4

Tenho a seguinte array em PHP:

[
"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",
]

Preciso limpar ela para ficar assim:

01 - Frase aleatória",
02 - Outra Frase aleatória",
03 - Mais 01 Frase",
04 - Mais Frase",
05 - Frase Simples", 

E tenho que fazer isto com regex. Como seria a sequência para este filtro?

6
  • Já tentou isso sem aspas? "\d+\s+[-]\s+\w+\s+\d+"
    – sYsTeM
    Commented 9/03/2019 às 0:44
  • Qual linguagem? você já tem algum contexto de codigo que não tem funcionado? Commented 9/03/2019 às 0:50
  • @Park olha eu acabei de tentar e não deu certo. Não traz nada de resposta. Até o \w deu certo mas depois ja da erro. Obrigado Commented 9/03/2019 às 0:57
  • @MartinsLuan vou usar no PHP. Commented 9/03/2019 às 0:57
  • 1
    @hkotsubo feito amigo. Acho que melhorou agora. Obrigado pela dica. Commented 9/03/2019 às 1:12

3 Respostas 3

5

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.

1
  • 1
    Vc sempre me surpreendendo com regex. Daria mais de um upvote se fosse possível! Kk
    – LipESprY
    Commented 9/03/2019 às 19:25
2

Tente o seguinte:

\d+\s+-[^-]*

Como você prefere sem os espaços, tente isso:

\d+\s+-[^-]*(?=\s)

Há outras formas de você fazer isso:

  • 1) \d+\s+-.*?(?=\s+-|$) veja

  • 2) \d+\s+-(?:\s.*?(?=\s+-)|.+) veja

  • 3) (\d+\s+[-]\s+.?(?=\s+-)|\d+\s+[-].) veja

  • 4) \d+\s+-(?:\s+\S*(?:\s(?!\s*-)\S*)*|.+) mais eficiente que as outras. Veja

A quarta opção é muito eficiente porque os pedaços até um espaço em branco são combinados em "lotes", as verificações de um hífen são feitas somente quando um espaço em branco é encontrado.

3
  • Cara deu certinho a unica coisa é que ele ta pegando o ultimo espaçõ antes do -. Tem como remover este espaço do final? Commented 9/03/2019 às 1:54
  • @Joao Nivaldo Dá sim, atualizei a resposta
    – sYsTeM
    Commented 9/03/2019 às 1:57
  • 1
    Deu certinho agora. Muito obrigado. Commented 9/03/2019 às 2:07
-1

Você precisa usar a função chamada str_replace, fiz um exemplo pra você

<?php    
function limpar_stringl($string){ // replace para limpar variaveis Opcao 01 - Item 01 - Menu Superior
    $string = str_replace('Opcao','', $string);
    $string = str_replace(' - Menu Superior','', $string);
    return $string;
}
echo limpar_stringl("Opcao 01 - Item 01 - Menu Superior");
  1. Sempre que quiser refatorar um novo caractere ou conjunto de caracteres palavras etc você vai precisar adicionar uma nova linha no codigo
  2. Relacionar o item$string = str_replace('caractere ou palavra','', $string);
1
  • Eu preciso como disse fazer com o REGEX. Obrigado Commented 9/03/2019 às 1:11

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 .