Filhos(as) de Zion, tudo na paz? Continuando nossa saga nas Expressões Regulares, hoje iremos abordar uma funcionalidade que começa a dar vida e trazer uma real utilidade para as nossas expressões: Grupos de caracteres.
Então, liga teu white noise e teu pomodoro e vamo que vamo!
Grupos de Caracteres: o que são?
Grupos de caracteres em expressões regulares são formas de agrupar expressões. Com eles, podemos selecionar o que queremos ou não receber nos resultados.
Até agora, estamos definindo expressões sem grupo e quando temos um match, é no resultado inteiro da expressão. Mas… e se quisermos pegar só um pedaço daquela expressão? Só uma parte em específico e o resto podemos até descartar?
É justamente pra isso que serve o grupo. Observe o target abaixo:
<h1>Meu Titulo</h1>Vamos imaginar que queremos pegar o valor do título entre as tags. Assim, podemos pensar da seguinte forma:
- Preciso definir que eu quero que venha um h1: <h1>;
- Como eu não sei o que virá no titulo, quero que apareça qualquer letra ou número (word character) \w e também espaços em branco \s, 1 ou mais vezes: [\w\s]+
- Por fim, fechamos a tag h1: <\/h1>
Resultado:
<h1>[\w\s]+<\/h1>
Mas, não era bem o que a gente queria né? Queremos só o conteúdo do titulo e não as tags que ele está inserido.
Utilizando os grupos
Para definir um grupo de caracteres, basta escrever uma expressão entre parênteses (()). Dessa maneira, começaremos a receber como resultado os valores do grupo, não só o full match como estamos acostumados.
Continuando no exemplo do título, vamos separar cada bloco de código por grupos:
- <h1> = (<h1>)
- [\w\s]+ = ([\w\s]+)
- <\/h1> = (<\/h1>)
Resultando em:
(<h1>)([\w\s]+)(<\/h1>)
Viu só? Agora além de recebermos o valor full match da expressão, recebemos também valores de cada grupo que definimos. E é aqui que a coisa começa a ficar interessante pra valer!
Mas Raul, a gente não queria somente o valor do título? Por que tá vindo as tags ainda?
Calma Jovem! A gente vai descobrir isso agora.
Non-capturing group
Como vimos no nosso exemplo, agora estamos pegando os valores dos grupos. Mas como solicitar à Regex Engine para que NÃO traga o valor de algum grupo? Para faze-lo, basta no início do grupo digitar (?:).
Assim, corrigindo a nossa expressão, temos:
(?:<h1>)([\w\s]+)(?:<\/h1>)E como resultado temos:
Como escapamos o valor dos grupos das tags, agora só temos o full match e o resultado do conteúdo da nossa tag h1.
Diferentes cenários
Atingimos o nosso objetivo, mas, vamos um pouco mais afundo nisso.
Imagine que além de validar a tag h1, queremos considerar todos os tipos de titulo (de 1 a 6).
Bem, já sabemos fazer isso né? Basta utilizar uma classe de caractere, passando que queremos de 1 até 6:
<h[1-6]>Alterando nossa expressão, temos:
(?:<h[1-6]>)([\w\s]+)(?:<\/h[1-6]>)Resultando em:
Conseguimos deixar um pouco mais dinâmico… Mas… como já diria o poeta:
“Algo errado, não está certo!” — desconhecido
Talvez você tenha percebido que temos uma possível falha em nossa expressão. Da maneira que está definida, dizemos que:
Queremos pegar os valores entre as tags h (de 1 a 6) de abertura e fechamento!
Porém, observe o caso abaixo:
<h1>Meu titulo inválido</h4>Todos nós sabemos que a tags de fechamento deve ser a mesma de abertura. Caso não seja, é um elemento inválido! Entretanto, olha o resultado da nossa expressão:
Calma, calma, calma. Tem solução!
Backreferences
Backreference é uma forma de fazer referência à um grupo que já foi informado anteriormente, ou seja, é uma forma de dizer à engine que queremos fazer referência (ter o mesmo valor aqui) do grupo “n”.
Grupo n? Que história é essa?
Número do grupo
Cada grupo que definimos ganha um número, que no caso seria sua posição na expressão. Esse número, varia conforme a ordem de declaração, ou seja, o primeiro grupo ganha o número 1, o segundo ganha o número 2 e assim sucessivamente.
Vale deixar claro que o que determina a ordem e os números de cada grupo é a ordem de precedência, ou seja, se tivermos grupos dentro de grupos, a regex irá definir todas os grupos daquele aninhamento e depois continuará para os outros que estão fora:
Fazendo uma analogia, lembra das aulas de matemática, onde temos várias expressões aninhadas e precisamos resolver de fora pra dentro? É a mesma coisa:
1+((3*4)+2) = 1+(12+2) = 1+14 = 15Atenção
Vale comentar um comportamento que pode fazer a gente quebrar muito a cabeça e acreditar que estamos fazendo algo errado.
Quando definimos que o grupo será “non-capturing” (?:), além dele não aparecer nos resultados, ele também não ganha uma numeração. Ou seja, você não conseguirá fazer referências à ele. =/
Fazendo referência à um grupo
Sabendo como é definido os números, para podemos definir que queremos o mesmo valor do grupo “n”, basta saber o seu número e passarmos com a barra invertida (\).
Voltando pra resolver o último exemplo, queremos que quando a tag de abertura for h1, a tag de fechamento também seja h1. Com o conceito de backrefence em mente, definiremos que o h[1-6]:
(?:<(h[1-6])>)Agora, faremos a referência a ele. Como na ordem de precedência ele é o grupo número 1 (devido ao fato de termos negado o pai), declaramos nosso que o backreference é igual a \1 :
([\w\s]+)(?:<\/\1>)Juntando as duas partes:
(?:<(h[1-6])>)([\w\s]+)(?:<\/\1>)Resultando em:
Perceba que agora blindamos a nossa regex contra um comportamento estranho. Infelizmente recebemos um grupo não desejado, mas é o preço da referência por números.
De qualquer forma, nosso objetivo foi alcançado!
Conclusão
Ainda há mais algumas formas de fazer referência, como por exemplo por nome. Entretanto, essa funcionalidade não é comum em todas as engines.
Grupos nos permitem dar uma complexidade e flexibilidade às nossas expressões. Assim, tenha em mente: Sempre que precisar pegar algum resultado específico, utilize grupos!
Espero que tenha aprendido sobre o tema e até a próxima! =D