2

Preciso de ajuda em uma expressão regular que dê match em uma string cujo:

  • começo e o final de uma linha com o caractere }
  • siga casando com tudo o que encontrar na linha seguinte (incluindo outros caracteres "escapados" como \)
  • até um outro caractere } no final da linha posterior.

Tentei várias combinações e não consegui.

2
  • Podes dar um exemplo de texto e esclarecer qual a linguagem de programação?
    – Sergio
    Commented 2/06/2017 às 17:08
  • 1
    é preciso especificar onde será usada a regex, dependendo do lugar, os argumentos mudam
    – Paz
    Commented 2/06/2017 às 18:28

2 Respostas 2

6

Vou supor que o regex flavour seja parecido ao de PHP, um dos mais comuns.

Também vou supor que os caracteres escapados são quebras de linhas, coisa que o operador "." não captura, logo você pode usar essa regex aqui:

}(.|\n)*?}

Explicação:

  • } determina que só vai começar a capturar, se houver fechamento de chaves.
  • ( declara o início do grupo de captura.
  • .|\n faz com que capture qualquer caractere que não for quebra de linha, ou que seja quebra de linha (no final, qualquer caracter).
  • ) declara o fim do grupo de captura.
  • *? quantificar lazy, garantindo que vai parar a captura na primeira ocorrencia da fecha de chaves }, evitando que capture coisas desnecessárias se houver mais de uma ocorrência de {} no código.
  • } define a condição da fecha de chaves para acabar a captura

Você pode testá-la aqui

1
  • Você pode fazer o . (Dot) capturar \n usando a flag s. conforme já expliquei aqui. Commented 5/06/2017 às 12:15
3

Apenas complementando, a outra resposta não leva em conta um detalhe importante da pergunta: os caracteres } devem estar no final da linha. Ou seja, se tivermos um texto assim:

abc } def
blablabla
xyz }

A regex não deve considerar o } da primeira linha, pois ele está não está no final da linha. Mas a solução proposta pela outra resposta considera este caso também.


Para que a regex considere apenas o } no final da linha, podemos usar o marcador $. Por default ele significa "final da string", mas muitas linguagens e engines possuem uma flag que faz com que ele também corresponda ao final da linha. No site regex101.com, por exemplo, basta ativar a flag multiline (opção m no canto superior direito), assim a regex ficaria }$(.|\n)*?}$ veja a diferença.

Esta flag está presente na maioria das linguagens, geralmente com o nome de multiline: por exemplo, temos esta flag em PHP, em Python, em Java, em JavaScript, etc. Procure a documentação da linguagem/ferramenta que está usando, a maioria possui esta opção.

Outro detalhe é que o ponto, por default significa "qualquer caractere, exceto quebras de linha". Para que ele possa também considerar as quebras de linha, você pode usar a opção proposta na outra resposta (.|\n), mas esta opção ignora as quebras de linha do Windows (\r\n). Uma alternativa melhor seria habilitar a flag DOTALL (também chamada de singleline, que é um nome meio confuso, dado a sua função, que é fazer com que o ponto corresponda a quebras de linha).

No regex101.com ela é chamada de singleline, e se eu ativá-la, posso mudar a regex para }$.*?}$, veja. Em PHP a opção é s (mas o seu nome é PCRE_DOTALL), idem em Python e JavaScript, e em Java é somente DOTALL (embora admita a sintaxe (?s) dentro da expressão, que também habilita esta flag).

Sim, em muitas linguagens as flags podem ser habilitadas na própria regex. Verifique a documentação, mas neste caso a sintaxe mais comum é (?s)(?m)}$.*?}$ (o (?s) habilita o modo DOTALL e o (?m) habilita o modo MULTILINE - veja aqui que o funcionamento é o mesmo).

Outra alternativa é usar }$[\s\S]*?}$. O atalho \s considera espaços e quebras de linha, e \S é "tudo que nao for \s". Então [\s\S] é tudo que é \s e tudo que não é \s - ou seja, é um truque para pegar qualquer caractere, incluindo as quebras de linha. Desta forma, você não precisa da flag DOTALL, veja (geralmente é usado em engines que não possuem esta opção).


Quantas linhas entre os }?

A regex acima pega quantas linhas forem necessárias, até encontrar o segundo } no final de uma linha. Mas pela descrição, entendi que na verdade você só quer que tenha uma linha entre os dois }. Neste caso, a regex poderia ser:

}(\r\n?|\n).*(\r\n?|\n).*}(\r\n?|\n|$)

Agora eu uso (\r\n?|\n) para considerar quebras de linha do Windows (\r\n), do MacOs (apenas o \r, já que o \n? indica que o \n é opcional), ou apenas um \n, que é a quebra de linha do Unix/Linux.

Um detalhe é que assim eu não preciso das flags MULTILINE e DOTALL. Então a regex agora pega um } seguido de quebra de linha, depois pega .* (zero ou mais caracteres) seguido de outra quebra de linha, seguido de .* (zero ou mais caracteres), seguido do }, seguido de outra quebra de linha.

Desta forma eu garanto que haverá apenas uma linha. Repare que neste caso, a flag DOTALL deve estar desligada, para evitar que o .* pegue mais de uma linha. E repare também que no final temos |$, pois além da quebra de linha, podemos ter o final da string (para os casos em que o } é o último caractere, e não tem nenhuma outra linha depois). Veja aqui a regex funcionando.


Pode ser meio "tedioso" repetir várias vezes a mesma expressão das quebras de linha. Neste caso, existe o recurso de sub-rotinas - que algumas engines suportam, consulte a documentação da sua linguagem/ferramenta para saber se é possível usá-lo:

}(\r\n?|\n).*(?1).*}((?1)|$)

No caso, os parênteses formam um grupo de captura, e podemos referenciá-los posteriormente com (?1) (basicamente isso quer dizer "use aqui a mesma expressão que foi usada no primeiro grupo de captura"). Veja aqui a regex funcionando.

Algumas engines ainda suportam grupos com nome, que pode ajudar a tornar a regex um pouco mais "legível" (ou não, é uma questão de opinião):

}(?<linebreak>\r\n?|\n).*(?&linebreak).*}((?&linebreak)|$)

(?<linebreak> define o grupo chamado linebreak e (?&linebreak) significa "use aqui a mesma expressão do grupo linebreak". Veja aqui ela funcionando.


Por fim, algumas engines de regex suportam o atalho \R, que corresponde a uma quebra de linha (tanto o \r\n quanto o \n ou o \r sozinhos, entre outros caracteres - varia conforme a linguagem). Então você também poderia usar algo como }\R.*\R.*}(\R|$) (veja aqui), ou ainda }(\R).*(?1).*}((?1)|$) (veja aqui).

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .