evertonbrzozowyalves / regex

RegEx

Normalmente, a combinação .+ pega qualquer caracter e em qualquer quantidade.
Para evitar esse comportamento, fazendo com que pare ao encontrar o próximo caracter informado, adicione um ? (.+?).

Char classes

Podemos definir classes de caracteres com [].
Dentro dos classes de caracteres, os símbolos especiais não tem valor, ou seja, . é . mesmo.

[A-Z] = Letras de A a Z
[123] = 1, 2 ou 3
[-.] = pode haver um traço ou um ponto

O símbolo \s serve para informar espaços. Equivalente a:

[ \r\t\n\f]

O símbolo \w serve para pegar qualquer caracter, letra ou número. \W Para tudo que não for wordchar.

[A-Za-z0-9_]

O símbolo \d serve para informar todos os dígitos. \D Para tudo que não for dígito.

[0-9]

Quantifiers

? = zero ou uma vez
* = zero ou mais vezes
+ = uma ou mais vezes
{n} = exatamente n vezes
{n,} = no mínimo n vezes
{n,m} = no mínimo n+1 vezes, no máximo m vezes
^ = negação dentro dos colchetes

Anchors

Uma âncora não casa caracteres como as classes fazem, e nem definem quantidades. Âncoras marcam uma posição específica no alvo, por isso não é possível combiná-las com um quantifier.

^ = Buscar somente no início
$ = no final do termo, indica que tem que terminar com o padrão informado anteriormente.
\b = retorna as posições onde esse texto é localizado, 
desconsiderando wordchars antes e depois desse texto (\w ou [A-Za-z0-9_]).
\B = Faz o contrário. Seleciona um trecho que tenha prefixo ou sufixo como wordchar. 

Groups

Criamos grupos para trabalhar com conjunto de informações. Grupos são definidos com ().
Podemos deixar os caracteres dentro do grupo como opcionais, podemos extrair a informação apenas do grupo.
Para remover um grupo dos resultados de busca por RegEx, dentro do grupo, no início, adicione: ?:.

() = define um grupo
(\w+) = grupo de chars
(\w+)? = grupo de chars opcional
(\w+) = grupo de chars que não será capturado

Backreference

Consiste em uma técnica de referencia um grupo já utilizado, para selecionar um parte do texto posterior com base nesse grupo.
Devemos referenciar o grupo pelo número.

<(h1|h2).+?>([\w\sõãíç.]+)</\1>

Exemplos

Pegar uma data por extenso: 11 de Abril de 1995:

[0123]?\d\s+de\s+[A-Z][a-zç]{1,8}\s+de\s+[12]\d{3}

Pegar o usuário de um email que termina com gmail ou outlook:

([a-z.]{4,14}[a-z\d])@(?:gmail.com.br|outlook.com.br)

Uma validação de email:

^([\w-]\.?)+@([\w-]+\.)+([A-Za-z]{2,4})+$