Expressões regulares

Encontrar LTW-042 numa frase e validar um campo que deve conter apenas esse código são tarefas diferentes. Na pesquisa, texto antes ou depois pode ser permitido. Na validação, xLTW-042 tem de falhar, mesmo contendo um código reconhecível.

Peças e precedência

Em LTW-042, precisamos de reconhecer o prefixo, o hífen e os dígitos. [0-9] aceita um dígito, e [0-9]{3} exige três. As âncoras limitam a posição em que o padrão pode casar. A tabela reúne essas peças e as outras operações usadas abaixo.

As abreviaturas e o tratamento de Unicode dependem do motor; [A-Za-z] não representa todas as letras portuguesas. Quantificadores aplicam-se à peça anterior: ab+ exige um a e um ou mais b; (ab)+ repete o par.

Alternância tem baixa precedência. Em ^LTW|BD$, as âncoras prendem-se a cada alternativa separadamente: o padrão aceita entradas que comecem por LTW ou terminem por BD. Para prender ambas as alternativas às pontas, agrupa primeiro: ^(?:LTW|BD)$.

O vídeo mostra classes, grupos e quantificadores. Pausa cada exemplo para prever a correspondência antes de a veres.

Learn Regular Expressions In 20 Minutes — peças e correspondênciasCarregar vídeo do YouTube

Abrir no YouTube

Construir e testar um formato

Queremos aceitar LTW-042 ou BD-007, com três dígitos no fim, e capturar esses dígitos. As peças são início, grupo de prefixos, hífen, grupo de três dígitos e fim:

/^(?:LTW|BD)-([0-9]{3})$/;

O primeiro grupo só organiza alternativas. O segundo captura e, por ser o primeiro grupo capturante, fica em índice 1. O índice 0 é sempre a correspondência completa.

const codigo = /^(?:LTW|BD)-([0-9]{3})$/;
for (const texto of ['LTW-042', 'BD-007', 'LTW-42', 'xLTW-042']) {
  const resultado = texto.match(codigo);
  console.log(texto + ': ' + (resultado ? resultado[1] : 'inválido'));
}
const frase = 'A <b>rede</b> e <i>web</i>.';
console.log(frase.match(/<.*>/)[0]);
console.log(frase.match(/<.*?>/)[0]);
console.log('livro livro novo'.match(/\b(\w+)\s+\1\b/)[0]);

A primeira parte escreve:

LTW-042: 042
BD-007: 007
LTW-42: inválido
xLTW-042: inválido

Dois dígitos falham a repetição e o x inicial falha a âncora. Isto verifica o formato, não prova que o código exista no catálogo. Para dados externos, define também limites de comprimento e regras semânticas.

Guloso, preguiçoso e primeiro resultado

No texto A <b>rede</b> e <i>web</i>., <.*> escolhe <b>rede</b> e <i>web</i>. O * guloso tenta consumir tanto quanto possível e depois recua até conseguir o > final. É por isso que a correspondência atravessa a primeira etiqueta de fecho.

<.*?> escolhe primeiro <b>: o quantificador preguiçoso tenta o mínimo e expande se o restante padrão não puder casar. <[^>]*> também pára antes do primeiro >, porque a classe negada nunca consome esse caráter. Estes padrões servem para observar quantificadores, mas não são parsers seguros de HTML: aspas, comentários e estrutura aninhada exigem um parser.

Ao pedir a primeira correspondência, o motor começa na primeira posição em que o padrão pode casar. “Guloso” não significa escolher uma posição inicial mais à direita para obter um resultado maior. Flags como g em JavaScript pedem correspondências globais; i ignora diferenças de maiúsculas conforme as regras do motor; m altera as âncoras para linhas; s permite que . inclua quebras de linha.

Capturas e referências

Uma referência \1 exige o mesmo texto que o primeiro grupo capturou:

/\b(\w+)\s+\1\b/.exec('livro livro novo')[0]; // livro livro

Não exige “outra palavra qualquer”; exige livro de novo. Numa substituição JavaScript, $1 refere a primeira captura:

'2026-10-02'.replace(/^(\d{4})-(\d{2})-(\d{2})$/, '$3/$2/$1'); // 02/10/2026

O padrão verifica a forma numérica, não que o dia exista no calendário. 2026-02-31 também tem a forma certa. Valida a data com regras de calendário quando esse é o objetivo.

Lookaround e backtracking

Lookaround verifica contexto sem o incluir na correspondência. livro(?=s) escolhe livro apenas quando vem seguido de s; livro(?!s) exige que não venha s. (?<=EUR )[0-9]+ encontra dígitos precedidos de EUR ; o prefixo não faz parte do resultado. Lookbehind e algumas regras têm limites de compatibilidade entre motores.

Backtracking é a tentativa de alternativas após uma escolha não permitir acabar o padrão. Em a.*b, o motor pode consumir até ao fim e recuar à procura de um b final. Padrões com repetições ambíguas, como (a+)+$, podem exigir muitas tentativas numa entrada quase válida. Limita a entrada e evita estruturas com custo explosivo em dados controlados pelo cliente.

Expressões regulares clássicas correspondem a linguagens reconhecíveis por autómatos finitos. Motores práticos incluem extensões, como referências a capturas, que ultrapassam esse modelo. Não uses a palavra “regular” para assumir que qualquer padrão de um motor moderno tem custo simples ou expressividade idêntica.

JavaScript, PHP e HTML

Em JavaScript, test devolve booleano e exec/match permitem obter capturas. match sem g devolve a primeira correspondência e as capturas; com g, devolve as correspondências completas, sem as capturas de cada uma. Para obter capturas de todas, usa matchAll com g.

const texto = 'LTW-042 e BD-007';
for (const resultado of texto.matchAll(/(?:LTW|BD)-([0-9]{3})/g)) {
  console.log(resultado[1]); // 042, depois 007
}

Um objeto regex com flag g conserva lastIndex entre chamadas de test: /a/g sobre 'a' dá true na primeira chamada e false na segunda com o mesmo objeto. Evita g numa validação repetida sem controlar esse estado.

Em PHP, os padrões PCRE precisam de delimitadores. preg_match devolve 1 para correspondência, 0 para ausência e false para erro. Para extrair todas as ocorrências usa preg_match_all, que preenche um array com a correspondência completa e as capturas. Para substituir usa preg_replace, com $1 para a primeira captura no texto de substituição. Para exigir o texto completo de forma estrita em PCRE, \A e \z fixam as pontas sem o caso especial de uma quebra de linha final de $:

<?php
$valido = preg_match('/\A(?:LTW|BD)-[0-9]{3}\z/', $codigo) === 1;

No HTML, pattern recebe o padrão sem /.../ e aplica-o ao valor completo nos tipos suportados. pattern="(?:LTW|BD)-[0-9]{3}" não exige sozinho uma entrada não vazia; acrescenta required se for obrigatória. A sintaxe atual usa regras Unicode próprias, por isso confirma compatibilidade ao usar classes avançadas. O servidor tem de validar novamente, independentemente do formulário.