Considerando que o delimitador terminal só pode aparecer uma única vez, e que ele é de apenas um caracter no seu exemplo é o %
), fiz um pequeno ajuste na resposta do nullptr para tal fim:
ENERGIA ELETRICA CONSUMO[^%]*%
Agora, em termos gerais:
Para qualquer sequência iniciadora INIT
, podendo ela ser repetida na sequência, e um terminador @
de um caracter que não pode estar contido exceto no final da sequência:
INIT[^@]*@
Para um iniciador qualquer de um caracter £
que não pode ser repetido dentro e um terminador de um caracter que também não pode ser repetido:
£[^£@]*@
Se for plausível aceitar um caracter de escape (fingindo ser o #
), em que o escape pode se escapar também, e que o iniciador £
ou o terminador @
podem ser escapados no meio da sequência (não podendo aparecer livres):
£([^#£@]|#.)*@
Aqui, vale uma explicação:
- começa com
£
, como esperado de um iniciador
- termina com um
@
, como esperado de um terminador
- pode conter um grupo com diversas repetições de
g1
ou g2
g1
é qualquer caracter que não seja escape, iniciador ou terminador
g2
é o escape seguido de qualquer coisa, incluindo (mas não limitado a): iniciador, escape e terminador
Como consequência da montagem de g1
, um escape só poderá aparecer em elemento de g2
. E g2
começa garantidamente com um escape e tem um outro caracter; logo, não há escapes faltando, eles estão sempre seguidos de algo.
Se por acaso a sequência que não pode se repetir no meio for de mais de 1 caracter, a coisa fica um pouco mais complicada e feia de se escrever.
Note que estou usando aqui apenas regex "pura", possível de ser representada por um autômato de estados finito; logo, retrovisores estão fora do meu escopo de escrita abaixo
Tome, por exemplo, a sequência @€
como terminadora, e que eu preciso que ela não se repita. Assumindo que o iniciador £
pode se repetir, e também na ausência de escapes.
Um simples @
não significa que a sequência foi preenchida. Para tal, é necessário que o próximo caracter não seja €
. E também pode ocorrer o caso de que o @
seja a parte logo anterior ao terminador @€
. Então eu preciso pegar, no miolo da regex:
- um
@
sucedido por qualquer coisa que não seja €
- o próprio
€
desde que garantido que não haja algum casamento com algo que termine em @
no meio da repetição
- possivelmente uma fração do terminador
Posso separar o miolo na parte de passível repetição e na parte de incompletude. Assim, a parte de incompletude, para um terminador de 2 caracteres apenas, é (@+)?
(já já explico a cruz de Kleene). E a parte passível de repetição?
([^@]|@+[^€])*
Assim, eu posso ter uma sequência arbitrária dentro dessa repetição que, garantidamente, não vai terminar com @
. A repetição é composta de 2 grupos: g1
que é qualquer coisa menos o primeiro caracter do terminador, e g2
, que é o caracter iniciador seguido de necessariamente algo que quebre a sequência do terminador.
Então, para permitir também a parte inicial do terminador, permito que seu primeiro caracter se repita infinitamente, de modo opcional, após essa sequência, ficando assim toda a regex:
£([^@]|@+[^€])*(@+)?@€
E se o terminador fosse de 3 caracteres? Como o @€¥
?
Bem, a ideia é semelhante, mas vai precisar negar no primeiro caracter, no segundo caracter e no terceiro caracter a sequência. Como fazemos isso?
- a negação do primeiro caracter é direta:
[^@]
- a negação do segundo caracter em diante deve assumir a presença do primeiro caracter, com possibilidade de repetição, então vou colocá-las todas em um grupo precedido de
@*
- a negação do segundo caracter (já considerando que foi tratada externamente a repetição do primeiro caracter), começa assumindo que seu casamento positivo para o primeiro caracter e negando o segundo caracter:
@[^€]
- a negação do terceiro caracter (também assumindo que já foi tratada a repetição do primeiro caracter) precisa assumir que deram certo os dois primeiros caracteres:
@€[^¥]
Então, fica assim a parte passível de repetição:
([^@]|@*(@[^€]|@€[^¥]))*
Para a parte de sequência incompleta, só tirar as listas negadas e a estrela de Kleene final, substituindo-a pela possibilidade de presença. Vou denotar como ''
a string de comprimento 0 apenas por uma questão de visualização, em seguida eliminando-a:
(''|@*(@''|@€''))?
Como não faz sentido algo concatenado da string vazia na regex desejada:
(''|@*(@|@€))?
Como não faz sentido a opção entre nada ou outra coisa, sempre recaindo sobre a outra coisa:
(@*(@|@€))?
Poderia seguir aqui apenas com isso, mas, se você prestar atenção, isso pode ser substituído por algo mais expressivo:
(@*(@(€)?)?)?
Onde cada parêntese após a repetição do primeiro caracter da sequência terminadora indica que é opcional aquela subsequência. Note, também, que só faria sentido dar casamento nesse grupo se e somente se tiver pelo menos uma parte da sequência, e que necessariamente deve ser o primeiro caracter. Portanto, isso poderia ser reescrito assim:
(@+(€)?)?
Tirando parênteses redundantes:
(@+€?)?
Note, porém, que esse mesmo algoritmo poderia ser usado para uma string arbitrária abcdefX
:
(a+(b(c(d(ef?)?)?)?)?)?
Essa expressão casa com qualquer subsequência do início de abcdefX
E como ficaria toda a expressão?
£([^@]|@*(@[^€]|@€[^¥]))*(@+€?)?@€¥
Dá para expandir essa lógica para mais caracteres, mas devo assumir que é bem trabalhoso e o tamanho aumenta exponencialmente. Também não levei em consequência a possibilidade de haver caracteres repetidos na sequência terminadora, isso pode eventualmente gerar um caso complexo que não foi devidamente tratado.