Primeiro acho que vale explicar porque sua regex não funcionou.
Por padrão, os quantificadores (como *
e +
) são "gananciosos" (greedy) e tentam pegar a maior quantidade possível de caracteres.
No seu caso, a regex é \{.*\}
, ou seja: o caractere {
seguido de zero ou mais caracteres (.*
), seguido de }
. O ponto corresponde a qualquer caractere (exceto quebras de linha). E por "qualquer caractere", entenda que é qualquer um mesmo, inclusive {
e }
(se a regex julgar que é necessário para satisfazer a expressão, o ponto pode sim pegar esses caracteres).
Então no seu caso, os critérios da regex são: tem um {
, seguido de vários caracteres (quaisquer um, inclusive outros {
e }
, se a regex achar necessário), seguido de um }
. E qual a maior sequência de caracteres que corresponde a esses critérios? A string inteira. O trecho \{
da regex pega o primeiro caractere {
, o .*
pega todos os outros dezenove {
, mais o texto, mais os dezenove }
, e por fim o \}
pega o último }
(veja aqui).
Uma alternativa para resolver já foi dada na outra resposta: usar um quantificador "preguiçoso" (lazy), ou seja, trocar .*
por .*?
. Isso faz com que a regex pegue a menor quantidade possível de caracteres, e com isso ela não pega mais {
e }
do que devia (para saber mais sobre quantificadores lazy, leia aqui e aqui).
Mas também dá para resolver de outras maneiras. Todo o problema começou porque você usou o ponto, que corresponde a qualquer caractere (qualquer um, inclusive os próprios {
e }
). Mas você não quer "qualquer caractere", e sim "qualquer um que não seja {
ou }
". Sendo assim, você pode usar esta regex:
^\{+(\{[^{}]+\})\}+$
Em vez do ponto, usei [^{}]
, que é uma classe de caracteres negados. Ela pega qualquer caractere que não seja o que está entre [^
e ]
(no caso, é qualquer caractere que não seja {
nem }
). Outro detalhe é que troquei o *
por +
. Isso porque o *
significa "zero ou mais caracteres", ou seja, se o texto for {{{}}}
, a regex encontra o trecho {}
. Já o +
significa "uma ou mais ocorrências", por isso ao trocar o *
por +
, eu garanto que deve ter pelo menos um caractere entre as chaves.
Com isso eu não preciso mais do quantificador lazy, pois agora não há o risco de pegar caracteres a mais - a classe de caracteres negados garante que a regex vai parar assim que encontrar o primeiro {
ou }
, o que não ocorria com o ponto. Isso traz uma pequena vantagem, pois a regex fica mais rápida - compare aqui e aqui e veja que a quantidade de passos diminui mais que a metade (obviamente, para poucas strings pequenas, a diferença de desempenho será irrelevante - e admito que na maioria dos casos não passa de micro-otimização - mas dependendo do tamanho e natureza dos textos e da regex usada, o uso indiscriminado de .*
pode levar a resultados catastróficos). De qualquer forma, ainda existe outro fator importante, que é deixar mais clara a sua intenção: ao usar .*
você dá a entender que qualquer coisa serve naquele trecho, já ao ser mais específico com [^{}]
, você deixa bem claro que não é bem qualquer coisa que pode ter ali.
Por fim, usei os marcadores ^
e $
, que marcam respectivamente o início e fim da string. Assim eu garanto que a string só tem o que está especificado na regex, nem um caractere a mais, nem a menos.
Já que falamos em ser mais específico, você pode ficar mudando a regex para que tenha exatamente o que você precisa. Usar [^{}]
é um pouco melhor que .
, pois restringe a lista de caracteres possíveis. Mas [^{}]
ainda aceita muitas coisas que talvez você não queira, como caracteres especiais, quebras de linha, emojis, etc. Se você quiser restringir ainda mais, poderia usar outras opções. Exemplos:
[a-zA-Z ]
- aceita letras de A a Z (maiúsculas e minúsculas) e espaços (repare que há um espaço antes do ]
). Mas isso não aceita letras acentuadas, então...
[\w ]
- o atalho \w
considera letras, números e o caractere _
. E se você ativar a flag unicode (no regex101, clique na bandeira que fica ao lado direito da regex e escolha a opção u
), ele passa a considerar também caracteres acentuados.
- mas se não quiser números e nem o caractere
_
, pode usar [\p{L} ]
: o atalho p{L}
considera todas as letras definidas pelo Unicode (inclusive de outros alfabetos, como o grego, japonês, árabe, cirílico, etc)
Enfim, há muitas possibilidades, e tudo vai depender do que você precisa. Seu texto só tem letras do alfabeto latino e sem acentos? Também vai ter números, sinais de pontuação, etc? Ou você quer simplesmente qualquer coisa que esteja entre as chaves? Dependendo da ferramenta que você usa, pode ser também que alguma regex não funcione (o JavaScript, por exemplo, não suporta o atalho \p{L}
em todos os browsers, mas você poderia usar [^\W\d_]
, que tem um funcionamento similar).
Chaves balanceadas
Não ficou claro se a expressão deve estar balanceada (ou seja, se cada {
tem um }
correspondente). De qualquer forma, abaixo estão algumas opções com regex (embora esta não seja a melhor ferramenta para verificar esse tipo de coisa - na verdade acho que nem é a melhor solução para o problema original, de pegar o texto entre as chaves, já que um loop simples pela string já resolveria).
Primeiro o caso mais simples. Se a quantidade de chaves é sempre a mesma, você pode simplesmente fazer algo do tipo:
^\{{19}(\{[^{}]+\})\}{19}$
No caso, \{{19}
significa "exatamente 19 ocorrências do caractere {
", e fiz o mesmo para o \}
. Assim, eu garanto que a quantidade de {
e }
é a mesma (veja aqui a regex funcionando).
Agora, se a quantidade de chaves pode variar, aí é mais complicado. A solução ideal é não usar regex, e em vez disso, usar uma linguagem de programação para implementar algum algoritmo similar a este.
Mas só como curiosidade, é possível verificar isso com regex recursivas:
^(?=(\{([^{}]+|(?1))\})$)\{+(\{[^{}]+\})\}+$
O segredo está no trecho (\{((?1)|[^{}]+)\})
. Primeiro a expressão está entre parênteses, formando um grupo de captura - e como é o primeiro par de parênteses, então é o grupo 1.
Depois temos uma alternância (o caractere |
significa ou), com duas possibilidades:
[^{}]+
- qualquer caractere que não sejam as chaves, ou
(?1)
- que é "a mesma expressão que corresponde ao grupo 1" (a mesma regex é chamada aqui, de maneira recursiva)
Ou seja, este trecho pode ser interpretado como:
- o caractere
{
, seguido de:
- qualquer caractere que não sejam as chaves, ou
- o caractere
{
, seguido de:
- qualquer caractere que não sejam as chaves, ou
- o caractere
{
, seguido de:
- qualquer caractere que não sejam as chaves, ou
- o caractere
}
- o caractere
}
- o caractere
}
Com isso, a regex verifica se as chaves estão balanceadas. Além disso, todo o trecho está em um lookahead (entre (?=
e )
), que serve para verificar se algo existe à frente (mas esse algo não faz parte do match, e fiz assim porque na regex recursiva não foi possível capturar o último trecho entre chaves diretamente). Logo depois do lookahead temos a regex que já vimos acima, para pegar o trecho desejado.
Veja aqui esta regex funcionando, e repare que ela só pega casos em que as chaves estão balanceadas. A diferença para as soluções anteriores é que agora o trecho que você quer está no grupo 3, e não mais no grupo 1.
Mas como eu já disse, eu vejo isso mais como uma curiosidade do que de fato uma solução prática. Primeiro porque é uma solução complicada demais para algo que pode ser resolvido com um algoritmo simples, e segundo porque nem todas as linguagens suportam regex recursivas (o que pode ser considerado um ponto positivo, pois aí você nem cogita usá-las). Regex é legal e eu particularmente gosto bastante, mas nem sempre é a melhor solução.