Sintaxe da Expressão Regular 2 (re2.h)
As expressões regulares são uma notação para descrever os conjuntos de cadeias de caracteres. Quando uma cadeia está no conjunto descrito por uma expressão regular, dizemos que a expressão regular corresponde à cadeia.
A expressão regular mais simples é um único caractere literal. Exceto pelos metacaracteres, como *+?()|, os caracteres correspondem a si próprios. Para corresponder a um metacaracter, escape-o com uma barra invertida. Por exemplo, \+ corresponde ao caráter de adição literal.
Duas expressões regulares podem ser alteradas ou concatenadas para formar uma nova expressão regular: se e1 corresponder a ee2 corresponde a t, e1 | e2 corresponde a s ou t e e1e2 corresponde a st.
Os metacaractadores *, +e ? são operadores de repetição: e1* corresponde a uma sequência de zero ou mais cadeias (possivelmente diferentes), cada uma das quais corresponde a e1; e1+ corresponde a um ou mais; e1? corresponde a zero ou um.
A precedência do operador, do enlace mais fraco ao mais forte, é a seguinte:
- alternação
- concatenação
- operadores de repetição
Os parênteses explícitos podem ser utilizados para forçar diferentes significados, como em expressões aritméticas. Alguns exemplos: ab|cd é equivalente a (ab)|(cd) ; ab\ é equivalente a a(b\).
A sintaxe descrita até o momento é a maior parte da sintaxe de expressão regular egrep do Unix. Este subconjunto é suficiente para descrever todos os idiomas normais. Um idioma normal é um conjunto de cadeias que podem ser correspondidas numa única passagem através do texto utilizando apenas uma quantidade fixa de memória. As mais recentes instalações de expressão regular (nomeadamente o Perl e os idiomas que o copiaram) adicionaram muitos novos operadores e sequências de escape. Estas alterações tornam as expressões regulares mais concisas e, por vezes, mais enigmáticas, mas não mais poderosas.
Esta página lista a sintaxe de expressão regular aceita por RE2.
Também lista alguma sintaxe aceite por PCRE, PERL e VIM.
Tabelas de sintaxe
| Tipos de expressões de caractere único | Exemplos |
|---|---|
| qualquer caractere, possivelmente incluindo nova linha (s=true) | . |
| classe de caractere | [xyz] |
| classe de caractere negada | [^xyz] |
| classe de caractere Perl (link) | \d |
| classe de caractere Perl negada | \D |
| classe de caractere ASCII (link) | [[:alpha:]] |
| classe de caractere ASCII negada | [[:^alpha:]] |
| Classe de caractere unicode (nome de uma letra) | \pN |
| classe de caractere Unicode | \p{Greek} |
| classe de caractere Unicode negada (nome de uma letra) | \PN |
| classe de caractere Unicode negada | \P{Greek} |
| Compostos | |
|---|---|
| xy | x seguido por y |
| x|y | x ou y (prefira x) |
| Repetições | |
|---|---|
| x* | zero ou mais x, prefira mais |
| x+ | um ou mais x, prefira mais |
| x? | zero ou um x, prefira um |
| x{n,m} | n ou n + 1 ou ... ou m x, prefira mais |
| x{n,} | n ou mais x, prefira mais |
| x{n} | exatamente n x |
| x*? | zero ou mais x, prefira menos |
| x+? | um ou mais x, prefira menos |
| x?? | zero ou um x, prefira zero |
| x{n,m}? | n ou n + 1 ou ... ou m x, prefira menos |
| x{n,}? | n ou mais x, prefira menos |
| x{n}? | exatamente n x |
| x{} | (≡ x*) (NÃO SUPORTADO) VIM |
| x{-} | (≡ x*?) (NÃO SUPORTADO) VIM |
| x{-n} | (≡ x{n}?) (SEM SUPORTE) VIM |
| x= | (≡ x?) (SEM SUPORTE) VIM |
Restrição de implementação: os formulários x{n,m}de contagem , x{n,}e x{n} rejeitam formulários que criam uma contagem de repetições mínima ou máxima acima de 1000. As repetições ilimitadas não estão sujeitas a essa restrição.
| Repetições possessivas | |
|---|---|
| x*+ | zero ou mais x, possessivas (SEM SUPORTE) |
| x++ | um ou mais x, possessivas (SEM SUPORTE) |
| x?+ | zero ou mais x, possessivas (SEM SUPORTE) |
| x{n,m}+ | n ou ... ou m x, possessivas (SEM SUPORTE) |
| x{n,}+ | n ou mais x, possessivas (SEM SUPORTE) |
| x{n}+ | exatamente n x, possessivas (SEM SUPORTE) |
| Agrupamento | |
|---|---|
| (re) | grupo de captura numerada (subcorrespondência) |
| (?P<name>re) | com o nome & grupo de captura numerado (submatch) |
| (?<name>re) | com o nome & grupo de captura numerado (sub-correspondência) (NÃO SUPORTADO) |
| (?' name're) | com o nome & grupo de captura numerado (sub-correspondência) (NÃO SUPORTADO) |
| (?:re) | grupo de não captura |
| (?flags) | definir sinalizadores no grupo atual; não captura |
| (?flags:re) | Defina sinalizadores durante a re; não captura |
| (?#text) | comentário (sem suporte) |
| (?|x|y|z) | redefinição de numeração de ramificação (SEM SUPORTE) |
| (?>re) | possessivos correspondentes à re (SEM SUPORTE) |
| re@> | possessivos correspondentes à re (SEM SUPORTE) |
| %(re) | grupo de não captura (SEM SUPORTE) VIM |
| Sinalizadores | |
|---|---|
| i | não diferencia maiúsculas de minúsculas (padrão falso) |
| m | modo de várias linhas: ^ e $ correspondem ao início/término da linha, além do inicio/término do texto (falso padrão) |
| s | let . Corresponde a \n (padrão falso) |
| U | não gananciosa: trocar o significado de x* e x*?, x+ e x+?, etc(predefinição falso) |
A sintaxe do sinalizador é xyz (definida) ou -xyz (desmarcada) ou xy-z (definida , desmarque xyz).
| Cadeias de caracteres vazia | |
|---|---|
| ^ | no início do texto ou linha (m=true) |
| $ | no final do texto (como \z não \Z) ou linha (m=true) |
| \A | no início do texto |
| \b | em um limite de palavra ASCII (\w em um lado e \W, \A ou \z no outro) |
| \B | não presente em um limite de palavra ASCII |
| \g | ao início do subtexto sendo pesquisado (SEM SUPORTE) PCRE |
| \G | ao final da última correspondência (SEM SUPORTE) PERL |
| \Z | ao final do texto ou antes de nova linha ao final do texto (SEM SUPORTE) |
| \z | ao final do texto |
| (?=re) | antes do texto correspondente à re (SEM SUPORTE) |
| (?!re) | antes do texto não correspondente à re (SEM SUPORTE) |
| (?<=re) | depois do texto correspondente à re (SEM SUPORTE) |
| (?<!re) | depois do texto não correspondente à re (SEM SUPORTE) |
| re& | antes do texto correspondente à re (SEM SUPORTE) VIM |
| re@= | antes do texto correspondente à re (SEM SUPORTE) VIM |
| re@! | antes do texto não correspondente à re (SEM SUPORTE) VIM |
| <re@= | depois do texto correspondente à re (SEM SUPORTE) VIM |
| re@<! | depois do texto não correspondente à re (SEM SUPORTE) VIM |
| \zs | define o início da correspondência (= \K) (SEM SUPORTE) VIM |
| \ze | define o final da correspondência (SEM SUPORTE) VIM |
| \%^ | início do arquivo (SEM SUPORTE) VIM |
| \%$ | final do arquivo (SEM SUPORTE) VIM |
| \%V | na tela (SEM SUPORTE) VIM |
| \%# | posição do cursor (SEM SUPORTE) VIM |
| \%'m | marcar posição do m (SEM SUPORTE) VIM |
| \%23l | na linha 23 (SEM SUPORTE) VIM |
| \%23c | na coluna 23 (SEM SUPORTE) VIM |
| \%23v | na coluna virtual 23 (SEM SUPORTE) VIM |
| Sequencias de escape | |
|---|---|
| \a | sino (≡ \007) |
| \f | feed de formulário (≡ \014) |
| \t | guia horizontal (≡ \011) |
| \n | nova linha (≡ \012) |
| \r | retorno de carro (≡ \015) |
| \v | Caractere de tabulação vertical (≡ \013) |
| * | literal *, para qualquer caráter de pontuação * |
| \123 | código de caractere octal (até três dígitos) |
| \x7F | código de caractere hex (exatamente dois dígitos) |
| \x{10FFFF} | contagem de caracteres hex |
| \C | combinar um byte único mesmo no modo UTF-8 |
| \Q...\E | texto literal... mesmo se... possui pontuação |
| \1 | referência anterior (SEM SUPORTE) |
| \b | backspace (SEM SUPORTE) (usar \010) |
| \cK | caratere de controle ^K (SEM SUPORTE) (usar \001 etc) |
| \e | escape (SEM SUPORTE) (usar \033) |
| \g1 | referência anterior (SEM SUPORTE) |
| \g{1} | referência anterior (SEM SUPORTE) |
| \g{+1} | referência anterior (SEM SUPORTE) |
| \g{-1} | referência anterior (SEM SUPORTE) |
| \g{name} | referência nomeada (SEM SUPORTE) |
| \g<name> | chamada de sub-rotina (SEM SUPORTE) |
| \g'name' | chamada de sub-rotina (SEM SUPORTE) |
| \k<nome> | referência nomeada (SEM SUPORTE) |
| \k'name' | referência nomeada (SEM SUPORTE) |
| \lX | X em minúsculo (SEM SUPORTE) |
| \ux | X em maiúsculo (SEM SUPORTE) |
| \L...\E | texto em minúscula ... (SEM SUPORTE) |
| \K | reiniciar o início de $0 (SEM SUPORTE) |
| \N{name} | caracteres Unicode nomeado (SEM SUPORTE) |
| \R | quebra de linha (SEM SUPORTE) |
| \U...\E | texto em maiúscula ... (SEM SUPORTE) |
| \X | sequência Unicode estendida (SEM SUPORTE) |
| %d123 | caractere decimal 123 (SEM SUPORTE) VIM |
| %xFF | caractere hexadecimal FF (SEM SUPORTE) VIM |
| %o123 | caractere octal 123 (SEM SUPORTE) VIM |
| %u1234 | caractere Unicode 0x1234 (SEM SUPORTE) VIM |
| %U12345678 | caractere Unicode 0x12345678 (SEM SUPORTE) VIM |
| Elementos de classe de caractere | |
|---|---|
| x | caractere único |
| A-Z | intervalo de caracteres (inclusivo) |
| \d | classe de caractere Perl |
| [:foo:] | classe de caractere ASCII foo |
| \p{Foo} | classe de caractere Unicode Foo |
| \pF | Classe de caractere Unicode F (nome de uma letra) |
| Classes de caractere nomeada como elementos de classe de caractere | |
|---|---|
| [\d] | dígitos (≡ \d) |
| [^\d] | não são dígitos (≡ \D) |
| [\D] | não são dígitos (≡ \D) |
| [^\D] | não são não dígitos (≡ \d) |
| [[:name:]] | classe ASCII nomeada dentro da classe de caractere (≡ [:name:]) |
| [^[:name:]] | classe ASCII nomeada dentro da classe de caractere negada (≡ [:^name:]) |
| [\p{Name}] | propriedade Unicode nomeada dentro da classe de caractere (≡ \p{Name}) |
| [^\p{Name}] | propriedade Unicode nomeada dentro da classe de caractere negada (≡ \P{Name}) |
| nomes de classe de caractere Unicode -- categoria geral | |
|---|---|
| C | outros |
| Cc | control |
| Cf | format |
| Cn | pontos de código não atribuídos (SEM SUPORTE) |
| Co | uso privado |
| Cs | substituto |
| L | letra |
| LC | letra em maiúscula (SEM SUPORTE) |
| L& | letra em maiúscula (SEM SUPORTE) |
| Ll | letras em minúscula |
| Lm | letra modificadora |
| Lo | outra letra |
| Lt | primeira letra do título em maiúscula |
| Lu | letra em maiúscula |
| M | marcado |
| Mc | marca de espaçamento |
| Me | marca de circunscrição |
| Mn | marca sem espaçamento |
| N | number |
| Nd | número decimal |
| Nl | número da letra |
| Não | outro número |
| P | pontuação |
| Pc | pontuação do conector |
| Pd | traço |
| Pe | pontuação de fechamento |
| Pf | pontuação final |
| Pi | pontuação inicial |
| Po | outra pontuação |
| Ps | pontuação aberta |
| S | symbol |
| Sc | símbolo de moeda |
| Sk | símbolo modificador |
| Sm | símbolo matemático |
| So | outro símbolo |
| Z | separador |
| Zl | separador de linha |
| Zp | separador de parágrafo |
| Zs | separador de espaço |
| nomes de classe de caractere Unicode -- scripts |
|---|
| Adlam |
| Ahom |
| Anatolian_Hieroglyphs |
| Árabe |
| armênio |
| Avestan |
| Balinês |
| Bamum |
| Bassa_Vah |
| Batak |
| Bengali |
| Bhaiksuki |
| Bopomofo |
| Brahmi |
| Braille |
| Buginese |
| Buhid |
| Canadian_Aboriginal |
| Carian |
| Caucasian_Albanian |
| Cakm |
| Cham |
| Cheroqui |
| Chorasmian |
| Comum |
| Coptas |
| Cuneiforme |
| Cipriota |
| Cirílica |
| Deseret |
| Devanágari |
| Dives_Akuru |
| Dogra |
| Duployan |
| Egyptian_Hieroglyphs |
| Elbasan |
| Elimaico |
| Etíope |
| georgiano |
| Glagolítico |
| Gótica |
| Grantha |
| Grego |
| Guzerate |
| Gunjala_Gondi |
| Gurmukhi |
| Hangul |
| Hangul |
| Hanifi_Rohingya |
| Hanunoo |
| Hatran |
| Hebraico |
| Hiragana |
| Imperial_Aramaic |
| Herdado |
| Inscriptional_Pahlavi |
| Inscriptional_Parthian |
| Javanês |
| Kthi |
| kannada |
| Katakana |
| Kayah_Li |
| Kharoshthi |
| Khitan_Small_Script |
| Khmer |
| Khojki |
| Khudawadi |
| Lao |
| Latino |
| Lepcha |
| Limbu |
| Linear_A |
| Linear_B |
| Lisu |
| Lício |
| Lídio |
| Mahajani |
| Makasar |
| malaiala |
| Mandaico |
| Maniqueano |
| Marchen |
| Masaram_Gondi |
| Medefaidrin |
| Meetei_Mayek |
| Mende_Kikakui |
| Meroitic_Cursive |
| Meroitic_Hieroglyphs |
| Miao |
| Modi |
| Mongol |
| Mro |
| Multani |
| Myanmar |
| Nabateu |
| Nandinagari |
| New_Tai_Lue |
| Newa |
| Nko |
| Nushu |
| Nyiakeng_Puachue_Hmong |
| Ogham |
| Ol_Chiki |
| Old_Hungarian |
| Old_Italic |
| Old_North_Arabian |
| Old_Permic |
| Old_Persian |
| Old_Sogdian |
| Old_South_Arabian |
| Old_Turkic |
| Oriya |
| Osage |
| Osmanli |
| Pahawh_Hmong |
| Palmirena |
| Pau_Cin_Hau |
| Phags_Pa |
| Fenício |
| Psalter_Pahlavi |
| Rejang |
| Rúnica |
| Samaritano |
| Saurashtra |
| Sharada |
| Shaviano |
| Siddham |
| SignWriting |
| cingalês |
| Sogdiano |
| Sora_Sompeng |
| Soyombo |
| Sundanês |
| Syloti_Nagri |
| Siríaco |
| Filipino |
| Tagbanwa |
| Tai_Le |
| Tai_Tham |
| Tai_Viet |
| Takri |
| Tâmil |
| Tangut |
| Télugo |
| Thaana |
| Tailandês |
| Tibetano |
| Tifinagh |
| Tirhuta |
| Ugarítico |
| Vai |
| Wancho |
| Warang_Citi |
| Yezidi |
| Yi |
| Zanabazar_Square |
| classes de caractere VIM | |
|---|---|
| \i | caractere identificador (SEM SUPORTE) VIM |
| \I | \i, exceto dígitos (SEM SUPORTE) VIM |
| \k | caractere de palavra-chave (SEM SUPORTE) VIM |
| \K | \k, exceto dígitos (SEM SUPORTE) VIM |
| \f | caractere de nome de arquivo (SEM SUPORTE) VIM |
| \F | \f, exceto dígitos (SEM SUPORTE) VIM |
| \p | caractere imprimível (SEM SUPORTE) VIM |
| \P | \p, exceto dígitos (SEM SUPORTE) VIM |
| \s | caractere de espaço em branco (≡ [\t]) (SEM SUPORTE) VIM |
| \S | caractere de espaço não em branco (≡ [^ \t]) (SEM SUPORTE) VIM |
| \d | dígitos (≡ [0-9]) VIM |
| \D | Não é \d VIM |
| \x | dígitos hexadecimais (≡ [0-9A-Fa-f]) (SEM SUPORTE) VIM |
| \X | não é \x (SEM SUPORTE) VIM |
| \o | dígitos octais (≡ [0-7]) (SEM SUPORTE) VIM |
| \O | não é \o (SEM SUPORTE) VIM |
| \w | caractere de palavra VIM |
| \W | Não é \w VIM |
| \h | cabeçalho do caractere de palavra (SEM SUPORTE) VIM |
| \H | não é \h (SEM SUPORTE) VIM |
| \a | Alfabético (SEM SUPORTE) VIM |
| \A | não é \a (SEM SUPORTE) VIM |
| \l | em minúsculas (SEM SUPORTE) VIM |
| \L | não minúsculas (SEM SUPORTE) VIM |
| \u | em maiúsculas (SEM SUPORTE) VIM |
| \U | não maiúsculas (SEM SUPORTE) VIM |
| _x | \x mais nova linha, para qualquer x (SEM SUPORTE) VIM |
| \c | ignorar maiúsculas e minúsculas (SEM SUPORTE) VIM |
| \C | diferenciar maiúsculas e minúsculas (SEM SUPORTE) VIM |
| \m | magic (SEM SUPORTE) VIM |
| \M | nomagic (SEM SUPORTE) VIM |
| \v | verymagic (SEM SUPORTE) VIM |
| \V | verynomagic (SEM SUPORTE) VIM |
| \Z | ignorar diferenças na combinação de caracteres Unicode (SEM SUPORTE) VIM |
| Magic | |
|---|---|
| (?{code}) | código Perl arbitrário (SEM SUPORTE) PERL |
| (??{code}) | código Perl arbitrário adiado (SEM SUPORTE) PERL |
| (?n) | chamada recursiva para o grupo de captura regexp n (SEM SUPORTE) |
| (?+n) | chamada recursiva para o grupo de captura regexp n (SEM SUPORTE) |
| (?-n) | chamada recursiva para o grupo de captura regexp -n (SEM SUPORTE) |
| (?C) | PCRE callout (SEM SUPORTE) PCRE |
| (?R) | chamada recursiva para regexp inteiro (≡ (?0)) (SEM SUPORTE) |
| (?&nome) | chamada recursiva para o grupo nomeado (SEM SUPORTE) |
| (?P=name) | referência nomeada (SEM SUPORTE) |
| (?P>name) | chamada recursiva para o grupo nomeado (SEM SUPORTE) |
| (? (cond)true|false) | ramificação condicional (SEM SUPORTE) |
| (?(cond)true) | ramificação condicional (SEM SUPORTE) |
| (*ACEITAR) | tornar regexps mais semelhantes ao prólogo (SEM SUPORTE) |
| (*CONSOLIDAR) | (SEM SUPORTE) |
| (*F) | (SEM SUPORTE) |
| (*FALHAR) | (SEM SUPORTE) |
| (*MARCAR) | (SEM SUPORTE) |
| (*PRUNE) | (SEM SUPORTE) |
| (*IGNORAR) | (SEM SUPORTE) |
| (*ENTÃO) | (SEM SUPORTE) |
| (*ANY) | definir convenção de nova linha (SEM SUPORTE) |
| (*ANYCRLF) | (SEM SUPORTE) |
| (*CR) | (SEM SUPORTE) |
| (*CRLF) | (SEM SUPORTE) |
| (*LF) | (SEM SUPORTE) |
| (*BSR_ANYCRLF) | definir convenção \R (SEM SUPORTE) |
| (*BSR_UNICODE) | (SEM SUPORTE) PCRE |
Licença de conteúdo
Observação
Partes desta página são modificações baseadas no trabalho criado e compartilhado pela Chromium.org e usadas de acordo com os termos descritos na Licença Pública Creative Commons Atribuição 4.0 Internacional. A página original pode ser encontrada aqui.
Esse trabalho é licenciado sob uma Licença Attribution 4.0 International da Creative Commons.