Você pode usar a função preg_replace
para fazer a substituição.
A regex pode ser algo como ^\w+ (\d+ -[^\-]+)( -.*)?$
:
- os marcadores
^
e $
são, respectivamente, o início e fim da string. Isso garante que estou verificando toda a string.
- o atalho
\w
significa "letras (de A a Z, maiúsculas ou minúsculas), números (de 0 a 9) ou o caractere _
"
- o atalho
\d
significa "qualquer dígito de 0 a 9"
- o quantificador
+
significa "uma ou mais ocorrências".
[^\-]
é "qualquer caractere que não seja hífen"
.*
é "zero ou mais ocorrências de qualquer caractere", e o ?
logo depois torna o trecho ( -.*)
opcional (ou seja, pode ter um espaço, hífen e "qualquer coisa" no final da string)
Então a regex começa com \w+
(uma ou mais ocorrências de letras, números ou _
), seguido de espaço, depois um ou mais números (\d+
), espaço, hífen, vários caracteres que não são hífen (isso garante que só vai pegar até o próximo hífen), seguidos opcionalmente por espaço, hífen e .*
(zero ou mais ocorrências de qualquer coisa), e por fim o final da string.
O trecho \d+ -[^\-]+
está entre parênteses, e isso forma um grupo de captura. Isso quer dizer que o texto que corresponde a este trecho pode ser referenciado posteriormente.
No caso, como é o primeiro par de parênteses, o texto que for capturado estará disponível na variável especial $1
, que posso usar no segundo parâmetro do preg_replace
:
$textos = array(
"Opcao 01 - Frase aleatória - Menu Superior",
"Opcao 02 - Outra Frase aleatória - Menu Su",
"Opcao 03 - Mais 01 Frase - Menu",
"Opcao 04 - Mais Frase -",
"Opcao 05 - Frase Simples");
foreach($textos as $texto) {
echo preg_replace('/^\w+ (\d+ -[^\-]+)( -.*)?$/', '$1', $texto), PHP_EOL;
}
O resultado é:
01 - Frase aleatória
02 - Outra Frase aleatória
03 - Mais 01 Frase
04 - Mais Frase
05 - Frase Simples
Se quiser, pode passar o array inteiro para preg_replace
, que o retorno será outro array com as substituições feitas:
$textos = array(
"Opcao 01 - Frase aleatória - Menu Superior",
"Opcao 02 - Outra Frase aleatória - Menu Su",
"Opcao 03 - Mais 01 Frase - Menu",
"Opcao 04 - Mais Frase -",
"Opcao 05 - Frase Simples");
var_dump(preg_replace('/^\w+ (\d+ -[^\-]+)( -.*)?$/', '$1', $textos));
Saída:
array(5) {
[0]=>
string(21) "01 - Frase aleatória"
[1]=>
string(27) "02 - Outra Frase aleatória"
[2]=>
string(18) "03 - Mais 01 Frase"
[3]=>
string(15) "04 - Mais Frase"
[4]=>
string(18) "05 - Frase Simples"
}
Caracteres acentuados
Na regex acima, \w
não considera caracteres acentuados, então se a string começar com "Opção", por exemplo, não funcionará. Outro detalhe é que \w
também considera números e o caractere _
. Se quiser somente letras, uma opção é usar as propriedades Unicode (usando a categoria L
- que considera todas as letras, inclusive de outros alfabetos, como o japonês, coreano, cirílico, etc), não esquecendo de usar o modificador u
(logo depois da segunda /
na regex):
// trocar \w por \p{L} e adicionar a opção "u" na regex, para considerar letras acentuadas
var_dump(preg_replace('/^\p{L}+ (\d+ -[^\-]+)( -.*)?$/u', '$1', $textos));
Se quiser deixar o \w
, basta adicionar a opção u
(lembrando que o \w
também considera números e o _
):
var_dump(preg_replace('/^\w+ (\d+ -[^\-]+)( -.*)?$/u', '$1', $textos));
Espaços
As opções acima funcionam para quando há apenas um espaço separando as palavras, números e hífens.
Mas caso haja mais de um espaço separando essas partes, pode usar \s+
(um ou mais espaços). Além disso, modifiquei um pouco a regex para o caso de ter mais de um espaço antes do segundo hífen (por exemplo, "Opção 01 - Frase aleatória - Menu Superior"
):
var_dump(preg_replace('/^\w+\s+(\d+\s+-\s+([^\-\s]+(\s+[^\-\s]+)*))(\s+-.*)?$/u', '$1', $textos));
Para o trecho entre os dois hífens, usei [^\-\s]+(\s+[^\-\s]+)*
:
[^\-\s]+
: uma ou mais ocorrências de qualquer coisa que não seja hífen nem espaço
(\s+[^\-\s]+)*
: zero ou mais ocorrências de "espaços, seguido de vários caracteres que não sejam hífen ou espaço"
Com isso, eu capturo o texto "Frase aleatória"
, sem o risco de pegar o segundo hífen, nem os espaços que tem antes dele (mas pegando os espaços entre as palavras). Pode parecer uma complicação extra, pois você pode pensar "por que não usar .*?
que é mais simples?". O que me leva a outro tópico: a eficiência de uma regex.
Eficiência
Apenas para efeito de comparação com a resposta do usuário @Park (que também está certa, não estou criticando, apenas comparando as soluções), a regex que sugeri é mais eficiente. O regex101.com possui uma ferramenta de debugging que é bem interessante para ver como a regex se comporta.
No caso da regex (\d+\s+[-]\s+.*?(?=\s+-)|\d+\s+[-].*)
, veja que ela leva entre 67 e 137 passos (dependendo da string) para encontrar um match. Já a regex que sugeri leva no máximo 21 passos. A segunda versão, com \s+
em vez de espaço, leva no máximo 29 passos.
E caso a string não corresponda à regex, a que eu usei demora menos para perceber isso e reportar um no-match (53 passos contra 149 - a segunda versão, com \s+
, também precisa de 53 passos).
Dito isso, obviamente estes resultados são estimativas e os números exatos dependem de como a engine interna do PHP é implementada: tanto os links do regex101.com que coloquei acima quanto as funções preg_xxx
usam uma engine PCRE (Perl Compatible Regular Expressions), mas dependendo da regex e das strings utilizadas, algumas linguagens fazem otimizações internas em alguns casos, por exemplo. Mesmo usando o mesmo tipo de regex (PCRE), os números podem variar de uma linguagem/engine/ferramenta para outra.
Mas de qualquer forma os números reais não devem mudar muito. A regex da outra resposta usa alternância (|
) (o que sempre faz ela tentar todas as alternativas, até uma dar certo) e .*?
, que faz a engine testar várias possibilidades (afinal, significa "zero ou mais ocorrências de qualquer caractere"), e isso faz com que ela execute vários passos adicionais (no caso de strings que não satisfazem a regex, ela precisa testar todas as possibilidades até ter certeza de que não dá mesmo).
A minha regex até usa .*
, mas é no final da string e dentro de um bloco opcional, o que reduz um pouco este overhead, além de não ter alternância (uma única alternativa a se testar em vez de duas) e usar [^\-]
(qualquer caractere que não seja hífen), que gera menos possibilidades do que o .
(que é "qualquer caractere", o que aumenta exponencialmente as possibilidades, já que o próprio hífen pode ser incluído se a regex achar necessário).
O fato de eu ter usado ^
e $
também ajuda nesse sentido, pois sem eles a regex é testada novamente a cada posição da string, até encontrar o ponto em que ela é satisfeita. Usando ^
elimina esses passos a mais, pois ela já sabe que deve sempre buscar do início da string. Ou seja, vários detalhes que isoladamente parecem "bobos", mas juntos fazem diferença.
É claro que para uma quantidade pequena de strings curtas, a diferença será insignificante (provavelmente será de milissegundos ou até menos), mas se for lidar com uma grande quantidade de dados, pode ser que faça diferença. Inclusive, usar .*
pode causar um aumento exponencial de passos, dependendo do caso (aumentar 3 caracteres na string inválida, por exemplo, só adiciona mais 3 passos na minha regex (de 53 para 56, inclusive na segunda versão com \s+
), enquanto na outra adiciona 15 (pula de 149 para 164)).
Não sei se você vai lidar com uma quantidade tão grande de dados a ponto de fazer alguma diferença no desempenho, mas de qualquer forma fica registrada a alternativa.