1

Estou procurando uma regex que aceita caracteres alfa-numéricos, espaços, ' e -.

Esses exemplos devem ser aceitos: "Jean-da Silva", "Carlos 2", "João d'lango".

Exemplos não aceitos: "J@ão", "Carlos*".

1
  • Igor, atualizei a resposta (tinha faltado um break no for - no segundo bloco de código)
    – hkotsubo
    28/08/2019 às 20:29

2 Respostas 2

2

Uma alternativa ("simplista" e "ingênua" - já vamos entender porquê) seria:

String[] v = { "Jean-da Silva", "Carlos 2", "João d'lango", "J@ão", "Carlos*", "teste_1" };
Matcher matcher = Pattern.compile("^[-\\w' &&[^_]]+$", Pattern.UNICODE_CHARACTER_CLASS).matcher("");
for (String s : v) {
    matcher.reset(s);
    System.out.println(s + "=" + (matcher.find() ? "válida" : "inválida"));
}

A regex usa uma classe de caracteres (delimitada pelos colchetes []).

Dentro desta classe de caracteres, temos um hífen, o atalho \w (que corresponde a letras, números e o caractere _), a "aspas simples" ' e um espaço (repare que tem um espaço entre o ' e o &). Como o \w também pega o caractere _, eu uso a sintaxe de intersecção (&&) com uma classe de caracteres negada (o [^_], que exclui o _ deste grupo).

Depois eu uso o quantificador +, que significa "uma ou mais ocorrências". Ou seja, eu posso ter um ou mais caracteres da lista (letras, números, hífen, ' ou espaço). Por fim, eu uso os marcadores ^ e $, que significam respectivamente o início e fim da string. Assim, eu garanto que a string só vai ter esses caracteres.

Só que, por default, o comportamento do atalho \w é não considerar caracteres acentuados. Então eu também uso a opção UNICODE_CHARACTER_CLASS, para que o \w também pegue as letras com acento.

A saída é:

Jean-da Silva=válida
Carlos 2=válida
João d'lango=válida
J@ão=inválida
Carlos*=inválida
teste_1=inválida

Eu também poderia ter usado algo como [0-9a-záéíóúãõâêîôû] para pegar todos os acentos (e aí você acrescenta todos os caracteres que desejar nos colchetes, como a ç, ñ, e quaisquer outros que precisar). Mas \w com a opção UNICODE_CHARACTER_CLASS já abrange todos esses caracteres (no final veremos algumas ressalvas sobre esta solução).


Mas como eu disse, essa regex é ingênua. Se a string for "---", "' -", ou só tiver espaços, ela também é considerada válida.

Uma alternativa um pouco melhor seria quebrar a string pelos separadores (espaço, ' ou hífen) e verificar se cada uma das partes só tem letras e números:

String[] v = { "Jean-da Silva", "Carlos 2", "João d'lango", "J@ão", "Carlos*", "teste_1", "---", "' -" };
Matcher matcher = Pattern.compile("^[\\w&&[^_]]+$", Pattern.UNICODE_CHARACTER_CLASS).matcher("");
for (String s : v) {
    boolean valida = false;
    // quebrar pelos separadores
    for (String parte : s.split("[-' ]")) {
        matcher.reset(parte);
        valida = matcher.find();
        if (!valida) // se encontrou um inválido, pode sair do loop
            break;
    }
    System.out.println(s + "=" + (valida ? "válida" : "inválida"));
}

Agora eu uso split para quebrar a string em partes.

No split eu uso [-' ] como o delimitador, indicando que eu quero separar a string pelos hífens, espaços ou ' (repare que tem um espaço entre o ' e o ]). O resultado é um array contendo as partes da string depois de separadas.

Depois, para cada parte, eu verifico se ela corresponde a ^[\\w&&[^_]]+$ (letras ou números, do início ao fim da string). Eu continuo usando a opção UNICODE_CHARACTER_CLASS para que o \w pegue caracteres acentuados, e uso a intersecção &&[^_] para que ela não considere o _.

A saída é:

Jean-da Silva=válida
Carlos 2=válida
João d'lango=válida
J@ão=inválida
Carlos*=inválida
teste_1=inválida
---=inválida
' -=inválida

Outra alternativa seria usar as propriedades Unicode:

Matcher matcher = Pattern.compile("^[\\p{L}\\p{N}]+$", Pattern.UNICODE_CHARACTER_CLASS).matcher("");
// for com split, igual ao código anterior

Nesse caso, a regex considera apenas os caracteres que são letras, incluindo as acentuadas (\p{L}) ou números (\p{N}).


Um detalhe das opções acima é que elas são bem abrangentes e também consideram caracteres que talvez você não queira.

Quando a opção UNICODE_CHARACTER_CLASS é usada, o \w também considera outros caracteres, como por exemplo aqueles que possuem a propriedade Join_Control (que no caso são o ZERO WIDTH NON JOINER e o ZERO WIDTH JOINER), além de vários outros caracteres. E o \p{L} considera letras de outros alfabetos, como o japonês e o árabe, por exemplo.

Se não quiser ser tão abrangente, uma alternativa é usar java.text.Normalizer juntamente com outra regex para eliminar os acentos, e buscar apenas por letras de a a z e números de 0 a 9:

// opção CASE_INSENSITIVE para considerar letras maiúsculas e minúsculas
Matcher matcher = Pattern.compile("^[a-z0-9]+$", Pattern.CASE_INSENSITIVE).matcher("");
for (String s : v) {
    boolean valida = false;
    for (String parte : s.split("[-' ]")) {
        // elimina os acentos
        matcher.reset(Normalizer.normalize(parte, Normalizer.Form.NFD).replaceAll("\\p{M}", ""));
        valida = matcher.find();
        if (!valida) // se encontrou um inválido, pode sair do loop
            break;
    }
    System.out.println(s + "=" + (valida ? "válida" : "inválida"));
}

De forma bem resumida, a normalização para a forma NFD "quebra" um caractere acentuado em dois. Por exemplo, o ã é quebrado em a e ~. (para mais detalhes sobre normalização, leia aqui, aqui e aqui).

Em seguida \p{M} serve para remover os caracteres correspondentes aos acentos (os chamados combining diacritical marks). No final, sobram somente as letras, sem os acentos, que posso buscar com ^[a-z0-9]+$ (graças à opção CASE_INSENSITIVE, ela já pega tanto letras maiúsculas quanto minúsculas).

-1

Regex abaixo aceita apenas caracteres, numeros e os caracteres especiais "'" e "-"

[a-zA-Z0-9 '-]
3
  • testei no regexr.com e funcionou, o Z-Z, realmente o 0 ta faltando vou editar, para feito de melhor leitura do regex, alterei o Z-Z para A-Z
    – Scarabelo
    28/08/2019 às 19:13
  • 1
    Só o Z-Z sozinho não funciona, veja
    – hkotsubo
    28/08/2019 às 19:16
  • pegadinha do regexr.com
    – Scarabelo
    28/08/2019 às 19:17

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 .