número IP• endereço de e-mail• endereço de Internet• dados na coluna N de um texto• dados que estão entre <tags></tags>• campos específicos de um texto tabulado• número de telefone, RG, CPF, cartão de crédito



MetacaracteresSão símbolos com funções específicas utilizados para montar as expressõesregulares.

Existem vários tipos de metacaracteres, os básicos serão estudados nestaapresentação:

– Representes: representam um ou mais caracteres– Quantificadores: indicam o número de repetições permitidas para o

caractere anterior– Âncoras: marcam uma posição específica na linha



Representante Ponto: o necessitado .

“O ponto é nosso curinga solitário, que está sempre à procura de umcasamento, não importa com quem seja. Pode ser um número, uma letra,um TAB, um @, o que vier ele traça, pois o ponto casa qualquer coisa.”

Lembre-se: o ponto aceita qualquer caractere.



RepresentanteLista: a exigente [...]

“Bem mais exigente que o ponto, a lista não casa com qualquer um. Ela sabeexatamente o que quer, e nada diferente daquilo, a lista casa com quem elaconhece.”

No exemplo anterior, com a palavra não, a expressão n.o, poderia aceitarvárias palavras como n o, n1o, noo, njo...

Para deixá-la mais específica poderíamos usá-la assim: n[ãa]o







O ponto não aceita qualquer coisa?Dentro da lista, todos os caracteres são normais







O ponto não aceita qualquer coisa?Dentro da lista, todos os caracteres são normais, exceto o traço.




O traço, dentro da lista, é usado para definir intervalos: [0123456789] é igual a [0-9]

Estes intervalos podem ser usados para letras também: a-z, A-Z, 5-9, a-f, :-@, ...

“Os intervalos respeitama ordem numérica da tabela ASCII”

O traço colocamos no final da lista sozinho;

O colchete de abertura ( [ ) pode colocar em qualquer lugar;

O colchete de fechamento ( ] ) deve ser colocado no começo da lista;

Exemplo: [ ][ - ]

Como colocar o traço e os colchetes dentro da lista se eles são metacaracteres?




O traço, dentro da lista, é usado para definir intervalos: [0123456789] é igual a [0-9]

Estes intervalos podem ser usados para letras também: a-z, A-Z, 5-9, a-f, :-@, ...

“Os intervalos respeitama ordem numérica da tabela ASCII”

O traço colocamos no final da lista sozinho;

O colchete de abertura ( [ ) pode colocar em qualquer lugar;

O colchete de fechamento ( ] ) deve ser colocado no começo da lista;

Exemplo: [ ][ - ]

Como colocar o traço e os colchetes dentro da lista se eles são metacaracteres?

Peraí! Na tabela ASCII a-z não entram as palavras acentuadas, e agora?

Dá para resolver isto com alguns curingas, mas...

...Vamos conhecer as classes de caracteres POSIX




Os colchetes fazem parte da classe POSIX.

Uma classe dentro de uma lista ficaria assim:[[:upper:]]

IMPORTANTE: As classes POSIX levam em consideração a localidade.



Representante Lista negada : a experiente [^...]

“Nem tão exigente quanto a lista nem tão necessitada quanto o ponto, temos alista negada, que pelas suas más experiências passadas, sabe o que não servepara ela casar.”

A lista negada é igual a lista comum, a única diferença é que ela aceitará todos oscaracteres que NÃO tiverem dentro da lista. Ex: l[^aeioAEIO]a – lua, l1a, lpa...

IMPORTANTE: A lista negada não casa com espaço vazio. No exemplo acima elaNÃO aceitaria l a (l, espaço, a). É necessário ter um caractere diferente.

Deve ser colocado no final. Ex: [^:a-z123^]

Como colocar o ^ dentro da lista se eles são metacaracteres?



QuantificadorOpcional: o opcional ?

“O opcional é um quantificador que não esquenta a cabeça, para ele pode ter ou não a ocorrência da entidade anterior, pois ele a repete 0 ou 1 vez.”

Já estamos aceitando algo abrangente deforma específica. Lembra do slide “Aplicações”?



QuantificadorAsterisco: o tanto-faz *

“Se o opcional já não esquenta a cabeça, podendo ter ou não a entidade anterior, o asterisco é mais tranqüilo ainda, pois para ele pode ter, não ter, ou ter vários, infinitos. Em outras palavras, a entidade anterior pode aparecer em qualquer quantidade.”

Um curinga na mangaVimos o metacaractere . (ponto) que aceita qualquer caractere. Agora vimos o metacaractere * (asterisco) que aceita em qualquer quantidade. Olhe e pense na seguinte expressão:

.*



QuantificadorMais: o tem-que-ter +

“A única diferença [do mais e do asterisco] é que o mais não éopcional, então a entidade anterior deve casar pelo menos uma vez, epode ter várias.”

Simples, não?!



QuantificadorChaves: o controle {m,m}“Aqui Chaves não é o au?tor mexicano preferido de 10 entre 10brasileiros. As chaves são a solução para uma quantificação maiscontrolada, onde se pode especificar exatamente quantas repetiçõesse quer da entidade anterior.”

EX: a{1,2} – a, aa

b{0,2}a – a, ba, bba



ÂncoraCircunflexo: o início ^

“O nosso amigo circunflexo (êta nome comprido e chato) marca o começo deuma linha. Nada mais.”

Dentro da lista (e no início) o ^ tem o objetivo de negar seu conteúdo. Fora dalista ele serve para marcar que a palavra deve ser encontrada exatamente noinício da linha. EX: ^[a-zA-Z].

Este metacaractere só é especial se tiver no começo da expressão regular. Se euquiser procurar uma palavra que começe com ^ poderia fazer assim:

^^

Está gostando? Faltam apenas mais dois âncoras para finalizar a parte teóricadesta apresentação.



ÂncoraCifrão: o fim $

“Similar e complementar ao circunflexo, o cifrão marca o fim de uma linha e só é válido no final de uma ER.”

Que tal procurar por uma linha vazia? ^$

E uma linha que tenha entre 40 e 100 caracteres? ^.{20,60}$

As expressões estão ficando mais claro, não? Vamos finalizar o último metacaractere agora.



ÂncoraBorda: a limítrofe \b

“A outra âncora que temos é a borda, que como o próprio nome já diz, marcauma borda, mais especificamente, uma borda de palavra.”

Basicamente ela marca onde começa e onde termina uma palavra. Simplesassim! Veja:

“Palavra” aqui engloba [A-Za-z0-9_], ou seja, letras, números e sublinhados. Poristo no exemplo acima \bdia\b aceitou bom-dia!, devido a exclamação e o traçonão fazerem parte de uma palavra. Em alguns aplicativos o _ também não faz. =)



Exemplos interativos

http://www.piazinho.com.br/#exemplos



ExercíciosIremos fazer a seguir 4 exercícios simples de fixação. A resposta estará nopróximo slide. Tente resolve-los antes de prosseguir.

Escreva uma expressão regular que:

1. Reconheça a palavra carro minúscula, no plural, singular e em qualquer partede um texto.

2. Reconheça a palavra casa em qualquer combinação de maiúscula, minúscula eem qualquer parte de um texto.

3. Reconheça um número de IP, que aceite 999.999.999.999Dica: O metacaracter “\” torna outro metacaractere literal.OBS: Sabemos que não existe um IP assim, foi usado aqui apenas para iniciar deforma simples o entendimento da aplicação de expressões regulares e osoperadores aprendidos nesta parte.



Respostas

1. Reconheça a palavra carro no plural e no singular.

“carros?”

2. Reconheça a palavra casa em qualquer combinação de maiúscula e minúscula.

“[cC][aA][sS][aA]”

3. Reconheça um número de IP.

“[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]”



Let´s code

Codificação simplificada em C#

using System.Text.RegularExpressions; (Biblioteca)

string content = “Conteúdo a ser lido"; Regex re = new Regex(“expressao_regular"); if (re.IsMatch(content))

// Encontrouelse

// Não encontrou

No site existe um exemplo para download codificando o trecho de código acima.



Debate e esclarecimentos



Definições para próximas partes

Parte 1 – Entendendo e aplicando expressões regulares em C#

Parte 2 – Estudando a biblioteca REGEX em C# e demais operadores básicos

Parte 3 – Conhecendo os operadores avançados e suas particularidades

Parte 4 – Mandamentos das expressões regulares, dicas e práticas em C#

Parte 5 – Coding Dojo criando uma aplicação com todos os recursos estudados

(Esta aplicação é para uma empresa de publicidade e propaganda)



Referências

Livro: Expressões regulares – Uma abordagem divertida

http://aurelio.net/

http://pt.wikipedia.org/wiki/Express%C3%A3o_regular

http://msdn.microsoft.com/en-us/library/ms228595(v=vs.80).aspx



Entendendo e aplicando expressões regulares em C# - Parte 1

Lorival Smolski Chapuishttp://blog.lorival.com - [email protected] - @lorivalsc

Obrigado!


Technology

Bit2Bit - Expressões regulares - Parte 1