Antes de mais nada, não precisa de dois pares de parênteses seguidos.
Quando há parênteses, eles formam um grupo de captura. Ou seja, o que está dentro deles estará disponível em um grupo, caso a regex encontre um match. Esse é o comportamento padrão dos parênteses.
Mas quando você não quer capturar um grupo, e apenas agrupar sub-expressões, usa-se a sintaxe (?:
, que define um grupo de não-captura. Basicamente, isso diz que o par de parênteses não deve criar um grupo, caso a regex encontre um match.
Por isso fazer ((?:...))
é meio estranho. É um grupo de não-captura dentro de um grupo de captura, ou seja, você disse que quer capturar algo, e esse algo é "uma coisa que não quero capturar". Contraditório e desnecessário, então a primeira coisa é eliminar isso (e dependendo do caso, escolher apenas um deles, caso seja preciso).
De qualquer forma, o que está dentro dos parênteses é exmo|excelentissimo
, que significa "a string exmo
ou a string excelentissimo
". Esta regex pega somente este trecho, ignorando o restante da string.
Para pegar a linha toda, basta usar uma regex que pegue todo o texto:
import re
text = """
TEXTO ACIMA
EXMO. SR. DR. JUÍZ DE DIREITO DO JUIZADO ESPECIAL CÍVEL DA COMARCA DA CAPITAL
TEXTO ABAIXO
EXCELENTISSIMO. SR. DR. JUÍZ DE DIREITO DA VARA ESPECIAL CÍVEL DA COMARCA DA CAPITAL
MAIS TEXTO"""
results = re.findall(r'^(?:EXMO|EXCELENTISSIMO)\. SR\. DR\. JUÍZ DE DIREITO (?:DO JUIZADO|DA VARA) ESPECIAL CÍVEL DA COMARCA DA CAPITAL$',
text, re.IGNORECASE | re.MULTILINE)
for result in results:
print(result)
Repare que usei (?:EXMO|EXCELENTISSIMO)
e (?:DO JUIZADO|DA VARA)
para as partes que podem ser uma coisa ou outra. Eu usei grupos de não-captura - repare na sintaxe (?:
- pois segundo a documentação de findall
, quando há grupos de captura na regex, somente os grupos são retornados. Mas como você quer a string inteira, eu usei grupos de não-captura.
Já o restante do texto, como não muda, pode ser exatamente o que você quer ("SR. DR. JUIZ etc"). A única exceção é o ponto, já que em regex ele possui significado especial (significa "qualquer caractere"), então ele deve ser escapado e escrito como \.
.
Outro detalhe são os marcadores ^
e $
, que normalmente significam o início e fim da string. Mas graças à flag MULTILINE
, eles também são interpretados como o início e fim de uma linha. Com isso você garante que a linha contém somente o que está especificado na regex.
O código acima imprime:
EXMO. SR. DR. JUÍZ DE DIREITO DO JUIZADO ESPECIAL CÍVEL DA COMARCA DA CAPITAL
EXCELENTISSIMO. SR. DR. JUÍZ DE DIREITO DA VARA ESPECIAL CÍVEL DA COMARCA DA CAPITAL
Como você usou a flag IGNORECASE
, a regex também pegará trechos com letras minúsculas ("exmo. sr. dr. etc...") e até mesmo maiúsculas e minúsculas misturadas ("eXMo. sR. Dr ..."). Se quiser que ela pegue somente letras maiúsculas, remova esta flag (mas não se esqueça de manter o MULTILINE
):
results = re.findall(r'^(?:EXMO|EXCELENTISSIMO)\. SR\. DR\. JUÍZ DE DIREITO (?:DO JUIZADO|DA VARA) ESPECIAL CÍVEL DA COMARCA DA CAPITAL$',
text, re.MULTILINE)
Quando fui editar sua pergunta, vi que o texto estava ocupando 3 linhas:
EXMO. SR. DR. JUÍZ DE DIREITO
DO JUIZADO ESPECIAL
CÍVEL DA COMARCA DA CAPITAL
Não sei se é assim mesmo ou se deveria estar tudo em uma linha. Em todo caso, podemos trocar o espaço depois de "DIREITO" e "ESPECIAL" por \s
, que considera tanto o espaço quando a quebra de linha:
results = re.findall(r'^(?:EXMO|EXCELENTISSIMO)\. SR\. DR\. JUÍZ DE DIREITO\s(?:DO JUIZADO|DA VARA) ESPECIAL\sCÍVEL DA COMARCA DA CAPITAL$',
text, re.MULTILINE)
Se quiser, também pode usar [ \n]
(um espaço ou \n
- repare que há um espaço depois do [
), já que \s
também considera outros caracteres, como o TAB e outros mencionados na documentação.