Informática Numaboa - Tutoriais e Programação
Linguagem Perl - Expressões Regulares
|
Sex 21 Nov 2008 12:55 |
- Detalhes
- Categoria: Perl e CGI
- Atualização: Sexta, 21 Novembro 2008 13:56
- Autor: vovó Vicki
- Acessos: 25264
Expressões Regulares são padrões de procura definidos para caracteres e cadeias de caracteres (strings). Com a ajuda destes padrões pode-se pesquisar e processar o conteúdo de variáveis. Para tarefas de CGI, as expressões regulares são de importância vital. Os componentes de um fluxo de dados de um formulário HTML que seja enviado a um programa CGI, por exemplo, podem ser identificados através do uso das expressões regulares. Da mesma forma, com a ajuda de expressões regulares, é possível fazer a leitura ordenada de arquivos (por exemplo, de um livro de visitas) de acordo com uma regra e transmitir os dados como código HTML a um navegador requisitante. E, finalmente, as expressões regulares constituem um meio poderoso de procura de expressões complexas em grandes volumes de dados.
Para os principiantes as expressões regulares parecem estranhas e são o motivo de alguns scripts Perl terem sequências de caracteres crípticos de aparência ameaçadora. Quem por acaso souber lidar com o comando UNIX/Linux grep, não terá dificuldades de se acostumar com as expressões regulares da Perl.
Utilizando expressões regulares
Para poder usar as expressões regulares é necessário conhecer todas as possibilidades que elas oferecem. Exemplo 1:
Exemplo 2:
Exemplo 3:
Normalmente é possível identificar uma expressão regular em Perl através das duas barras / ... /. A expressão regular fica localizada entre as duas barras.
Antes de utilizar uma expressão regular, é necessário ter um objetivo de busca ou procura. A busca pode ser, por exemplo, um valor que esteja armazenado numa escalar (como no exemplo 1) ou os valores constantes nos elementos de uma matriz (como no exemplo 2), ou valores que ocorram em linhas de texto de um arquivo (como no exemplo 3).
No exemplo 1 pesquisa-se a existência da sequência de caracteres "PERL" na variável de contexto PATH. Observe que uma sequência de caracteres contida numa expressão regular não fica entre aspas. No exemplo, o conteúdo de $ENV{'PATH'} é armazenado na escalar $Dados. Efetua-se a procura da seqüência de caracteres "PERL" com if($Dados =~ /PERL/). O importante, neste caso, é o operador de busca =~. Portanto, com expressões if do tipo if($NomeDaEscalar =~ /expressão regular/) é possível efetuar buscas no conteúdo das escalares desejadas.
No exemplo 2 define-se uma matriz com nomes de cidades. Dentro do laço for, todos os elementos desta lista (ou seja, os nomes das cidades) são submetidos à procura das letras M, K ou S. A busca é formulada com if(/[MKS]/). Neste caso, ao contrário do exemplo 1, não foi utilizado um operador de busca porque, devido ao laço for, a busca é sempre efetuada no elemento atual da matriz. Também é possível efetuar a procura utilizando-se a variável predefinida $_ através de if($_ =~ /[MKS]/). Entretanto, como está claro qual valor está sob busca, a forma reduzida if(/[MKS]/) também é suficiente.
No exemplo 3, um arquivo de log é lido linha a linha. Procura-se neste arquivo a ocorrência de "index.htm". Se um linha contiver a referida sequência de caracteres, o contador é incrementado. Se não, o contador permanece inalterado. No final, o valor do número de index.htm encontrados é apresentado. A expressão regular deste exemplo aparece numa expressão condicional simplificada. A expressão regular é simplesmente testada se é verdadeira ou falsa. Se for verdadeira ("index.htm" existe na linha atual), a diretiva da esquerda dos dois pontos : é executada; se for falsa, a diretiva da direita é executada. (Veja também o tutorial Linguagem Perl - Arquivos para complementar o tema arquivos).
Observação: Uma das grandes aplicações das expressões regulares é em buscas e substituições em strings. Também podem ser parâmetros de algumas funções Perl.
Expressões Regulares para Caracteres Isolados
Com expressões regulares é possível
- procurar um determinado caractere
- procurar por vários caracteres
- procurar por um caractere num determinado contexto
| ( 1) | /a/ | # encontra 'a' |
| ( 2) | /[ab]/ | # encontra 'a' ou 'b' |
| ( 3) | /[A-Z]/ | # encontra todas as letras maiúsculas |
| ( 4) | /[0-9]/ | # encontra números |
| ( 5) | /\d/ | # encontra números - como em (4) |
| ( 6) | /\D/ | # encontra tudo exceto números |
| ( 7) | /[0-9]\-/ | # encontra números ou o sinal de menos |
| ( 8) | /[\[\]]/ | # encontra tudo que estiver contido em colchetes [ ] |
| ( 9) | /[a-zA-Z0-9_]/ | # encontra letras, números ou sinal de sublinhado |
| (10) | /[\w]/ | # encontra letras, números ou sinal de sublinhado - como em (9) |
| (11) | /[\W]/ | # encontra tudo, exceto letras, números e sinal de sublinhado |
| (12) | /[\r]/ | # encontra o sinal de retorno de carro (típico do DOS) |
| (13) | /[\n]/ | # encontra o sinal para quebra de linha |
| (14) | /[\t]/ | # encontra o sinal de tabulação (tab) |
| (15) | /[\f]/ | # encontra o sinal para quebra de página |
| (16) | /[\s]/ | # encontra o sinal de espaço assim como os sinais referidos de (12) a (15) |
| (17) | /[\S]/ | # encontra tudo, exceto sinal de espaço e os de (12) a (15) |
| (18) | /[^äöüÄÖÜ]/ | # encontra todos os caracteres com trema |
| (19) | /[^a-zA-Z]/ | # encontra tudo que não contiver letras |
| (20) | /[ab]/s | # encontra 'a' ou 'b' também em várias linhas |
Quando se pesquisa a existência de caracteres isolados em expressões regulares, é necessário utilizar as barras invertidas (contrabarras) e os colchetes. Só quando a procura for por um caractere único, como no exemplo (1), os colchetes podem ser desprezados. Se diversos caracteres forem anotados sem estarem entre colchetes, eles serão interpretados como uma string.
Quando a procura for por um grupo de determinados caracteres, estes são simplesmente anotados entre colchetes - como no exemplo (2).
Quando se pesquisa um determinado contexto, por exemplo a primeira metade do alfabeto ou números, marca-se o contexto desejado com um caractere inicial seguido de um sinal de menos e do caracter final, como mostram os exemplos (3) e (4).
Quando se deseja procurar um dos seguintes sinais, + - ? . * ^ $ ( ) [ ] { } | \, há a necessidade de precedê-los com uma barra invertida - como mostrado nos exemplos (7) e (8).
Existem também padrões de pesquisa especiais constituídos por uma barra invertida e uma letra chave. Os exempos (5), (6) e de (10) a (17) mostram estes padrões.
Uma procura negativa também pode ser efetuada. Para isto, utiliza-se o acento circunflexo ^ antes do caractere ou contexto desejados. Uma pesquisa deste tipo tem como resultado apenas as partes que não contenham os caracteres indicados. Os exemplos (18) e (19) mostram sua utilização.
Para procuras em mais de uma linha, a expressão regular precisa terminar com um s. Veja o exemplo (20).
Expressões Regulares para Cadeias de Caracteres
As expressões regulares, também conhecidas como regex, podem ser aplicadas a strings para
- procurar por uma cadeia de caracteres específica
- procurar por uma cadeia de caracteres com operadores de agrupamento (curingas - wildcards)
- procurar por grupo de caracteres no início ou no final de uma palavra
- procurar por grupo de caracteres no início ou no final de uma linha
| ( 1) | /asa/ | # encontra 'asa' - também 'casa' ou 'casamento' |
| ( 2) | /asa?/ | # encontra 'asa', 'casa', 'casamento' e também 'as' e 'asilo' |
| ( 3) | /a./ | # encontra 'as' e 'ar' |
| ( 4) | /a+/ | # encontra 'a' e 'aa' e 'aaaaa' - quantos houverem |
| ( 5) | /a*/ | # encontra 'a' e 'aa' e 'aaaaa' e 'b' - nenhum ou quantos 'a' houverem |
| ( 6) | /ca.a/ | # encontra 'casa' e 'caça', mas não 'cansa' |
| ( 7) | /ca.+a/ | # encontra 'casa', 'caça' e 'cansa' |
| ( 8) | /ca.?a/ | # encontra 'casa', 'caça' e 'caso' |
| ( 9) | /x{10,20}/ | # encontra sequências de 10 a 20 'x' |
| (10) | /x{10,}/ | # encontra sequências de 10 ou mais 'x' |
| (11) | /x.{2}y/ | # só encontra 'xxxy' |
| (12) | /Clara\b/ | # encontra 'Clara' mas não 'Clarinha' |
| (13) | /\bassa/ | # encontra 'assa' ou 'assado' mas não 'massa' |
| (14) | /\bassa\b/ | # encontra 'assa' mas não 'assado' e nem 'massa' |
| (15) | /\bassa\B/ | # encontra 'assado' mas não 'assa' e nem 'massa' |
| (16) | /^Julia/ | # encontra 'Julia' apenas no início do contexto da pesquisa |
| (17) | /Helena$/ | # encontra 'Helena' apenas no final do contexto da pesquisa |
| (18) | /^\s*$/ | # encontra linhas constituídas apenas por sinais vazios ou similares |
| (19) | /$Nome/ | # encontra o conteúdo da escalar $Nome |
| (20) | /asa/s | # encontra 'asa', também em várias linhas |
Para pesquisar a presença de determinada sseqüência de caracteres numa expressão regular, basta incluí-la entre as duas barras da expressão, como no exemplo (1).
Nas expressões regulares existem os assim chamados operadores de agrupamento. Concatenados ou colocados em expressões mais complexas, estes operadores permitem pesquisas com marcadores de posição:
O ponto . é utilizado para indicar a posição exata de determinado caractere - veja o exemplo (3). Se você vem do mundo DOS/Windows - o ponto, numa expressão regular, corresponde ao ponto de interrogação usado, por exemplo, numa pesquisa de nomes de arquivo.
O ponto de interrogação ?, integrando uma expressão regular, procura pelo caractere precedente ou não. Veja o exemplo (2).
O sinal de adição + significa: uma ou mais ocorrências do caractere indicado antes do sinal. Veja o exemplo (4).
O asterisco * significa: nenhuma, uma ou mais ocorrências do caractere indicado antes do sinal. Veja o exemplo (5).
Quando se coloca um ponto . antes do sinal + ou *, gera-se um marcador de posição. Corresponde ao curinga * do mundo DOS/Windows. Veja os exemplos de (6) a (8).
Utiliza-se chaves contendo um ou dois números {n} para indicar a repetição do referido caractere. Veja os exemplos de (9) a (11). Também é possível colocar um ponto . antes das chaves. Neste caso, a expressão significa: tantos do caractere indicado quanto consta entre chaves. Veja o exemplo (11).
Pode-se pesquisar cadeias de caracteres que só serão encontradas se estiverem no início ou no final de uma palavra. O contrário também é possível, encontrar cadeias de caracteres só se não estiverem no início ou no final de uma palavra.
Precedidas por \b, apenas serão encontradas as cadeias de caracteres que estiverem no início de uma palavra.
Seguidas por \b, apenas serão encontradas as cadeias de caracteres que estiverem no final de uma palavra.
Precedidas por \B, serão encontradas apenas as palavras que não forem iniciadas pela cadeia de caracteres.
Seguidas por \B, serão encontradas apenas as palavras que não forem terminadas pela cadeia de caracteres.
Os exemplos correspondentes são os de (12) a (15).
Pode-se procurar sequências de caracteres que só serão localizadas se estiverem no início ou no final de um contexto de procura. Isto é particularmente interessante quando associado com linhas de arquivos de texto.
Com o acento cinrcunflexo ^ no início da expressão de procura, a sequência de caracteres só é encontrada se estiver no início de uma linha.
Com um cifrão $ no final da expressão de procura, a sequência de caracteres só é encontrada se estiver no final da linha.
Os exemplos de (16) a (18) demonstram essas posssibilidades.
As expressões de procura também podem conter variáveis. Desta forma é possível inserir dados dinâmicos nos padrões de procura. Numa CGI, por exemplo, pode-se incluir no padrão de procura uma entrada feita por um usuário num campo de formulário. Veja o exemplo (19).
Para pesquisar em mais de uma linha, anota-se um s após a barra de fechamento da expressão regular. Verifique o exemplo (20).
Expressões Regulares com Alternativas
Pode-se aplicar mais de uma expressão regular. Neste caso serão pesquisados pontos nos quais pelo menos uma das alternativas seja encontrada. Exemplos:
| /a|b/ | # encontra 'a' ou 'b' - idêntico a /[ab]/ |
| /com|sem/ | # encontra 'com' e 'descompensar', como também 'sem' e 'semântica' |
As alternativas são marcadas através do caracter |. O primeiro exemplo acima mostra uma alternativa formulada com dois caracteres individuais. Na prática, este tipo de alternativa é raro; o habitual é utilizar a notação /[ab]/, que tem o mesmo significado.
No segundo exemplo procura-se por uma sequência de caracteres com duas alternativas. O resultado da busca traz todas as coincidências com qualquer uma das duas alternativas. É claro que também se pode usar mais de duas alternativas.
Nas expressões regulares com alternativas é permitido o uso de todas as possibilidades das expressões regulares.
Precedência e uso de Parênteses nas Expressões Regulares
Os caracteres especiais contidos em expressões regulares são avaliados pelo interpretador Perl numa sequência (precedência) determinada.
- Precedência: ( ) (parênteses)
- Precedência: + * ? {#,#} (operadores de agrupamento)
- Precedência: abc ^$ \b \B (caracteres/cadeia de caracteres, início ou término de linha, início ou término de palavras)
- Precedência: | (alternativas)
Desta forma cada expressão regular tem uma interpretação única. Se quisermos que a expressão regular seja interpretada de forma diferente da precedência pré-determinada, utilizamos parênteses para forçar a sequência de interpretação desejada. Exemplos:
| /a|bc|d/ | # encontra 'a' ou 'bc' ou 'd' |
| /(a|b)(c|d)/ | # encontra 'ac' ou 'ad' ou 'bc' ou 'bd' |
De acordo com a regra de precedência, os caracteres (ou cadeias de caracteres) têm prioridade sobre o caractere delimitador de alternativas. Com a ajuda de parênteses pode-se forçar uma precedência diferente (analise os exemplos acima).
Expressões Parciais com Parênteses
Com a ajuda de parênteses é possível armazenar porções de expressões regulares complexas e referenciá-las posteriormente no interior da mesma expressão. Exemplo:
Neste exemplo testa-se em $Frase uma ocorrência múltipla de 'juiz'.
Para isto, coloca-se entre parênteses o que se está procurando. Além disto, está-se procurando apenas a palavra 'juiz' (e não 'juizado', etc), por isto a formulação é /bjuiz/b. Esta expressão parcial é colocada entre parênteses para que o interpretador Perl tome conhecimento da mesma. Completa-se a diretiva com .* para que, após a palavra 'juiz', possa constar qualquer coisa. Finalmente, a sintaxe \1 refencia a expressão entre parênteses definida anteriormente. Isto quer dizer: quando o interpretador Perl encontrar a palavra 'juiz', ele verifica se a palavra já foi encontrada.
Se forem colocadas duas ou mais expressões deste tipo numa expressão regular, pode-se referenciar cada uma delas através de \1, \2, \3, etc. Como resultado, passam a existir então as respectivas variáveis em Perl, ou seja, $1, $2, $3, etc.
A diretiva print $1; no exemplo acima mostra o conteúdo da variável $1, o qual é 'juiz' e nada mais, pois esta palavra ocorre mais de uma vez na frase analisada.