Como você disse que a expressão pode ser "qualquer coisa", estou supondo que possa ter mais de um par de parênteses aninhados, como por exemplo:
690.91+(1.3*(4-7/(3+6.4)))
A sua regex não consegue detectar isso, por causa dos parênteses aninhados. Na verdade, têm outros problemas também. Por exemplo, você se preocupou tanto em validar os casos mais complexos (como +(690.91)
) que acabou deixando passar os casos mais simples, como 1+1
(veja aqui).
Alguns detalhes da sua regex:
[\(]
é o mesmo que \(
(que aliás, é o mesmo que [(]
, pois dentro de colchetes, muitos caracteres não precisam ser escapados com \
, veja um exemplo). De qualquer forma, se você quer capturar apenas um caractere, não precisa dos colchetes, então para verificar uma abertura de parênteses, bastaria usar \(
.
- o mesmo vale para
[.]
, que pode ser escrito apenas como \.
- os colchetes são úteis quando há mais de um caractere possível (ex:
[ab]
significa "a letra a
ou a letra b
"), mas quando você só quer capturar um caractere, eles são desnecessários
- o quantificador
{1}
significa "exatamente uma ocorrência", mas por default, qualquer coisa que você use em uma regex já indica que você quer uma ocorrência daquilo. Então [1-9]{1}
é o mesmo que [1-9]
.
- na primeira parte da regex você usou
([1-9]{1}[0-9]+)[.]?[0-9]+
(um dígito de 1 a 9, seguido de um ou mais dígitos de 0 a 9, seguido de um ponto opcional, seguido de um ou mais dígitos de 0 a 9). Ou seja, este trecho só valida números que tenham pelo menos 3 dígitos (caso não tenha o ponto), ou pelo menos 2 dígitos antes do ponto (veja). Por isso que a regex não valida 1+1
.
- nos outros trechos você usa
?
em vez de +
, o que torna alguns trechos opcionais (por isso o segundo número pode ter menos que 3 dígitos, como em 690+1
)
- você deixou opcionais tanto a abertura quanto o fechamento de parênteses. Isso quer dizer que sua regex aceita expressões que tem um parênteses aberto, mas que não tem o respectivo fechamento, ou que não tem a abertura mas tem o fechamento (exemplo).
Corrigindo/melhorando...
Para os números, você poderia usar algo como -?(?=[1-9]|0(?!\d))\d+(?:\.\d+)?
.
Ela começa com o sinal de menos opcional (-?
). Depois temos um lookahead - o trecho dentro de (?=
- que verifica se o que está à frente é um dígito de 1 a 9 ou um zero que não esteja seguido de outro dígito (o caractere |
significa ou e o trecho 0(?!\d)
garante que não existe um dígito à frente do zero). Assim a expressão pode ter o número zero sozinho (0
), mas não pode ter 09
, por exemplo).
Depois temos \d+
(um ou mais dígitos), seguido opcionalmente por um ponto e mais dígitos (assim podemos ter 10
e 10.1
).
Se você quiser que a regex também aceite números como .123
(que é outra forma de escrever 0.123
), basta mudar para -?(?:(?=[1-9]|0(?!\d))\d+(?:\.\d+)?|\.\d+)
- isso quer dizer que ela aceita números da maneira já explicada acima ou um ponto seguido de um ou mais dígitos. (veja aqui alguns exemplos desta regex).
Depois, para a expressão aritmética em si, não basta fazer um monte de sub-expressões e deixá-las opcionais. É preciso verificar, entre outras coisas, se os parênteses estão balanceados (para cada abertura há o fechamento correspondente).
O outro problema é que a expressão pode ter vários níveis de aninhamento dos parênteses, então não bastaria fazer como você fez (várias opções diferentes seguidas), pois as possibilidades são muitas: expressões sem parênteses, com 1 par de parênteses em cada operando, com vários pares aninhados em cada operando, etc.
Sem contar que sua regex limita a expressão a apenas 6 operandos (ex: +690.91+1-2-1-3-4
). Se adicionarmos mais um (como +690.91+1-2-1-3-4-1
), ela não é mais validada (veja). (Este caso até daria para resolver trocando os ?
no fim de cada trecho por *
(zero ou mais ocorrências), mas ainda sim não resolveria os outros problemas já citados).
A solução, neste caso, é usar padrões recursivos e sub-rotinas (regex deliberadamente copiada daqui e adaptada para o caso em questão):
$regex = '{
(?(DEFINE)
(?<number> (?: -? (?: (?= [1-9]|0(?!\d) ) \d+ (?:\.\d+)? ) | \.\d+ ) )
(?<sign> (?: [-+] ))
(?<expr> (?: (?&term) (?: \s* [-+] \s* (?&expr))? ))
(?<term> (?: (?&factor) (?: \s* [/*] \s* (?&term))? ))
(?<factor> (?: (?&number) |
(?&sign) \s* (?&factor) |
\( \s* (?&expr) \s* \)))
)
^ \s* (?&expr) \s* $
}x';
Essa regex é bem complexa. O primeiro trecho (dentro do bloco (?(DEFINE)
) define sub-rotinas. Basicamente, são criadas "sub-expressões", cada uma um nome. A sintaxe (?<nome>
define a sub-rotina, e a sintaxe (?&nome)
substitui este trecho pela regex correspondente.
Por exemplo, a primeira sub-rotina se chama "number" (sua definição está dentro do trecho delimitado por (?<number>
), e ela corresponde à regex que verifica um número (a mesma já citada acima). Em seguida, nas outras sub-rotinas vemos o uso de (?&number)
- este trecho é substituído pela regex correspondente.
Depois temos a sub-rotina "sign", que captura o sinal ([-+]
, um sinal de menos ou de mais). Em seguida definimos as sub-rotinas "factor", "term" e "expr":
- um "expr" pode ter um "term" sozinho, ou somado/subtraído a outra "expr"
- um "term" pode ser um "factor" sozinho, ou multiplicado/dividido por outro "term"
- um "factor" pode ser um "number", ou um "factor" com um "sign" antes, ou uma "expr" entre parênteses
Repare que a estrutura é recursiva (por isso a regex consegue verificar vários parênteses aninhados e expressões de qualquer tamanho). E em vários lugares eu uso \s*
(zero ou mais espaços), assim a regex permite que hajam espaços na expressão.
Depois do bloco DEFINE
, há a regex propriamente dita: ^ \s* (?&expr) \s* $
. Os marcadores ^
e $
são, respectivamente, o início e fim da string. Depois temos espaços opcionais no início e fim, e no meio deles temos a expressão.
Outro ponto importante é que eu uso o modificador x
(no final da string), pois isso faz com que a regex ignore as quebras de linha e os espaços em branco. Isso permite escrevê-la da maneira acima (com vários espaços e quebras de linha, deixando-a mais organizada e um pouco mais fácil de ler). Se eu não usasse o x
, toda a regex acima teria que ser escrita em uma única linha, e sem espaços - o que a tornaria ainda mais difícil de ser lida e entendida.
Outro detalhe é que, em vez de delimitar a regex com /
, eu usei chaves ({}
). Com isso, as barras dentro da regex não precisam ser escritas como \/
(tudo bem que só há uma barra na regex, mas particularmente, eu prefiro minimizar a quantidade de \
sempre que possível).
Testando a regex:
$list = array('+(690.91)+1', '+(690/2)+20.01+(10*3)-010', '+(690/2)+20.01+(10*3)-10', '690',
'690/09', '690/9', '1+1', '690 + 1', '10+(10*10)-20', '690.91+(1.3*(4-7/(3+6.4)))',
'690.91+(01.3*(4-7/(3+6.4)))', '.24+3', '+(690.91+1', '+690.91+1-2-1-3-4-1',
'690.91+(1.3*(4-7/(3+6.4)))/(-1.3*4/(3.2-(1/7.5)))');
foreach ($list as $exp) {
echo $exp. '='. (preg_match($regex, $exp) ? 'ok' : 'nok'), PHP_EOL;
}
Ela está de acordo com os seus exemplos, com o bônus de validar os casos que a sua regex não consegue (parênteses aninhados, 1+1
, expressões com espaços, etc):
+(690.91)+1=ok
+(690/2)+20.01+(10*3)-010=nok
+(690/2)+20.01+(10*3)-10=ok
690=ok
690/09=nok
690/9=ok
1+1=ok
690 + 1=ok
10+(10*10)-20=ok
690.91+(1.3*(4-7/(3+6.4)))=ok
690.91+(01.3*(4-7/(3+6.4)))=nok
.24+3=ok
+(690.91+1=nok
+690.91+1-2-1-3-4-1=ok
690.91+(1.3*(4-7/(3+6.4)))/(-1.3*4/(3.2-(1/7.5)))=ok
Mas talvez regex não seja a melhor solução para o seu caso. Já tentou ver algum parser específico para expressões aritméticas? Apesar de ser legal, regex nem sempre é a melhor solução. Vale lembrar também que a regex só valida a expressão, mas não calcula o seu valor (e nesse caso, uma solução melhor seria usar funções/APIs específicas).