9

Gostaria de pegar o texto até os caracteres a) e se possível e as respostas separadas também usando Regex?

pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta<br /><br />

pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta pergunta<br /><br />

  a) resposta a<br />
  b) resposta b<br />
  c) resposta c<br />
  d) resposta d<br />
  e) resposta e<br />

Estou conseguindo pegar as respostas com essa regra simples http://regexr.com/3hb4p mas a pergunta tá dificil. Lembrando que a pergunta pode possuir vários parágrafos.

12
  • Usa alguma linguagem de programação? vc quer pegar só a pergunta? ou quer pegar a pergunta e as respostas separadas?
    – rray
    Commented 28/11/2017 às 19:08
  • @RodneyMendonça já alterei para que fiquem em linhas diferentes
    – Paz
    Commented 28/11/2017 às 19:08
  • Pode ser só a expressão regular mesmo. o resto me viro aqui.
    – Rod
    Commented 28/11/2017 às 19:09
  • 1
    Uso asp 3 mas só necessito da ER. Quero pegar a pergunta e as respostas separadas. Acredito que terei que fazer 6 regex. Uma para pergunta e outras 5 para as respostas. Acredito que a pergunta teria que fazer alguma regra que pega o texto até o a) que é o início da primeira resposta.
    – Rod
    Commented 28/11/2017 às 19:18
  • 1
    Questões: 1. Essa é a real formatação do arquivo? (com esses espaços entre as perguntas e no inicio de cada resposta) 2. Essa pergunta é só uma analogia para um pergunta real correto? Então poderia ser de teor matemático correto? Commented 29/11/2017 às 11:48

4 Respostas 4

13

Casar pergunta e respostas com uma expressão

Se você quiser realmente casar qualquer coisa até uma letra seguida por um ), ou o fim da string, pode usar esta RegExp:   (regexr.com)

([\s\S]+?(?=\b[a-z][)]|$))
  • [\s\S] é uma maneira de casar todos os caracteres, incluindo quebras de linha.
    Normalmente, usaríamos a flag singleline para alterar o comportamento do ponto, mas não existe no ASP.

  • (?=) é um lookahead (dá uma "espiada" adiante), garantindo que foi seguido por uma letra e um ), ou pelo final da string. Mas tem a peculiaridade de corresponder ao padrão, enquanto não faz parte do fragmento casado.

  • \b é uma borda de palavra.

No entanto, essa expressão não é muito eficiente, especialmente com textos longos, e pode dar um falso positivo com casos como: "pergunta (veja o segmento b) pergunta".



Tendo em conta que cada resposta é precedida por (pelo menos) uma quebra de linha, pode usá-lo como uma condição adicional. Desta forma, podemos combinar linhas inteiras, desde que uma linha interna não comece com [a-z][)].


Regex:   (regex101)

[^\r\n]+(?:\r?\n(?!\s*[a-z][)])[^\r\n]*)*


Explicação:

Debuggex.com

  • [^\r\n]+ ≝ Toda uma linha.
  • (?:\n(?!\s*[a-z][)]).*)* ≝ Grupo sem captura, para repetir este subpadrão (0-infinito):
    • \r?\n ≝ Uma quebra de linha.
    • (?!\s*[a-z][)]) ≝ Negative lookahead, garantindo que não seja seguido por uma letra e um ) (com possíveis espaços desde o início da linha até a letra).
    • [^\r\n]* ≝ Toda uma linha.


Sendo que está usando ASP:

Dim texto
texto = "Os Embargos de Terceiros fazem parte do procedimento especial, previsto no Código de Processo Civil," & _
        " sendo possível sua utilização por quem, não sendo parte no processo, sofre constrição ou sofre" & _
        " ameaça de constrição sobre bens que possua ou sobre os quais tenha direito incompatível com o ato constritivo." & _ 
        " Sobre o ajuizamento dos embargos, assinale a alternativa INCORRETA." & vbNewline & _
        "" & vbNewline & _
        "Considere o segmento “[...] o Estado só percebe o eco enfraquecido.†(2º§). Pode-se afirmar que" & _
        " a partir do recurso de linguagem utilizado pelo enunciador na escolha da palavra “Estadoâ€, identifica-se 7" & vbNewline & _
        "" & vbNewline & _
        "a) o estabelecimento de uma comparação entre “Estado†e “governantesâ€." & vbNewline & _
        "b) o emprego de uma palavra redundante objetivando reforçar a ideia expressa." & vbNewline & _
        " questões que irão ter várias quebra de linhas" & vbNewline & _
        "" & vbNewline & _
        "" & vbNewline & _
        " questões que irão ter várias quebra de linhas" & vbNewline & _
        "c) uma transferência de percepções resultando em uma fusão de impressões sensoriais." & vbNewline & _
        "d) a evocação de um termo em lugar de uma palavra, com a qual se acha relacionada não sendo sinônimos. "
Set re = New RegExp
re.Global = true  'casar todas as coincidências
re.Pattern = "[^\r\n]+(?:\r?\n(?!\s*[a-z][)])[^\r\n]*)*"

'corresponder com a regex
Set matches = re.Execute(texto)
If (matches.Count) Then
    'a primeira é a pergunta <- matches(0)
    Response.Write("Pergunta === " & matches(0))

    'o resto são as respostas <- matches(m)
    For m = 1 To matches.Count - 1
        Response.Write(vbNewline & "Resposta " & m & " === ")
        Response.Write(matches(m))
    Next
End If

Set matches = Nothing
Set re = Nothing


Resultado:

Pergunta === Os Embargos de Terceiros fazem parte do procedimento especial, previsto no Código de Processo Civil, sendo possível sua utilização por quem, não sendo parte no processo, sofre constrição ou sofre ameaça de constrição sobre bens que possua ou sobre os quais tenha direito incompatível com o ato constritivo. Sobre o ajuizamento dos embargos, assinale a alternativa INCORRETA.

Considere o segmento “[...] o Estado só percebe o eco enfraquecido.†(2º§). Pode-se afirmar que a partir do recurso de linguagem utilizado pelo enunciador na escolha da palavra “Estadoâ€, identifica-se 7
Resposta 1 === a) o estabelecimento de uma comparação entre “Estado†e “governantesâ€.
Resposta 2 === b) o emprego de uma palavra redundante objetivando reforçar a ideia expressa.
 questões que irão ter várias quebra de linhas


 questões que irão ter várias quebra de linhas
Resposta 3 === c) uma transferência de percepções resultando em uma fusão de impressões sensoriais.
Resposta 4 === d) a evocação de um termo em lugar de uma palavra, com a qual se acha relacionada não sendo sinônimos. 


Carreguei num hospedagem grátis se quiser testá-lo:
http://mariano.somee.com/258904/index.asp

0
9

Você pode utilizar /(.*?a\))/s para obter todos os caracteres incluindo a)

Você pode utilizar /(.*?)a\)/s para todos caracteres anteriores a a)

Explicação:

.*? Identifica todos caracteres

a Identifica um a literalmente (diferencia maiúscula de minúscula)

\( Identifica o primeiro parênteses

5
  • perfeito. obrigado.
    – Rod
    Commented 28/11/2017 às 19:58
  • Você também pode, no lugar de alterar a "glutonice" do operador *, pedir para casar com "não-a": /([^a]*a)/ para incluir o primeiro a, e /([^a]*)a/ para excluir o primeiro a Commented 29/11/2017 às 10:27
  • @Mariano, tem razão, falei bobeira... não tinha prestado atenção que era até a). Quando havia lido a resposta (e também o título da pergunta me levou a esse erro) entendi que era até o caracter a. Para fazer essa alternativa sem usar o .*? é necessário um pouco mais do que apenas a lista negada. (([^a]|a[^)])*)a\) creio ser a alternativa excluindo a) da seleção Commented 29/11/2017 às 10:41
  • @Mariano : regex101.com/r/rq8IwI/1 Commented 29/11/2017 às 10:46
  • 1
    @JeffersonQuesado O problema é que o ponto não coincide com quebras de linha, então .*?deve ser trocado para [\s\S]*? (pode ler minha resposta)... Seu regex tem um problema teórico, se a) for precedido por outro a... Mas se você quer o mais performatico, é "unrolling the loop": [^a]*(?:a(?!\))[^a]*)*
    – Mariano
    Commented 29/11/2017 às 11:03
5

Use essa regex:

((.|\n)*?)(a\).*?)\n*?(b\).*?)\n*?(c\).*?)\n*?(d\).*?)\n*?(e\).*?)$|\n*?

Ela irá separar o texto em grupos sendo que:

  • Grupo 1 - Contém o texto antes da opção a).
  • Grupo 2 - Não captura nada, porém encapsula as opções de captura do grupo 1.
  • Grupo 3 - Contém o conteúdo da opção a até a quebra de linha (onde começaria a opção b no seu exemplo).
  • Grupo 4 - Contém o conteúdo da opção b até a quebra de linha.
  • Grupo 5 - Contém o conteúdo da opção c até a quebra de linha.
  • Grupo 6 - Contém o conteúdo da opção d até a quebra de linha.
  • Grupo 7 - Contém o conteúdo da opção e até a quebra de linha ou fim do texto.

Você pode ver o funcionamento dessa regex aqui

Explicação da regex

((.|\n)*?) - Vai capturar qualquer caractere e quebra de linha do conteúdo até que chegue o primeiro delimitador.

(a\).*?)\n*? - a\) é igual a a) e ele será usado como um delimitador, para que o primeiro grupo de captura pare de capturar na primeira ocorrência da sequencia a), após isso a regex irá capturar todo o conteúdo até a primeira quebra de linha.

(b\).*?)\n*? - O funcionamento desse grupo de captura é igual ao do grupo 3, só que captura a partir do b).

(c\).*?)\n*? - O funcionamento desse grupo de captura é igual ao do grupo 3, só que captura a partir do c).

(d\).*?)\n*? - O funcionamento desse grupo de captura é igual ao do grupo 3, só que captura a partir do d).

(e\).*?)\$|\n*? - O funcionamento desse grupo de captura é igual ao do grupo 3, só que captura a partir do e)e para no fim do texto ou em uma quebra de linha, pro caso de você usar essa regex em um arquivo que possua muitas questões e textos.

6
  • acho que foi quase lá. a pergunta tá passando nas respostas. gostaria que pegasse até o a).
    – Rod
    Commented 28/11/2017 às 19:42
  • as respostas se houver quebra de linha não pega essa quebra.
    – Rod
    Commented 28/11/2017 às 19:43
  • perfeito cara. Agradeço muito. Vou pegar esse código e ver se consigo montar o que quero.
    – Rod
    Commented 28/11/2017 às 19:48
  • @Rod atualizado para funcionar do jeito que você queria.
    – Paz
    Commented 5/12/2017 às 18:00
  • Obrigado meu amigo.
    – Rod
    Commented 5/12/2017 às 18:50
4

Caso você esteja usando uma biblioteca com mais recursos como PCRE.

Poderia usar :

/(?(?=\s+)|(?(?=\w\))(?<a>\w\).*)|(?<q>.*?\n)))/g

Veja funcionando no REGEX101

Aqui estou usando "condicionais" e "grupos nominais"

Explicação

  • (?(?=\s+)|...) - Este condicional basicamente diz de deve ignorar "espaços", pois caso encontre a primeira condição é "fazer nada".
  • (?(?=\w\)) - Aqui de fato temos a condição para perguntas e respostas, pois caso encontre [a-z0-9_] seguido de ) é resposta, se não, é uma pergunta.

Nota

  • Eu usei \w para facilitar, o correto creio seria [[:alpha:]], ou caso use o modificador i simplifica para [a-z]

Problemas

  • Essa Regex acaba gerando muito lixo pelo fato da não capturar da primeira condição.
5
  • Detalhe: acho que você poderia usar .* em vez de .*?\n... E há um benefício usando as condicionais em vez de \s+|(?<a>\w\).*)|(?<q>.*)?
    – Mariano
    Commented 29/11/2017 às 13:16
  • @Mariano de fato a segunda condicional não é necessária, mas ainda manteria a primeira para não gerar capturar com todos aqueles espaços, ate mesmo facilitando no processo de remoção destes índices. (?(?=\s+)|(?:(\w\).*)|(.*?\n))) Commented 29/11/2017 às 13:46
  • 1
    Entendo, embora seja questão de ver se há algum grupo capturado ... Ou usar (*SKIP)(*FAIL) no PCRE ;-)
    – Mariano
    Commented 29/11/2017 às 13:52
  • @Mariano muito interessante, não tinha visto estas diretivas ainda, tenho que ler um pouco mais :D Commented 29/11/2017 às 13:55
  • 1
    rexegg.com/backtracking-control-verbs.html é o que melhor explica
    – Mariano
    Commented 29/11/2017 às 13:58

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 .