Expressões regulares

Uma expressão regular descreve um formato de texto: que caracteres, em que ordem, quantas vezes. Serve para validar entradas como emails e datas, para limpar texto e para extrair pedaços. Aparece nas três frentes da cadeira: no atributo pattern do HTML, no preg_match do PHP e no test do JavaScript.

As peças básicas

Uma expressão lê-se da esquerda para a direita, com cada peça a casar com um pedaço do texto:

• Literais casam consigo mesmos: queijo casa com “queijo”.
• Classes listam alternativas: [abc] casa com uma das três letras, [0-9] com um dígito, \d também com um dígito, \w com letra, dígito ou _.
• Quantificadores repetem: * zero ou mais, + uma ou mais, ? zero ou uma, {2,4} de duas a quatro vezes.
• Âncoras prendem às pontas: ^ ao início e $ ao fim. Sem elas, a expressão casa com qualquer substring.
• Grupos com parênteses agrupam e capturam: (ab)+ casa com “abab”, e o conteúdo capturado pode ser reutilizado.

Lê /^9\d{8}$/ em voz alta: começa (^), um 9, oito dígitos (\d{8}), termina ($). É um telemóvel português com nove dígitos a começar por 9, como 912345678. Cada peça traduz-se numa frase, e a frase completa é a especificação do formato.

Validar nos três lados

O formulário de registo da mercearia pede email, data de nascimento e telemóvel. No HTML, o atributo pattern valida antes de enviar:

<input
  type="text"
  name="tel"
  pattern="9[0-9]{8}"
  title="Nove dígitos a começar por 9"
/>

No PHP, confirma no servidor com preg_match, que devolve 1 se casar:

$ok = preg_match('/^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$/', $email);

No JavaScript, valida ao escrever com test, que devolve verdadeiro ou falso:

const dataOk = /^\d{4}-\d{2}-\d{2}$/.test('2026-03-14');

Repara na divisão de trabalho: o HTML e o JavaScript ajudam o utilizador honesto no momento, e o PHP decide, porque só o servidor é de confiança. As três expressões dizem o mesmo de três formas; quando mudares uma regra, muda as três.

O contraexemplo que parte a expressão ingénua

Para validar email, a primeira ideia é exigir “algo, arroba, algo, ponto, algo”:

const ingenua = /.+@.+\..+/;
ingenua.test('ana@example.com'); // true, parece funcionar

Funciona no caso bom e falha nos maus: aceita a@b.c (domínio de uma letra), aceita ana @example.com? Não, o espaço não casa com .? O ponto casa com qualquer caráter exceto quebra de linha, por isso casa com o espaço e aceita um email com espaços. E sem ^ e $, aceita lixo ana@example.com lixo, porque a expressão casa com a substring do meio. Cada atalho destes é um formato inválido que entra.

A versão da secção anterior corrige os três defeitos: classes restritas em vez de pontos, e âncoras nas pontas. Generaliza a lição: testa sempre cada expressão com um caso bom, um caso mau óbvio e um caso manhoso com espaços ou texto à volta. Se a expressão aceitar o manhoso, faltam âncoras ou as classes estão largas demais.