4

Tenho estudado regex há algum tempo e me deparo agora com um problema: capturar todos os números, inclusive decimais, que não estejam dentro de aspas simples.

Estou criando uma espécie de viewer para códigos PHP a fim de aprender a utilizar melhor as regex. Tenho a seguinte regex funcionando, ela retorna pra mim todos os números decimais de uma dada string:

preg_match_all('/(\d+\.\d+)/', $text, $matches, PREG_SET_ORDER, 0);

O que eu gostaria é de retornar não somente os decimais, mas todos os caracteres numéricos que não estejam dentro de aspas simples. Alguma ideia de como eu poderia fazer isso? Agradeço qualquer iluminação, pois estou totalmente no escuro, já tentei diversas combinações de regex e nenhuma deu certo. Realizo os meus testes sempre no regex101.com.

OBS: eu consigo retornar todos os caracteres numéricos DENTRO das aspas e não somente os que estiverem de fora delas:

preg_match_all('/(\'(\d+)\')/', $text, $matches, PREG_SET_ORDER, 0);

2 Respostas 2

7

Embora seja possível fazer uma regex - possivelmente bem complicada - envolvendo lookaheads e lookbehinds, acho mais fácil usar um pequeno "truque" que se utiliza de grupos de captura.

Basicamente, se você tem uma string como esta:

$texto = "123 abc '456' def789'112' ghi";

Pelo que entendi, você só quer capturar 123 e 789, pois são os números que não estão entre aspas simples ('). Então você poderia ter uma expressão assim:

preg_match_all("/\'\\d+\'|(\\d+)/", $texto, $matches);

Esta regex usa alternância (|) para dizer que quer uma coisa ou outra. Essas "coisas" são:

  1. número entre aspas simples: '\d+', ou
  2. número (sem as aspas) e dentro de parênteses, para formar um grupo de captura: (\d+)

Lembrando que alguns caracteres da regex estão devidamente escapados com \ por estarem dentro de uma string.

Com isso, um match da regex pode cair em um dos 2 casos:

  • se o número estiver entre aspas simples, cai no primeiro trecho
  • senão, cai no segundo trecho

Se cai no primeiro caso, o grupo de captura não é preenchido, e se cai no segundo trecho, o grupo de captura é preenchido.

Portanto, para pegar os números que não estão entre aspas simples, basta verificar se o grupo de captura está preenchido. E para que o array retorne em um formato mais fácil de verificar isso, podemos usar a opção PREG_SET_ORDER:

$texto = "123 abc '456' def789'112' ghi";
preg_match_all("/\'\\d+\'|(\\d+)/", $texto, $matches, PREG_SET_ORDER, 0);
var_dump($matches);

Este código produz a seguinte saída:

array(4) {
  [0]=>
  array(2) {
    [0]=>
    string(3) "123"
    [1]=>
    string(3) "123"
  }
  [1]=>
  array(1) {
    [0]=>
    string(5) "'456'"
  }
  [2]=>
  array(2) {
    [0]=>
    string(3) "789"
    [1]=>
    string(3) "789"
  }
  [3]=>
  array(1) {
    [0]=>
    string(5) "'112'"
  }
}

Repare que, nos matches que caem no segundo caso (número não está entre aspas simples), o array possui 2 posições. A primeira corresponde a todo o match, e a segunda corresponde ao grupo de captura (neste caso são iguais, mas dependendo da expressão, pode não ser).

Já nos casos em que o número está entre aspas, o respectivo array só possui uma posição, pois nestes casos o grupo de captura não é preenchido.

Então basta percorrer o array de matches e verificar quais dos arrays internos possui o grupo de captura setado (ou seja, é só ver se o tamanho é maior que 1):

foreach ($matches as $m) {
    if (count($m) > 1) { // grupo de captura preenchido (número não está entre aspas)
        echo $m[1]. "\n";
    }
}

A saída deste foreach é:

123
789

Se quiser números com casas decimais, basta trocar \d+ por \d+\.\d+ (que dentro da string ficaria \\d+\\.\\d+) ou qualquer outra expressão que estiver usando para capturar os números.

Se as casas depois da vírgula forem opcionais, por exemplo, pode usar \d+(?:\.\d+)?. Não é o foco específico da pergunta, mas a validação de números pode se tornar complicada, pois tudo depende de quais casos você quer considerar.


Como lembrado pelo @fernandosavio nos comentários, é possível delimitar a string com aspas simples também, assim a \ não precisa ser escrita como \\:

preg_match_all('/\'\d+\'|(\d+)/', $texto, $matches, PREG_SET_ORDER, 0);

Veja aqui um exemplo.


Este "truque" foi baseado neste tutorial.

6
  • 1
    Realmente perfeito. Deu o resultado que eu esperava obter e sem o menor dos problemas. Aliás, excelente explicação de tudo envolvido. Vou ler mais a fundo os links externos agora para me aprofundar mais no assunto e melhorar minhas habilidades. Estou utilizando o preg_match_all("/\'\d+(?:\.\d+)?\'|(\d+(?:\.\d+)?)/", $texto, $matches, PREG_SET_ORDER, 0); Agradeço mais uma vez. Commented 19/12/2018 às 17:19
  • 1
    @DiegoBorges Dois sites que acho muito bons para aprender regex são este e este <- este último possui alguns tópicos bem avançados, inclusive, e é de onde tirei esta solução. E prepare-se para ler bastante, pois regex é um assunto sem fim! Quanto mais estudo, mais percebo que não sei nem a metade.. :-)
    – hkotsubo
    Commented 19/12/2018 às 17:22
  • 2
    Só uma dica, quando for criar regex no PHP é mais fácil usar aspas simples, pois aspas simples não fazem o parse da barra invertida como um caractere especial. Ex.: echo "0\t1"; // "0 1" e echo '0\t1"; // "0\t1' Commented 19/12/2018 às 19:53
  • 1
    Gostaria de estar na tua situação.. hahahaha Commented 19/12/2018 às 20:32
  • 2
    Deu uma excelente aula! Regexp é um tópico mt gostoso de praticar / discutir.
    – LipESprY
    Commented 19/12/2018 às 20:40
2

Criei uma REGEX que acredito que atende a sua necessidade:

(?<=\s|^)(\d+[.,]{1}\d+|\d+)+(?=\s|$)

Faça um teste:

12,2 12.1021 14 '51' '1' '23323' 12

A única regra para ele funcione é que os números estejam separados por espaços.

Explicações a lá @GuilhermeNascimento:

(?<=\s|^)(\d+[.,]{1}\d+|\d+)+(?=\s|$)
  ^       ^            ^       ^
  .       .            .       ................ tem que ser o final da string ou ter espaços
  .       .            ............... pega apenas numeros
  .       .
  .       ................. pega numeros que possam ter (. ou ,) com numeros depois
  .
  ............... positive lookbehind (se houver espaçamento antes) ou é o inicio da string

Os número que serão resgatados são:

12,2 
12.1021 
14
12

Ficaria assim o código:

$string = "12,2 12.1021 14 '51' '1' '23323' 12";

preg_match_all("/(?<=\s|^)(\d+[.,]{1}\d+|\d+)+(?=\s|$)/", $string, $output_array);

print_r($output_array);

Veja o Funcionando

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 .