3

Em python, estou tentando capturar uma substring definida por blocos, contudo a palavra "blocos" se repete no texto e gostaria de obter a substring até a primeira ocorrência desta. Neste exemplo o retorno traz até a última ocorrência:

import re
TXT = "Este é um texto de teste para verificar a captura de blocos que estão dentro de uma String. E agora inserimos outros blocos para confundir."
texto = re.search("teste.*blocos", TXT)
print(texto[0])

1 Resposta 1

2

Isso acontece porque o quantificador * é ganancioso (greedy quantifier): ele tenta pegar o máximo possível de caracteres que satisfaça a expressão.

Para cancelar a ganância, basta colocar um ? logo depois do *:

texto = re.search("teste.*?blocos", TXT)

Com isso, será capturado apenas o trecho até a primeira ocorrência de blocos.

Como *? pega o mínimo necessário para satisfazer a expressão, é chamado de quantificador preguiçoso (lazy quantifier).


Apenas um detalhe, se sua string for como o exemplo abaixo:

TXT = "teste com cablocos com blocos que tem mais blocos."
texto = re.search("teste.*?blocos", TXT)

O trecho capturado será teste com cablocos. Se quiser somente a palavra blocos (e não cablocos), use \b para delimitar a palavra:

TXT = "teste com cablocos com blocos que tem mais blocos."
texto = re.search(r"teste.*?\bblocos\b", TXT)

Com isso, o trecho capturado será teste com cablocos com blocos.

Detalhe que agora usei r"teste..." para criar uma raw string, pois assim o caractere \ não precisa ser escapado. Sem o r, eu teria que escrevê-lo como \\:

# sem o r"..." o caractere "\" deve ser escrito como "\\"
texto = re.search("teste.*?\\bblocos\\b", TXT)

Como \ é um caractere bastante usado em expressões regulares, é interessante usar raw strings para deixar a expressão menos confusa.


Eu sei que a palavra correta é "caboclos", mas não consegui achar um exemplo melhor.

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 .