3

Estou desenvolvendo um aplicativo em HTML5 que utiliza a API da Wikipédia para dar a definição do que pedimos. Usei o código que disponibilizaram em um fórum de outra língua do Stack e, nele, percebi a presença do uso de expressões regulares para eliminar certas partes do texto extraído (links, referências, tags, etc.).

Porém, eu gostaria de remover também textos entre parênteses como no exemplo abaixo:

O que ficasse assim

Software aplicativo (aplicativo ou aplicação) é um programa de computador que tem por objetivo ajudar o seu usuário a desempenhar...

Ficaria assim

Software aplicativo é um programa de computador que tem por objetivo ajudar o seu usuário a desempenhar...

Pois bem, tenho o código abaixo e gostaria de uma ajuda na parte das expressões regulares (que ainda não aprendi, mas tô tentando) para resolver meu problema:

if(d.getElementById('q').value !== "") {
algo = d.getElementById('q').value
}
var definir = function(algo) {
startFetch(algo, 1, 1000);
d.getElementById("feedback").value = "Definir > " + algo; // Palavra ou sentença a ser definida
d.getElementById('q').value = algo;
search();
d.getElementById("resposta").value = "Só um momento...";
voz();
}

var textbox = d.getElementById("resposta");
var tempscript = null, minchars, maxchars, attempts;

function startFetch(algo, minimumCharacters, maximumCharacters, isRetry) {
if (tempscript) return;
if (!isRetry) {attempts = 0;
minchars = minimumCharacters;
maxchars = maximumCharacters;
}

tempscript = d.createElement("script");
tempscript.type = "text/javascript";
tempscript.id = "tempscript";
tempscript.src = "https://pt.wikipedia.org/w/api.php?action=query&titles="
+ algo // Palavra ou sentença a ser definida
+ "&redirects="
+ "&prop=extracts"
+ "&exchars="
+ maxchars // Máximo de caracteres a ser "puxado"
+ "&exintro"
+ "&format=json"
+ "&callback=onFetchComplete"
+ "&requestid="
+ Math.floor(Math.random()*999999).toString();
d.body.appendChild(tempscript);
}

function onFetchComplete(data, algo) {
d.body.removeChild(tempscript);
tempscript = null
var s = getFirstProp(data.query.pages).extract;
s = htmlDecode(stripTags(s));
if (s.length > minchars || attempts++ > 5) {
d.getElementById("resposta").value = s;
d.getElementById("feedback").value = "Definindo...";
voz(); // Lê em voz alta a definição da palavra ou sentença
espera(); // Delay para se aproximar do carregamento do áudio
d.getElementById("log").value += "Definir > "
+ algo // Palavra ou sentença a ser definida
+ "\n"
+ s // Definição carregada
+ "\n\n";
saveHist(); // Salva a definição no log de conversa
}

else {
d.getElementById('resposta').value = "Não encontrei a definição, "+nomeDoUsuario+".";
voz();
}
}
function getFirstProp(obj) {
for (var i in obj) return obj[i];
}
function stripTags(s) {

// Abaixo está meu problema ***************************************************
return s.replace(/<\w+(\s+("[^"]*"|'[^']*'|[^>])+)?>|<\/\w+>/gi, "");
// Acima está meu problema ****************************************************

}
function htmlDecode(input){
var e = document.createElement("div"); e.innerHTML = input; return e.childNodes.length === 0 ? "" : e.childNodes[0].nodeValue;
}

1 Resposta 1

5

Vejo que na tua regex já tens outros casos que queres tratar. Sugiro juntares (\s\(.*?\))| no inicio da tua regex.

Eu costumo usar este site para trabalhar com regex, é muito util.

De qualquer maneira o que esta sugestão faz é:

O parêntese exterior cria um grupo de captura (...). Depois de abrir esse grupo de captura juntei "um espaço em branco" que se escreve com \s. Isto porque antes de um parêntese há sempre um espaço em branco. Numa regex quando se usa a barra \ isso escapa o próximo caractere. Como viste antes os parenteses têm uma função num regex (grupo de captura), a barra \( "desliga" essa função e aponta para o próprio caractere (.

Depois uso .*? que quer dizer qualquer caractere, zero ou mais vezes, excepto novas linhas. E termino com | que é o "ou" da regex e que quer dizer caso A | caso B | caso C (caso A ou caso B, etc)

var s = 'Software aplicativo (aplicativo ou aplicação) é um programa de computador que tem por objetivo ajudar o seu usuário a desempenhar..';
document.body.innerHTML = s.replace(/(\s\(.*?\))|<\w+(\s+("[^"]*"|'[^']*'|[^>])+)?>|<\/\w+>/gi, '');

2
  • Era exatamente disso que eu precisava. Resposta muito bem explicada, aprendi aqui o que venho tentando aprender há muito tempo. Muito obrigado, @Sergio. 29/11/2014 às 16:14
  • 1
    @VictorRibeiro ótimo! Fico contente de ter ajudado. Votei +1 na sua pergunta também por ter dado exemplo do que procurava.
    – Sergio
    29/11/2014 às 16:20

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 .