2

Estou tentando fazer um regex para que pegue apenas o valor entre < e >.

Porém estou tendo bastante dificuldade.

Segue um exemplo:

teste <[email protected]>

Regex que tentei criar:

/[^\w][\w@\w]+/g

Porém ao tentar pegar o valor ele me retorna o sinal de menor.

2 Respostas 2

11

Uma expressão entre colchetes representa uma classe de caracteres. Por exemplo, [abc] significa "a letra a, ou a letra b ou a letra c" (apenas uma delas).

Se retirar os colchetes (abc) aí significa "a letra a seguida da letra b, seguida da letra c" (as 3 letras nesta ordem).

E se tiver um ^ dentro dos colchetes, significa que está negando o que tem dentro. Ou seja, [^abc] significa "qualquer coisa que não seja a letra a, nem a letra b, nem a letra c".

\w é um atalho para [a-zA-Z0-9_], ou seja, "qualquer letra maiúscula, minúscula, dígitos ou _".

Portanto, [^\w] significa "qualquer caractere que não seja \w", e por isso que a expressão está pegando também o caractere < (veja aqui um exemplo desta regex funcionando).

E [\w@\w] seria "um \w, ou o caractere @ ou um \w". Pois é, o \w aparece duas vezes dentro dos colchetes, o que é redundante.

No seu caso específico você só quer o que está < e >, então você poderia usar apenas os próprios caracteres < e >. Não precisa usar \w, pois você já sabe exatamente quais são os delimitadores (< e >), então use especificamente estes caracteres.

Entre eles você poderia usar .+ que significa "uma ou mais ocorrências de qualquer caractere". .* também funcionaria, mas o * significa "zero ou mais ocorrências", o que faria aceitar a string <>.

Então a regex ficaria <(.+)>:

  • < e > representam os próprios caracteres < e >
  • .+ é "uma ou mais ocorrências de qualquer caractere"
  • os parênteses servem para definir um grupo de captura, para que seja possível obter o trecho correspondente com o método match

O código fica assim:

let texto = "teste <[email protected]>";
let email = texto.match(/<(.+)>/)[1];
console.log(email);


Ganância

O problema dos quantificadores + e * é que eles são gananciosos e tentam pegar o maior número possível de caracteres. No seu caso específico não faz diferença, mas caso você tenha mais de um par de < e >, o resultado pode ser inesperado:

let texto = "teste <[email protected]> outro <[email protected]>";
let email = texto.match(/<(.+)>/)[1];
console.log(email); // [email protected]> outro <[email protected]

O trecho capturado será [email protected]> outro <[email protected]: o quantificador + pega o maior trecho possível que satisfaça a regex. Como eu usei .+, ele vai pegar a maior quantidade possível de qualquer caractere, até achar um > (ele acha o primeiro, mas como tem outro depois, ele continua). Por isso ele acaba pegando mais do que "devia".

Neste caso, basta cancelar a ganância colocando um ? na frente:

let texto = "teste <[email protected]> outro <[email protected]>";
let email = texto.match(/<(.+?)>/)[1];
console.log(email); // [email protected]

Com isso, o email capturado passa a ser somente "[email protected]".


Sobre o uso de regex para validar emails

Mas se entre < e > sempre vai ter um email, talvez a regex deva ser mais específica, assim você evita os "falso-positivos" (obter uma string que está entre < e > mas não é um email). Só que aí ela começa a ficar complicada demais (veja este exemplo, só para ter uma ideia). Mas pelo menos você garante que só vai ter dados válidos (evitando strings como "<123>" - supondo que você só vai aceitar endereços de email).

Só precisa ver se vale a pena ter uma regex tão complexa (pense na manutenção futura deste código). Quem sabe uma alternativa seja ter algo intermediário, como <([^<>]+)> (<, seguido de uma ou mais ocorrências de qualquer coisa que não seja < nem >, seguido de >).

Ou até mesmo uma regex mais "ingênua", como <([\w.-]+@[a-z.]+)> (uma ou mais ocorrências de \w, ponto ou traço, seguido de @, seguido de uma ou mais ocorrências de letras ou ponto) - ela aceita endereços de email, mas também aceita coisas como <.@gmail.>. Mas pelo menos não aceita <123> (que é algo que .+ aceitaria, por exemplo).

Enfim, não tem muito jeito, quanto mais específica, menor a chance de falsos-positivos, mas maior a complexidade.


PS: Eu também comento mais sobre o uso de regex para validar emails nesta resposta, e nesta outra também.

3
  • 1
    Depois de ler isso, eu cheguei à conclusão de que não sei nada de regex. :)
    – Sam
    Commented 4/09/2018 às 1:12
  • 1
    @sam Quanto mais eu estudo regex, mais eu chego à mesma conclusão que vc (que eu não sei nada). Parece um assunto sem fim...
    – hkotsubo
    Commented 4/09/2018 às 1:15
  • 1
    Pois é cara. Parece uma linguagem de programação própria.
    – Sam
    Commented 4/09/2018 às 1:16
3

Se apenas pretende capturar o que está dentro de < e > então pode utilizar uma regex simples como:

<(.*)>

Explicação:

<    - caratere menor
(*.) - tudo o que está no meio como primeiro grupo de captura
>    - caratere maior

Veja esta regex no regex101

Para obter o resultado do primeiro grupo de captura pode utilizar a função match e aceder à posição 1:

let texto = "teste <[email protected]>";
let email = texto.match(/<(.*)>/)[1];
console.log(email);

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 .