5

Eu tenho o seguinte input:

Detalhamento de Serviços nº: 999-99999-9999

Eu preciso obter o número em um grupo, pra isso eu utilizaria:

Detalhamento de Serviços nº: (\d+-\d+-\d+)

Porém eu não posso confiar se vai haver ou não a string nº:(OBS: não o número de telefone, e sim essa string mesmo). Então eu teria 2 opções:

 1. Detalhamento de Serviços.+(\d+-\d+-\d+) 
 2. Detalhamento de Serviços[\D]+(\d+-\d+-\d+)

Ambos regex iriam retornar o mesmo resultado, a dúvida é:

Qual a diferença entre utilizar a classe "any character" e "non-digit" nesse caso? Qual a melhor prática e porque? Qual tem maior performance e porque?

2
  • 1
    Levando em conta apenas o nome, "any character" é literalmente qualquer caractere, ao passo que "non-digit" é qualquer caractere exceto números, não? Logo, eles não são a mesma coisa. Commented 18/05/2018 às 18:59
  • Sim, porém para procurar pelo input que coloquei como exemplo, ambos servem e retornam o resultado desejado. A questão é: qual é o correto pra se usar e pq? Commented 18/05/2018 às 19:02

1 Resposta 1

3

Na verdade, as duas regex que você indicou não retornam o mesmo resultado. Fiz um teste no JDK 1.7.0_80, e também é possível vê-las funcionando (de maneira diferente) aqui e aqui.

Eu criei um método bem simples, para testar uma regex:

public void testregex(String input, String regex) {
    Matcher matcher = Pattern.compile(regex).matcher(input);
    if (matcher.find()) {
        System.out.println(matcher.group(1));
    }
}

Em seguida, testei a mesma entrada usando as duas regex (detalhe que o \ deve ser escapado, por isso é escrito como \\):

String input = "Detalhamento de Serviços nº: 999-99999-9999";
testregex(input, "Detalhamento de Serviços.+(\\d+-\\d+-\\d+)");
testregex(input, "Detalhamento de Serviços\\D+(\\d+-\\d+-\\d+)");

O resultado foi:

9-99999-9999
999-99999-9999

Isso acontece porque os quantificadores + e * são "gananciosos" e tentam pegar o máximo possível de caracteres. No primeiro caso, ele também pega os dois primeiros dígitos 9, porque o restante da String (9-99999-9999) também satisfaz a última parte da regex (\d+-\d+-\d+).

No segundo caso, ele não pega os dois primeiros 9 porque \D garante que não vai pegar dígitos.

Sendo assim, algumas soluções possíveis são:

  • Usar o \D: assim, você garante que, por mais que o quantificador seja ganancioso, ele não vai pegar um dígito por engano
  • Usar um ? logo após o quantificador +, pois isso cancela o comportamento "ganancioso". A regex fica assim: Detalhamento de Serviços.+?(\d+-\d+-\d+) - note o uso de .+? para remover a "ganância"
  • Definir a quantidade de dígitos, usando {}. Por exemplo, se a quantidade de dígitos é sempre "3-5-4", você pode usar Detalhamento de Serviços.+?(\d{3}-\d{5}-\d{4}). Se a quantidade de dígitos varia, use a sintaxe {min,max}. Por exemplo, se há um mínimo de 2 dígitos e máximo de 3, use {2,3} (e use o "cancelador de ganância", ou o \D para garantir). Adapte de acordo com a sua necessidade.
1
  • 1
    Opa, perfeito. Eu não tinha prestado atenção no retorno pelo matcher.group, eu apenas havia utilizado o matcher.find pra retornar se havia achado ou não. Commented 19/05/2018 às 20:15

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 .