Enquanto que seja possível fazer isso por meio de expressões regulares, eu não acredito que seja o melhor caminho em qualquer linguagem de programação.
(Não sei por que cargas d'água respondi a pergunta achando que era de Python também - mas a maior parte da resposta, exceto o código exato do exemplo, se aplica)
Nomes de meses vão ser bem mais fáceis de checar, verificar, e sobretudo - "pegar o número do mês", para ter um objeto date
real se você verificar esses nomes de mês por fora da expressão regular.
Igualmente se sua aplicação em algum momento for funcionar em outra língua além do português: há frameworks para transformar programas em programas multi-lingua, e em geral eles dependem de você colocar todas as strings de seu programa dentro de uma chamada de função (muitas vezes com um nome destinado a ser quase transparente como _()
). Essa funçao então busca sua string na língua desejada na base de traduções. Se os nomes dos meses estiverem hardcoded dentro da expressão regular, você teria que passar a regexp inteira para o engine de tradução.
Claro que seria possível montar um template da expressão regular, com os nomes dos meses em variáveis externas, e juntar tudo usando interpolação de strings, antes de se chamar a função de expressões regulares - isso é uma das vantagens de em Python expressões regulares serem utilizáveis através de chamadas de função normais, sem ter uma sintaxe especial.
Mas expressçõe regulares já são bem difíceis de ler e manter em código. Expressões regulares alteráveis em runtime seriam ainda mais complicadas de ler.
A minha dica, como no primeiro parágrafo, seria usar a expressão regular para obter os grupos com dia, mês e ano, e em seguida, um mecanismo mais tranquilo, com dicionários e if's para extrair o "mês real".
E aproveitar esse ensejo, para fazer a validação de dias do mês, ano, e etc...também fora do contexto da expressão regular. Vou colocar um exemplo em Python, que é um ótimo pseudo-código para C++ - mas você vai poder ter uma ideia do problema:
Então, em vez de:
def validate_date(text):
if re.search(super_complicated_auto_validating_regexp, text):
return True
return False
É possível escrever algo como:
short_months = {"jan": 1, "fev": 2,...,"dez": 12}
def days_per_month(month, year):
data = {1: 31, 2: 28, 3: 31, 4:30, ...}
if month == 2 and year % 4 == 0 and (not year % 100 == 0 or year % 400 == 0):
return 29
return data[month]
def parse_date(text):
match = re.search(r"(\d{1,2})/(.{1,3})/(\d{2,4})", text)
if not match:
raise ValueError("Invalid date format")
day, month, year = [match.group[i] for i in (1,2,3)]
day = int(day.lstrip("0"))
if not month.isdigit():
month = short_months[month.lower()]
month = int(month.lstrip("0"))
year = int(year):
if year < 50: # assume 2 digit years < 50 are in XXI
year += 2000
elif year <= 99:
year += 1900
if day > days_per_month(month, year):
raise ValueError(f"Invalid day {day} for month {month}")
result = datetime.date(year=year, month=month, day=day)
Perceba que são necessárias mais ou menos 20 linhas de código programático para fazer o parsing e a validação da data. Com a abordagem que você tem de expressão regular, você quer comprimir toda a lógica dessas 20 linhas em uma única 'linha', que na verdade é um mini-programa numa linguagem que não é amigável a manutenção.
Dito tudo isso, a forma mais normal de se fazer parsing e validação de datas "reais" nos vários formatos loucos que usuários possam digitar, ou estar em arquivos, é usar uma biblioteca especializada para isso. Nela, várias pessoas, durante centenas de horas, já deram uma pensada em como tornar a coisa mais amigável e mais a prova de erro - você teria que duplicar esse trabalho no seu código (com chances de fazer errado - veja a sutileza para calcular corretamente anos bissextos - que até a microsoft errou nas primeiras versões do Excel, por exemplo)
Em Python, temos a excelente dateparser, que permite que você faça simplesmente:
>>> import dateparser
>>> dateparser.parse("25/fev/2018", languages=["pt"])
datetime.datetime(2018, 2, 25, 0, 0)
Ela permite muitos outros formatos de data do que o separado por /, inclusive datas escritas por extenso em mais de 20 línguas - e não é propensa a erros por conta de "corner cases".
Em C++ eu buscaria por módulos complementares de data de algum framework que você já poderia estar usando para prover mais funcionalidades à linguagem - deve haver "natural date parsers" usando Qt ou Boost, por exemplo.
29/02/2018
ou29/02/2020
. Em que o primeiro é inválido e o segundo válido.