Outras Expressões Regulares comentadas

Por: Flávio Theruo KaminisseTuesday 17 October 2006 às 11:34 AM

No artigo Workshop “Expressões Regulares” expliquei alguns exemplos que foram apresentados na Apresentação de Expressões Regulares, mas alguns exemplos só apareceram na apresentação e não os expliquei.

Recebi alguns pedidos para explicar um pouquinho cada exemplo, então mãos à massa.

^(0[1-9]|[12][0-9]|3[01])/(0[1-9]|1[012])/[1-3][0-9]{3}$: Um exemplo simples de uma Expressão Regular para validar uma data, no artigo Validações e Expressões Regulares, expliquei cada passo da expressão, vale conferir.

^[a-zA-Z0-9_\.-]{2,}@([A-Za-z0-9_-]{2,}\.)+[A-Za-z]{2,4}$: Este exemplo apresenta uma validação para endereços eletrônicos, ou seja, e-mail. Ela é relativamente simples, mas vou explicar algumas partes dela, temos nesta parte ^[a-zA-Z0-9_\.-]{2,}@ uma seqüência de dois ou mais caracteres, sendo eles letras a-z ou então, A-Z, números e caracteres especias, como _ (underline), . (ponto) e – (hífem), seguidos pelo @, ou seja, nesta parte validamos o nome de usuário, na segunda parte, ([A-Za-z0-9_-]{2,}\.)+[A-Za-z]{2,4}$, temos a validação do host, que é bem parecida com a validação do username.

^([0-1][0-9]|[2][0-3]):[0-5][0-9]$: Se na validação de data precisamos usar além de Expressão Regular mais alguma programação, nesta validação de hora, basta simplesmente a Expressão Regular, na primeira parte ^([0-1][0-9]|[2][0-3]):, temos a validação da hora, ou seja, o primeiro digito da hora deve ser 0 ou 1 e o segundo digito deve estar entre 0 e 9, sendo assim temos as horas entre 00 e 19, ou então, o primeiro digito sendo 2 e o segundo variando de 0 a 3, nos gerando uma hora de 20 a 23, tudo isso seguido de :, na segunda parte temos [0-5][0-9]$, que representa os minutos, seguindo a mesma idéia anterior, temos os minutos variando entre 00 e 59, sendo assim, esta pequena, mas nem por isso simples Expressão Regular, sozinha faz a validação de um horário.

^\d{0,}$: Expressão Regular simples e muito útil, esta pequena expressão é utilizada para verificar campos que aceitam somente números, ou seja, digitos de tamanho 0 até infinito.

^\(\d{2}\) \d{4}-\d{4}$: Outra expressão bem simples que é utilizada para construir máscaras para telefone, pois temos um ( (abre parêntese) seguido de dois números e depois um ) (fecha parêntese), logo depois 4 digitos seguido de um – (hífem) seguido de 4 digitos, ou seja um telefone no formato “(33) 3333-3333″.

^(\d{3})\.(\d{3})\.(\d{3})-(\d{2})$ ou ^((\d{3})\.){2}(\d{3})-(\d{2})$: Estes dois exemplos ilustram como podemos fazer uma validação para CPF, lembrando que esta expressão apenas valida o formato do CPF, o algoritmo de validação completa para o CPF, pode ser tema de um futuro artigo. Explicando um pouco a segunda expressão, pois a primeira é bem simples, mas não necessariamente fácil, então, quem tiver dúvida, pode escrever. A primeira parte da segunda expressão é ^((\d{3})\.){2}, explicando em partes temos, ((\d{3})\.), que significa três digitos seguidos de um ponto, só que ainda temos um {2}, que significa que o elemento anterior irá se repetir duas vezes, simplificando temos que a expressão ^((\d{3})\.){2}, é o mesmo que ^(\d{3})\.(\d{3})\., ou seja, três digitos um ponto três digitos e um ponto, o restante da expressão é simples, pois temos (\d{3})-(\d{2})$, que é o mesmo que dizer que temos três números seguidos de um hífem seguido de dois números, nos dando como resposta a máscara: 999.999.999-99, que é a mascara de um CPF.

Na apresentação dos exemplos eu perguntei se eu poderia subistituir as expressões acima por outras utilizando retrovisores, será que eu posso utilizar estas expressões ^(\d{3})\.\1\.\1-(\d{2})$ ou ^((\d{3})\.)\1\2-(\d{2})$? Antes de responder a pergunta, vou explicar novamente a segunda expressão ^((\d{3})\.)\1\2-(\d{2})$, que parece muito complexa, mas até que não é, explicando por partes temos ^((\d{3})\.), três digitos seguidos de um ponto, a segunda parte são os retrovisores \1\2, o primeiro retrovisor representa os três digitos seguido de um ponto, já o segundo retrovisor representa três digitos, a terceira parte -(\d{2})$ é um hífem seguido de dois digitos, então temos a mesma representação anterior 999.999.999-99, então poderíamos subistituir esta expressão ^((\d{3})\.){2}(\d{3})-(\d{2})$, por uma menor ^((\d{3})\.)\1\2-(\d{2})$? Mas a resposta é não, isso mesmo, não. Por um simples motivo, os retrovisores casam com o conteúdo e não com a Expressão Regular em si, então um se testássemos um CPF 222.222.222-33 a segunda expressão ^((\d{3})\.)\1\2-(\d{2})$ iria falar que o formato está correto, pois a primeira parte seria 222. o primeiro retrovisor 222. e o segundo retrovisor 222, e o restante da expressão casaria com o hífem e os dois digitos, mas se testássemos um CPF: 012.345.678-99 que tem o formato correto de um CPF a expressão ^((\d{3})\.)\1\2-(\d{2})$ retornaria erro, pois o primeiro retrovisor seria 012. e o segundo retrovisor 012, ou seja, 012. é diferente de 345., e também 012 é diferente de 678, mas lembrando que esta parte nem seria analisada pela expressão, pois a partir do momento que uma parte não casa com a expressão, esta já retorna erro. Então não podemos substituir a expressão ^((\d{3})\.){2}(\d{3})-(\d{2})$ por ^((\d{3})\.)\1\2-(\d{2})$, mesmo a segunda sendo mais compacta.

<[iI][mM][gG]([^s|S]*)([sS][rR][cC]=\"[^\"]*\")[^>]*>: Esta expressão bem estranha foi feita por mim para localizar todas as tags <img> dentro de um documento html, acho que ela é bem intuitiva, mas vou explicar passo a passo, a primeira parte <[iI][mM][gG] localiza < seguido de img, sendo que img pode ser escrito de qualquer maneira, a segunda parte ([^s|S]*) localiza todos os atributos da tag <img> que não começam com a letra s, ou seja, até o atributo src, a terceira parte, ([sS][rR][cC]=\"[^\"]*\"), pega todo o atributo src, já a quarta parte, [^>]*> pega o restante dos atributos da tag <img> até o seu fechamento. Acreditem esta Expressão Regular funciona, é claro que podem ser feitos alguns ajustes, então quem se habilitar .

([uU][rR][lL]\([^\)]*\)): Esta expressão serve para localizar imagens que são colocadas através em background. A explicação dela é bem simples, mas quem não tiver entendido alguma coisa, pode postar no comentário, ou então entrar em contato.

(http|https|ftp|mailto):)?(//)?(\w+([\.@]\w+)*?)(?:/|@)?
([^\"\?]*?)?(?:\?([^\?\"]*?))?([^;:\(\)#])$: Esta expressão é bem parecida com a da tag img, mas a intensão dela é localizar qualquer link dentro de um documento html, vou explicar esta expressão, mas vou tentar se o mais sintético possível, a primeira parte (http|https|ftp|mailto):)? busca qualquer link que comesse por http: ou https: ou ftp: ou mailto:, mas lembre-se que o aparecimento desta parte é opcional, a segunda parte, (//)? é o // que também é opcional, e o restante da expressão (\w+([\.@]\w+)*?)(?:/|@)?([^\"\?]*?)?(?:\?([^\?\"]*?))?([^;:\(\)#])$ é utilizada para localizar o restante do endereço, não expliquei esta parte pois ela pega algumas seqüências que um endereço deve ter, esta expressão tem seus erros, mas funciona em vários casos, novamente quem se habilitar deixar esta expressão totalmente correta, fiquem a vontade .

^\d{2}\.\d{3}-\d{3}$: Esta expressão é bem simples e acaba que não tendo nada novo, ela serve para validar o formato do CEP: 99.999-999. Todos os detalhes dela já foram abordados anteriormente.

^[-+]?\d{1,3}(\.\d{3})*,\d{2}$: Esta expressão serve para validar qualquer valor monetário, lembrando que o formato é o brasileiro, a primeira parte, ^[-+]?, o valor pode começar com + ou com -, ou então nenhum dos dois, na segunda parte, \d{1,3} temos de um a três digitos, na terceira parte, o mais interessante neste caso, (\.\d{3})* aqui temos um ponto seguido de três digitos que podem aparecer nenhuma ou então infinitas vezes, viram o legal? Nesta parte podemos ter milhares, milhões, bilhões, trilhões sem nenhum esforço, e caso seja uma centena, dezena ou unidade, ela simplesmente não aparece, na quarta parte, ,\d{2}$ temos a virgula seguida de dois digitos.

Espero que tenham gostado destas explicações, e caso ainda tenham alguma dúvida, postem comentários e vamos discutir, ou então entrem em contato.

Links comentados via del.icio.us – 2

Por: Flávio Theruo KaminisseMonday 16 October 2006 às 4:49 PM

Este é o segundo artigo de uma série que espero que seja duradoura, é verdade, este é o segundo capítulo dos links comentados do Japs, a primeira parte pode ser vista no artigo Links comentados via del.icio.us – 1.

Só para lembrar, quem quiser continuar recebendo os links que adiciono via del.icio.us em seu feed, basta assinar o Del.icio.us do Japs.

O primeiro link de hoje, na verdade não é um link somente, mas sim uma série que já está em seu terceiro artigo, falam sobre SEO, a listagem de todos os artigos podem ser acessadas por aqui: Introdução ao SEO, os artigos são do blog A Arte de Blogar, recomendo a leitura de todos os artigos, outra página muito interessante que serve como referência é esta: Otimização para Sistemas de Busca SEO.

O segundo link de hoje também não é um link, e sim dois links de duas vídeo aulas sobre o GIMP, vale a pena conferir. a primeira vídeo aula é: 1ª Vídeo Aula GIMP – Cortanto Imagens e fazendo "Gotchis",e a segunda: 2ª Vídeo Aula GIMP – Removendo verrugas, espinhas, cicatrizes, etc, recomendo que assistam às vídeo aulas.

O terceiro link, eu postei já faz um tempo no meu del.icio.us, mas vale como referência: Social Bookmarking Icons, mostra o ícone e o endereço para o site de vários agregadores de links, vários eu nem sabia que existia, vale conferir, mas eu não troco o meu del.icio.us, pelo menos por enquanto.

O quarto link: Mala direta por email, são dicas de como montar um script shell para enviar e-mail para uma lista armazenada em arquivo texto, só não vale querer fazer spam por aí.

O quinto link: Replicação de banco de dados MySQL em cadeia, trata da replicação de bases MySQL, aumentando assim a confiabilidade e a velocidade. Não cheguei a testar, mas quem se habilitar e quiser escrever os resultados por aqui, sejam bem vindos.

O sexto link: CRIE SUA ANIMAÇÕES ON-LINE COM GICKR, mostra uma aplicação online para montar gifs animados, vale a pena conferir.

O sétimo link: A Little Piece of the Google Algorithm – Revealed, mostra o que seria uma pequena parte do algoritmo adotado pelo Google, vale a pena dar uma olhadinha.

O oitavo link: Wallpapr, é uma aplicação feita pelo Marco Gomes, que baseado em uma tag você lista algumas imagens, bem simples, mas que pode se tornar uma aplicação bastante útil e complexa que pode ter várias utilizações.

O último link de hoje é super especial, e está provado e comprovado: Receita de Lasanha de carne moída, acho que não é nem preciso comentar nada.

Espero que tenham gostado, e lembrando novamente, quem quiser receber estes e muitos outros links que adiciono via del.icio.us em seu feed, basta assinar o Del.icio.us do Japs.

Pequenas alterações e compromisso assumido

Por: Flávio Theruo KaminisseMonday 16 October 2006 às 9:31 AM

No meu último artigo Links comentados via del.icio.us – 1, assumi publicamente que vou escrever com mais freqüência por aqui, dentre vários artigos que vou publicar, alguns serão sobre os links postados no meu del.icio.us.

Como irei escrever artigos sobre estes links retirei a funcionalidade de entrada automática dos links via del.icio.us nos meus feeds.

Então aqueles que gostavam de receber estes links, podem assinar diretamente os feeds do meu del.icio.us, basta adicionar o Del.icio.us do Japs em seu agregador de Feeds favorito, ou então, sempre visitar o site, pois os últimos links também são listados no tópico “Links via Del.icio.us” da lateral.

Estas mudanças foram fruto de alguns e-mails que recebi, e também do comentário do Rodrigo, no último artigo, já havia um tempo que estava querendo escrever mais também, e a conjugação de todos estes fatores levaram a estas mudanças.

Espero que todos gostem destas pequenas mudanças, e não deixe de assinar os feeds do Del.icio.us do Japs, e os feeds dos artigos do Japs.

PS: Sei que o discursso de compromisso assumido está parecendo de político, mas podem ter certeza que este compromisso será mantido, não serão apenas palavras ditas para ganhar a confiança da população.

Links comentados via del.icio.us – 1

Por: Flávio Theruo KaminisseFriday 13 October 2006 às 4:55 PM

Novamente fiquei um tempo sem escrever por aqui, como sempre, várias coisas a fazer, então vou parar de enrolar e vamos direto ao assunto.

Este é o primeiro, do que eu espero vários artigos relacionados aos links que são postados no meu del.icio.us, vou tentar comentar com certa freqüência alguns dos principais links postados por lá.

O primeiro link que quero comentar é o: JonDesign’s Smooth SlideShow – Showcase Mode, que é um exemplo para montarmos galerias de fotos, esta é especialmente interessante para pequenas amostras de imagens, pois alguns efeitos como as utilizadas pelo Lightbox JS não são utilizadas nesta galeria.

O segundo link que gostaria de comentar é este: Top 126 Ajax Tutorials, como o próprio nome diz, são 126 tutoriais de AJAX, serve como referência com certeza!

O terceiro link de hoje: Comandos eficientes, são algumas dicas interessantes para otimizar comando em sistemas Linux, muito eficiente para administradores, e para quem está começando agora, pois já vão iniciar aprendendo comandos mais otimizados.

O quarto link de hoje: Detecting IE7+ in JavaScript, é uma dica interessante aos desenvolvedore, pois é uma forma de detectar se o browser utilizado é o ie7 ou outra versão de ie, ou então outro browser.

O quinto link é simplesmente fantástico: WordPress Comments System built with Yahoo! UI permite que você poste um comentário em qualquer parte do artigo, simplesmente fantástico, esta dica veio do Bruno Alves: Comentários para o WordPress em qualquer lugar do artigo usando AJAX.

O sexto link, foi o Henrique que me mandou: 9 JavaScript Tips You May Not Know, dicas muito interessantes de JavaScript, vale a leitura.

O último link de hoje é: Seleção de futsal aplica maior goleada de sua história, 76 a 0, quando li fiquei imaginando se no futsal temos dois tempos de 20 minutos, totalizando assim 40 minutos de jogo, e como o Brasil marcou 76 gols, temos uma incrível média de 1,9 gols por minuto, o narrador do jogo deve ter saído no mínimo rouco ao final do jogo.

Por enquanto é só, espero que gostem da idéia, e aguardo sugestões e críticas.

[update 13/10/2006 17:00] Quem quiser assinar os feeds do meu del.icio.us, basta utilizar este link: Del.icio.us do Japs. [/update]

Workshop "Expressões Regulares"

Por: Flávio Theruo KaminisseMonday 18 September 2006 às 1:35 PM

Foi me dada a oportunidade de desenvolver um Workshop para os colaboradores da área de tecnologia da Webroom com o tema Expressões Regulares.

Neste artigo vou explicar alguns detalhes da apresentação, que pode ser conferida no link Apresentação de Expressões Regulares, para aqueles que desejam aprofundar mais no assunto, indico a leitura do livro Guia de Expressões Regulares.

A introdução fala por si só, então vou iniciar minhas considerações pelos metacaracteres, que são os caracteres especiais utilizados para se construir Expressões Regulares, eles podem ser divididos em representantes, quantificadores, âncoras, e outros.

Representantes, são utilizados para representar um ou mais caracteres.
. (ponto) => Substitui letras, números, caracteres especias, ou seja, qualquer caracter.
[] (lista) => Lista de caracteres permitidos, ou seja, serão considerados expressamente os caracteres que estão entre os colchetes.
[^] (lista negada) => Lista de caracters não permitidos, ou seja, serão considerados todos os caracteres, exceto os que estão entre os colchetes.

Quantificadores, são utilizados para quantificar o número de repetições permitidas para a entidade imediatamente anterior.
? (opcional) => A entidade anterior pode aparecer nenhuma ou uma vez.
* (asterisco) => A entidade anterior pode aparecer nenhuma, uma ou então mais de uma vez.
+ (mais) => A entidade anterior pode aparecer uma ou mais vezes.
{n,m} (chaves) => A entidade anterior aparece de n até m vezes

Âncoras, são utilizados para marcar uma posição específica na linha.
^ (circunflexo) => Marca o início da linha.
$ (cifrão) => Marca o final da linha.
\b (borda) => Marca o início ou fim de uma palavra, ou seja, as bordas da palavra.

Outros, são classificados como outros, pois não possuem funções específicas, logo não podem ser agrupadas.
\c (escape) => Torna literal o caractere c, ou seja, se utilizarmos \. estamos nos referindo ao sinal de pontuação, e não há um caracter qualquer.
| (ou) => Serve como escolha, ou seja, ou uma coisa ou outra.
() (grupo) => Serve para delimitarmos grupos, na apresentação dos exemplos o entendimento ficará mais fácil.
\1…\9 (retrovisor) => Referencia os textos casados dentro do grupo, da mesma forma, entenderemos melhor com os exemplos.

Agora vamos à melhor parte, que são os exemplos, pois tenho certeza que ficará muito mais fácil entendermos todos estes caracteres, e como unirmos estes para montar uma Expressão Regular.

O primeiro exemplo, mostra os passos que podem ser dados para montar uma Expressão Regular, ou seja, começamos bem genéricos e vamos limitando as possibilidades, como podemos ver, a primeira tentativa seria deixarmos n.o, que resolve nosso problema, pois encontra a palavra não escrita com ou sem acento, mas como ela é genérica ela traz palavras que não queríamos, como neo, anão e outras, sendo assim temos que melhorar nossa expressão, tentamos colocar n[ãa]o, mais específica ela continua funcionando para encontrar a palavra não com ou sem acento, mas ainda traz algumas palavras não desejadas, tentando ser mais específicos podemos tentar \bn[ãa]o\b, agora sim, esta expressão nos traz apenas a palavra não com e sem acento, mas podemos ainda construir uma Expressão Regular ainda mais específica que nos trará todas as variações da palavra não, ou seja, trazendo também quando escrevemos em caixa alta, tendo como resultado \b[Nn][ÃãAa][Oo]\b, que encontrará qualquer variação da palavra não. Vale lembrar que é melhor não ignorarmos o case sensitive, ou seja, caracteres em minúsculo e maiúsculo, e muito menos deixar para o sistema diferenciar estes caracteres.

O segundo exemplo é bem semelhante a este, pois partimos de uma expressão simples e genérica para uma mais completa, então não vou explicar passo a passo, mas se alguém tiver dúvida, basta perguntar .

O terceiro, o quarto e o quinto exemplos ilustram bem a utilização dos metacaracteres do tipo âncoras, o terceiro exemplo é utilizado para buscarmos caracteres específicos no início de uma linha, ou então no final, o quarto exemplo é uma boa dica para encontrarmos e até mesmo excluirmos linhas vazias de um arquivo e o quinto exemplo serve para auxiliar a um texto onde os parágrafos devem ter entre 20 e 60 caracteres.

O sexto e o sétimo exemplos ilustram bem a utlização do | (ou), e ainda no sétimo exemplo notamos a utilização do ? (opcional), que faz com que a entidade anterior apareça nenhuma, ou então uma vez, vamos analisar com mais calma a expressão (mini|(su|hi)per)?mercado. Começando pelo opcional, sabemos que esta expressão casa com mercado, pois toda esta parte (mini|(su|hi)per) pode não aparecer, caso apareça (apenas uma vez, pois estamos utilizando o ?, não se esqueça) poderemos ter um minimercado, ou então um (su|hi)permercado que pode ser lido como um supermercado ou um hipermercado, ou seja, com a expressão (mini|(su|hi)per)?mercado, podemos encotrar, mercado, minimercado, supermercado e hipermercado.

O oitavo, nono, décimo e décimo primeiro exemplos, mostram bem a utilização dos grupos e retrovisores, no oitavo exemplo temos, (lenta)(mente) é \2 \1, neste exemplo é fácil identificar quem é o primeiro retrovisor (lenta) e quem é o segundo (mente), casando então com a frase, lentamente é mente lenta, já no décimo primeiro exemplo, ((((a)b)c)d)-1 = \1,\2,\3,\4, esta diferenciação não é tão fácil assim, então para facilitar vamos por partes, como definição podemos dizer que o primeiro retrovisor se inicia no primeiro grupo, ou seja, no primeiro parêntese, e termina com o término deste grupo, e assim por diante, seguindo estes passos temos que o primeiro retrovisor é a expressão, (((a)b)c)d, ou ainda a palavra, abcd, já o segundo retrovisor, é ((a)b)c, ou ainda, abc, o terceiro é, (a)b, ou ab e o quarto retrovisor é, (a), ou ainda apenas a, então a expressão, ((((a)b)c)d)-1 = \1,\2,\3,\4, irá casar com o texto abcd-1 = abcd,abc,ab,a, simples não?

Como o intuito deste artigo foi apresentar de forma simples e rápida alguns detalhes da Apresentação de Expressões Regulares que apresentei aos colaboradores do departamento de tecnologia da Webroom e também das Expressões Regulares, vou terminando por aqui, lembrando aqueles que querem aprender mais sobre o assunto, leiam o livro Guia de Expressões Regulares.

Para aqueles que estão se aventurando no mundo das Expressões Regulares, recomento um excelente programa para testar suas Expressões Regulares, o programa é o Expresso.

Espero que tenham gostado e qualquer dúvida estou aqui para tentar resolver.