2

Por exemplo, quero pegar a string abaixo:

TEXTO ACIMA

EXMO. SR. DR. JUÍZ DE DIREITO DO JUIZADO ESPECIAL CÍVEL DA COMARCA DA CAPITAL

TEXTO ABAIXO

A palavra EXMO. pode eventualmente ser substituída por EXCELENTISSIMO e a palavra JUIZADO por VARA.

Tentei usar a regex abaixo, mas não consegui muita coisa:

re.findall(r'((?:exmo|excelentissimo))', text, re.IGNORECASE)

Alguém tem alguma ideia de como posso proceder para conseguir pegar esse pedaço de string por completo?

1 Resposta 1

2

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.

9
  • Entendi, meu amigo. Grato pelas explicações. Tenho mais uma dúvida: há casos em que aparece ESPECIAL CIVEL e apenas CIVEL. Como faço para esses casos? 7/02/2019 às 23:30
  • 1
    @AntonioBrazFinizola Se "ESPECIAL" é opcional, faça (?: ESPECIAL)? CÍVEL (atenção para o espaço antes do "ESPECIAL"). O ? depois do parênteses torna todo o conteúdo entre parênteses opcional.
    – hkotsubo
    7/02/2019 às 23:36
  • (?: ESPECIAL)? não funcionou, porém ?(?: ESPECIAL)?, com um primeiro '?' à frente. Grato! 7/02/2019 às 23:45
  • @AntonioBrazFinizola Talvez vc tenha colocado um espaço a mais (ou algum outro detalhe), pois comigo funcionou: ideone.com/UubJ61
    – hkotsubo
    7/02/2019 às 23:48
  • Blz, vou averiguar. Agradeço mais uma vez pelos detalhe. Ajudaram muito. 7/02/2019 às 23:52

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 .