0

O que está errado com essa expressão regular?

preg_match_all('/{{.*?(?!\|e)}}/',$content,$matches);

No texto abaixo ele não deveria pegar o {{Expression|e}} já que estou negando o |e no grupo (?!\|e)

Edit the {{Expression|e}} & Text to see matches. Roll over matches or the expression for details. PCRE & JavaScript {{flavors}} of RegEx are supported. {{Validate}} your expression with Tests mode.

Como deveria ser a expressão certa para que os matches fossem apenas {{flavors}} e {{Validate}}?

1 Resposta 1

2

Primeiro, sobre .*?: o ponto corresponde a qualquer caractere, e o *? é um quantificador lazy, que pega zero ou mais caracteres, mas sempre a menor quantidade possível que satisfaça a expressão.

O funcionamento detalhado é explicado aqui, aqui e aqui, mas basicamente funciona assim:

Supondo o caso de Expression|e, primeiro a regex tenta um match com zero caracteres antes do }. Como tem mais de um, ela volta e tenta com somente o "E".

Como depois do "E" não tem "}", ela tenta com "Ex", e assim por diante. Quando chega no "n", o lookahead vê que depois tem |e e falha, só que como o ponto corresponde a qualquer caractere, ela continua tentando.

Então a próxima tentativa é com "Expression|", ela vê que depois não tem "}", e por fim tenta com "Expression|e", vê que depois não tem |e e tem "}", e retorna o match.

Isso acontece porque a expressão quer dizer "zero ou mais caracteres (.*?), desde que não tenha "|e" depois". O problema é que o ponto pega qualquer caractere, inclusive o próprio | e também o e. Pode parecer contraditório e contraintuitivo, mas é assim que a engine funciona.

Se a ideia é não permitir |e dentro dos colchetes, então o lookahead deve estar dentro da repetição:

preg_match_all('/{{([^}](?!\|e))+}}/',$content,$matches);

No caso, [^}] é "qualquer caractere que não seja }" e o lookahead fica logo depois. Ou seja, é um único caractere, desde que depois não tenha |e.

E tudo isso se repete várias vezes: coloquei tudo entre parênteses e usei o quantificador +, que indica uma ou mais ocorrências. O * indica "zero ou mais ocorrências", ou seja, também pega casos como {{}}. Já usando + eu forço que tenha pelo menos um caractere entre os colchetes.

Portanto a regex agora é "qualquer caractere que não seja }, desde que não tenha |e depois, tudo isso repetido uma ou mais vezes".

Um detalhe é que os parênteses formam um grupo de captura, que acabam "ocupando espaço" no array de matches. Se não quiser esses dados a mais (e somente o match completo), basta trocar para grupos de não-captura, colocando (?::

preg_match_all('/{{(?:[^}](?!\|e))+}}/',$content,$matches);
1
  • Show, muito obrigado, na verdade só acrescentei uma } depois de e para evitar que ele escape ee ou escape, ou seja, obrigando a depois do e ter } Ficou assim preg_match_all('/{{([^}](?!\|e}))+}}/',$content,$matches); Commented 14/08/2021 às 13:57

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 .