1

Tenho um enorme arquivo de registros que eu quero transformar em uma tabela. O arquivo se parece com isto:

********************
SemprePresente1=09/2019
SemprePresente2=987456
Um monte de coisas  
Que não preciso
Opcional=698,00
Mais coisas que não preciso
********************
SemprePresente1=06/2019
SemprePresente2=123658
Um monte de coisas 
Que não preciso
********************
SemprePresente1=09/2019
SemprePresente2=987699
Um monte de coisas
Opcional=9999,00
Mais coisas que não preciso

Eu consigo capturar os dois primeiros grupos, mas não o terceiro, que é opcional, usando a seguinte regex:

^[\*].+?SemprePresente1=(\d\d\/\d\d\d\d).+?SemprePresente2=(\d{6}).+?((:?Opcional=)[\d,]+)?[^\*]+

Eu preciso de algo assim:

09/2019;987456;698,00
06/2019;123658;
09/2019;987699;9999,00

Entretanto, usando o padrão de substituição \1;\2;\4\n no Notepad++ eu só consigo isto:

09/2019;987456;
06/2019;123658;
09/2019;987699;

Por que não estou conseguindo capturar o grupo opcional? Aparentemente, o padrão está combinando com o registro inteiro, sem "invadir" o próximo.

1 Resposta 1

2

Você pode usar esta regex:

^[\*].+?SemprePresente1=(\d{2}\/\d{4}).+?SemprePresente2=(\d{6})(?:(?!Opcional=)[^\*])+(Opcional=(\d+,\d+))?[^\*]+

Veja aqui ela funcionando no regex101.com.


Fiz algumas alterações na sua regex. Basicamente, usei os quantificadores {2} e {4}, que são respectivamente, "2 ocorrências" e "4 ocorrências". Ou seja, \d{4} é o mesmo que \d\d\d\d.

Outro detalhe é que :? quer dizer que o caractere : é opcional, ou seja, pode ou não ter o caractere : na string. Acho que você tentou na verdade usar (?: para criar um grupo de não-captura.

De qualquer forma, a regex não funciona porque o grupo opcional (contendo a string "Opcional") era pulado. Primeiro a regex cai no .+? logo depois do trecho "SemprePresente2", e como esse quantificador é "preguiçoso", ele tenta pegar a menor quantidade possível de caracteres. Ou seja, a regex ainda não "andou" caracteres o suficiente para chegar no "Opcional" (pois ela está logo depois do número correspondente a "SemprePresente2"), mas já tenta verificar esse trecho nesta posição da string.

Mas como esse trecho é opcional, a regex tenta verificar primeiro se não tem essa parte, e só depois, se não der certo, ela volta e tenta ver se essa parte opcional existe. Então primeiro ela pula esse grupo e verifica a expressão que vem depois.

E depois do grupo "Opcional" temos [^\*]+, e por padrão os quantificadores são "gananciosos" e tentam pegar a maior quantidade possível de caracteres. No caso, ele pega vários caracteres que não são *, ou seja, ele avança até encontrar um *, e não volta mais para verificar o grupo opcional.

Você pode ver esse comportamento aqui: use as setas do teclado para acompanhar os passos que a regex faz (veja a partir do passo 68 do primeiro match).


A solução foi, antes do grupo opcional, usar um lookahead negativo (o trecho entre (?!...)), que verifica se algo não existe à frente. O "truque" do lookahead é que ele só vê o que está na frente, e depois volta para onde estava e continua verificando a regex.

No caso, o trecho é (?:(?!Opcional=)[^\*])+, ou seja, primeiro eu vejo se não tem o trecho "Opcional=" à frente, e depois eu verifico se o caractere seguinte não é *. E faço isso várias vezes (graças ao quantificador +). Isso garante que o grupo opcional só será verificado quando realmente tivemos certeza que ele existe (ou, caso não exista, a regex acaba chegando em um * e encerra).

Depois do lookahead, temos o trecho Opcional=(\d+,\d+), que pega o número que você precisa. Repare que mudei a expressão também, pois você estava usando [\d,]+, que apesar de funcionar, também pode pegar coisas inválidas como ,,,, e 2,2,3,4 (veja).

Fazendo a substituição por \1;\2;\4\n no Notepad++, obtive:

09/2019;987456;698,00
06/2019;123658;
09/2019;987699;9999,00

Para mais detalhes sobre os quantificadores "preguiçosos" e "gananciosos", veja esta resposta.

Lembrando também que, por padrão, o ponto não considera as quebras de linha, então você deve habilitar esta opção no Notepad++, para que sua regex funcione (já que ela usa .+ para pegar trechos entre linhas diferentes).

1
  • 1
    Muito obrigado! Não só resolveu meu problema, como a explicação detalhada me ajudou a entender o que estava fazendo errado. Commented 20/09/2019 às 21:25

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 .